A Z. Sachverzeichnis. Ω-Notation, 14 Θ-Notation, 14
|
|
- Helge Jürgen Böhler
- vor 6 Jahren
- Abrufe
Transkript
1 Sachverzeichnis A Z Ω-Notation, 14 Θ-Notation, 14 NP, 337 NPO, 354 O-Notation, 14 P, 337 ω-notation, 14 -Notation, 14 o-notation, 14 Abstrakter Datentyp, 26 Ackermann-Funktion, 106 adjazent, 69, 70 Adjazenzmatrix, 74 markierte, 75 Algorithmentheorie, 3 Algorithmus, 1 2-Wege-Mergesort, 225 Boruvkas, 201 Boyer-Moore, 264 Boyer-Moore-Horspool, 267 Breitensuche, 99 Bubble-Sort, 203 Dijkstra, 191, 304 direkter Mergesort, 227 Distribution Counting, 232 Heapsort, 220 Insertion-Sort, 205 Karp-Rabin, 268 Knuth-Morris-Pratt, 249 Kruskal, 195, 303 Mergesort, 225 Prim, 199 Quickselect, 220 Quicksort, 215 Radix-Exchange, 232 Radixsort, 232 randomisierte Näherung von π, 372 randomisierter Primzahltest, 370 Schönhage-Strassen, 326 Selection-Sort, 207 Shellsort, 213 Tiefensuche, 88 Ukkonen, 273 Warshalls, 200 All Pairs Shortest Path Problem, 194 amortisierten Kosten, 104 Approximationsalgorithmen, 360 Array, 27 sequentielle Repräsentation, 27 Asymptotische Notationen, 14 Ausgrad, 70 Austausch-Eigenschaft, 302 Auswahlproblem, 219 Average-Case, 8 B-Baum, 151 Bäume, 68 t-näre, 71 B-, 151 binäre, 82 Datenstrukturen für, 76 erweiterte Binär-, 71 Fibonacci, 126 geordnete, 72 Kind-Geschwister Darstellung, 82 Links-Sohn-Darstellung, 79 mehrfache Verkettung, 81 Räpresentation durch Array, 76 Sohn-Listen, 77 ungeordnet gewurzelte, 71 Vater-Zeiger, 77 Backtracking, 355 Balancegrad, 125 M. Nebel, Entwurf und Analyse von Algorithmen, DOI / , Vieweg+Teubner Verlag Springer Fachmedien Wiesbaden 2012
2 386 Sachverzeichnis Balancierte Bäume, 125 AVL-Bäume, 130 B-Bäume, 151 gewichtsbalanciert, 140 höhenbalanciert, 125 Splay-Trees, 140 Bankkontenmethode, 21 Bellmansches Optimalitätskriterium, 291 Berechenbarkeit, 3 Loop-, 4 While-, 5 Best-Case, 8 Binäre Suchbäume, 114 Analyse der Suchzeiten, 118 binäre Suche, 114 binärer Baum, 82 binärer Suchbaum, 115 binäres Einfügen, 207 Binärzähler, 19 Binomischen Satz, 12 Binpacking-Problem, 300 Bitkomplexität, 19 Bitvektordarstellung, 65 Blatt, 71 Boyer-Moore-Algorithmus, 264 bad-character-heuristik, 264 good-suffix-heuristik, 265 Boyer-Moore-Horspool-Algorithmus, 267 Branch&Bound, 357 Breitensuche, 99 Bruder, 71 Bubble-Sort, 203 Carmichael-Zahlen, 371 carry sequence, 167 Catalan-Zahlen, 292 Code, 295 Code-Baum, 296 Cursor, 51 Datenstruktur AVL-Bäume, 130 B-Bäume, 151 Baum, 76 Binäre Suchbäume, 114 Digitaler Suchbaum, 157 Digraph, 73 Graph, 73 Heap, 220 Lineare Liste, 41 Menge, 65 Priority-Queue, 224 Queue, 58 selbstorganisierend, 140 Splay-Trees, 140 Stack, 56 Trie, 157 Datentyp, abstrakter, 26 Digitale Suchbäume, 157 Digraph, 69 transitive Hülle, 200 Dijkstra-Algorithmus, 304 Distribution Counting, 232 Divide and Conquer, 287 Dominierende Menge, 352 Dopevektor, 30 Dynamisches Programmieren, 291 Eingrad, 70 Einheitswurzel, 310 Elementarereignis, 9 Elementaroperationen, 13 Endrekursionsbeseitigung, 85 Entropie, 299 Entwurfsmethoden, 287 Backtracking, 355 Branch&Bound, 357 Divide and Conquer, 287 Dynamisches Programmieren, 291 Greedy-Algorithmen, 294 Induktion, 200 Lineares Programmieren, 304 Reduktion, 351 schwere Optimierungsprobleme, 353 Transformationen, 309 Ereignis, 9 Ereignisraum, 9 Erfüllbarkeitsproblem, 339 Erwartungswert, 10 Erzeugendenfunktion, 10, 127, 210 Wahrscheinlichkeiten-, 12, 169, 176 evaluation problem, 354 externe Pfadlänge, 120 Felder, 27 Fibonacci-Bäume, 126
3 Sachverzeichnis 387 Formelsammlung, 381 Fourier-Transformation diskrete, 310 schnelle, 314 mit Bit-Operationen, 320 Funktion, 3 Gödelisierung, 6 Garbage Collection, 130 gefädelte Darstellung, 86 geordneter Baum, 72 gerichteter Graph, 69 gewichtsbalancierten Bäume, 139 goldene Schnitt φ, 161 Grad eines Knotens, 69 Graph-Algorithmen, 189 Graphen, 68 Datenstrukturen für, 73 kürzeste Wege, 190 markierte, 71 minimale Spannbäume, 195 traversiern von, 88 Greedy-Algorithmen, 294 Matroide, 301 Greedy-Algorithmus kanonischer, 302 Höhe eines Baumes, 71 höhenbalanciert, 125 Haltefunktion, 6 Hashfolgen, 166 Hashing, 159 Hash-Funktionen, 159, 160 c-universell, 178 Hash-Tabellen, 159 Auslastungsgrad, 169 Kollisionsbeseitigung, 161 Analyse Linear Probing, 165 Indirect Chaining, 173 Linear Probing, 162 Verkettung, 161 uniformes, 170 universelles, 178 Heap, 220 Heapsort, 220 Huffman-Codes, 295 innerer Knoten, 71 Inorder, 84 Insertion-Sort, 205 interne Pfadlänge, 120 Interpolation, 311 Inversion, 209 Inversionentafel, 209 inzident, 69, 70 Inzidenzmatrix, 73 Königsberger Brückenproblem, 189 Kante kreuzend, 197 Karp-Rabin-Algorithmus, 268 Knuth-Morris-Pratt-Algorithmus, 249 Analyse, 257 Komplexitätsklasse NP, 337 NPO, 354 P, 337 Komplexitätstheorie, 335 Konvolution, 13, 169, 311 Kosten, amortisierte, 19 Kruskal-Algorithmus, 303 lexikographische Ordnung, 28 Lineare Listen, 41 doppelt verkettet, 51 Queue, 58 sequentielle Repräsentation, 43 Stack, 56 verkettete Repräsentation, 46 Lineares Programmieren, 304 Links-Rechts-Ordnung, 72 Listendarstellung, 65 Loop-berechenbar, 4 markierte Adjazenzmatrix, 75 Master-Theorem, 22 Matching, 308 Matroid, 302 Max-Heap, 220 Median, 219 Median of Three, 219 Mengen, 65 Mergesort, 225 direkter, 227 Min-Heaps, 220
4 388 Sachverzeichnis Niveau eines Knotens, 71 Notationsverzeichnis, 379 Odd-Even-Merge, 238 Online-Algorithmen, 362 Multiprozessor Scheduling, 367 Paging-Problem, 363 Optimierungsproblem, 353 Paging-Strategien FIFO, 364 LFU, 364 LIFO, 364 LRU, 364 Partition-Problem, 352 Partitionen, 103 Baumdarstellung, 104 Pfadkomprimierung, 105 einfach verkettete Listen, 103 Permutation, 108 Permutationsmodell, 122 Pfadkomprimierung, 105 Pfadlänge externe, 120 interne, 120 Pivot-Element, 216 Postorder, 84 Präfix-Code, 295 Präfix-Funktion, 251 Preorder, 84 Primary Clustering, 166 Priority-Queue, 224 Problem 3KNF-SAT, 344 SAT, 339 APSPP, 194 Auswahl, 219 Binpacking, 300 Clique, 343 Cycle Cover, 359 dominierende Menge, 352 Erfüllbarkeit, 339, 356 gewichtete Matchings, 308 Hamilton-Kreis, 343 gerichtet, 346 ungerichtet, 349 kürzester Präfix-Code, 295 Knotenüberdeckung, 343, 346 längestes gemeinsames Teilwort, 281 Mengenüberdeckung, 343, 345, 361 minimale Spannbäume, 195 Multiplikation zweier n-bit-zahlen, 287 Multiplikation zweier Matrizen, 290 Multiplikation zweier Polynome, 325 Multiprozessor Scheduling, 367 Paging, 363 Partition, 352 Rucksack, 352 Set-Matching, 280 SSSPP, 190 String-Matching, 245, 279 für Menge von Texten, 280 topologisches Sortieren, 62 Travelling-Salesman, 343, 350, 358 Union-Find, 103 Wörterbuch, 113 Wiederholungen in Wörtern, 282 Produkte von Polynomen, 325 Queue, 58 Quickselect, 220 Quicksort, 215 Radix-Exchange, 232 Radixsort, 232 Random-Algorithmus, 258 Randomisierte Algorithmen, 369 Rechenzeit Average-Case, 8 Best-Case, 8 Worst-Case, 8 Reduktion, polynomielle, 338 Rekursion, 21 Rekursionsgleichungen, 22 Anfangsbedingungen, 22, 127 charakteristisches Polynom, 128 Full History, 122, 218 homogen, 127 linear, 127 Relaxieren, 194 Repeats, 282 Rotationen doppelte Links-, 134 doppelte Rechts-, 134 einfach Links-, 131 einfach Rechts-, 133
5 Sachverzeichnis 389 Splay-Tree-, 143 Rucksack-Problem, 352 Satz von COOK, 339 Schönhage-Strassen-Algorithmus, 326 Secondary Clustering, 166 Selection-Sort, 207 Sentinel, 206 Set-Matching-Problem, 269 Shellsort, 213 Shift, 245 Single Source Shortest Path Problem, 190 Sohn, 71 Sortier-Algorithmen, 203 Sortieren, 203 externes, 229 optimale Anzahl Vergleiche, 214 Sortiernetzwerke, 235 Speicherabbildungsfunktion, 28 lexicographisch, 28 sequentiell, 28 Stack, 56 streng zusammenhängend, 70 String-Algorithmen, 245 String-Matching, 245 Boyer-Moore-Algorithmus, 264 Knuth-Morris-Pratt-Algorithmus, 249 mit endlichen Automaten, 246 String-Matching-Automat, 246, 247 String-Matching-Problem, 245 Suchbaum-Eigenschaft, 115 Suffix-Bäume, 83, 270 implizit, 273 kompakt, 272 Suffix-Funktion, 247 Suffix-Link, 277 Syntax der Modell-Programmiersprache, 383 t-närer Baum, 71 Teilbaum, 71 Teilmengensystem, 302 Tiefensuche, 88 Baumkanten, 92, 97 Querkanten, 97 Rückwärtskanten, 92, 97 Vorwärstkanten, 97 topologisches Sortieren, 62 Transformationen, 309 Traversieren, 84 von Bäumen, 110 Inorder, 84 Postorder, 84 Preorder, 84 von Bäumen, Inorder binäre Suchbäume, 124 von Graphen, Breitensuche, 99 von Graphen, Tiefensuche, 88 Trie, 157 Turingmaschine, 335 akzeptierte Sprache, 336 Konfiguration, 336 Ukkonen-Algorithmus, 273 ungeordneter gewurzelter Baum, 71 Uniform Probing, 170 Union-Find-Problem, 103 Varianz, 36 Vater, 71 Verlustfaktor, 360 Wörterbuch, 113 geordnet, 113 statisch, 113 Wörterbuchproblem, 113 Wahrscheinlichkeiten-Erzeugendenfunktion, 12 Wahrscheinlichkeit, 9 bedingte, 9 Wahrscheinlichkeitsverteilung, 9 Wald, 94 Weg, 69, 70 While-berechenbar, 5 Wiederholungen in Wörtern, 282 Worst-Case, 8 Wurzel, 70 Zielfunktion, 304 Zufallsexperimenten, 9 Zufallsvariable, 9 Erwartungswert, 10 geometrisch verteilt, 35 Varinaz, 36 zusammenhängend, 70 Zusammenhangskomponente, 92 Zweierturm-Funktion, 106
6 Literaturverzeichnis PlatLzha [AHU83] [AVL62] [BB03] [BEY98] [BM72] [CL04] AHO, ALFRED V., JOHN E. HOPCROPF und JEFFREY D. ULLMAN: Data Structures and Algorithms. Addison-Wesley, ADEL SON-VELSKII, G. M. und Y. M. LANDIS: An algorithm for the organization of information. Dokl. Akad. Nauk SSSR, 146: , English translation in Soviet Math. Dokl 3, pp ,. BÖCKENHAUER, HANS-JOACHIM und DIRK BONGARTZ: Algorithmische Grundlagen der Bioinformatik. Teubner, BORODIN, ALLAN und RAN EL-YANIV: Onliune Computation and Competetive Analysis. Cambridge University Press, BAYER, R. und E. M. MCCREIGHT: Organization and maintenance of large ordered indices. Acta Informatica, 1(3): , CHARRAS, CHRISTIAN und THIERRY LECROQ: Handbook of Exact String-Matching Algorithms. King s College Publications, [CLRS03] CORMEN, THOMAS H., CHARLES E. LEISERSON, RONALD L. RIVEST und CLIFFORD STEIN: Introduction to Algorithms. MIT Press, 2. Auflage, [Coo71] [FS09] [GJ79] [GKP94] [Gus97] COOK, STEPHEN A.: The Complexity of Theorem Proving Procedures. Annual ACM Symposium on Theory of Computing (STOC), Seiten , FLAJOLET, PHILIPPE und ROBERT SEDGEWICK: Analytic Combinatroics. Cambridge University Press, GAREY, MICHAEL R. und DAVID S. JOHNSON: Computers and Intractability: A Guide to the Theory of NP-Completeness. W. H. Freeman and Company, GRAHAM, RONALD L., DONALD E. KNUTH und OREN PATASHNIK: Concrete Mathematics. Addison-Wesley, 2. Auflage, GUSFIELD, DAN: Algorithms on Strings, Trees, and Sequences. Cambridge University Press, [Hof95] HOFRI, MICHA: Analysis of Algorithms. Oxford University Press, [Hro01] HROMKOVIČ, JURAY: Algorithms for Hard Problems. Springer, [Juk08] JUKNA, STASYS: Crashkurs Mathematik. Teubner Verlag, [Kem84] [Knu97] KEMP, RAINER: Fundamentals of the Average Case Analysis of Particular Algorithms. John Wiley & Sons, KNUTH, DONALD E.: The Art of Computer Programmung / Fundamental Algorithms,Band1. Addison-Wesley, 3. Auflage, M. Nebel, Entwurf und Analyse von Algorithmen, DOI / , Vieweg+Teubner Verlag Springer Fachmedien Wiesbaden 2012
7 392 Literaturverzeichnis [Knu98] KNUTH, DONALD E.: The Art of Computer Programmung / Sorting and Searching, Band3. Addison-Wesley, 2. Auflage, [Mah92] MAHMOUD, HOSAM M.: Evolution of Random Search Trees. John Wiley & Sons, [Neb12] [Ott98] NEBEL, MARKUS E.: Formale Grundlagen der Programmierung. Vieweg + Teubner Verlag, OTTMANN, THOMAS (Herausgeber): Prinzipien des Algorithmenentwurfs. Spektrum Verlag, [Sch] SCHNORR, CLAUS-PETER: Skript zur Vorlesung Theoretische Informatik 1. Universität Frankfurt. [Sch01] SCHÖNING, UWE: Algorithmik. Spektrum Verlag, [Sch08] SCHÖNING, UWE: Theoretische Informatik kurz gefasst. Spektrum Verlag, 5. Auflage, [Sed83] SEDGEWICK, ROBERT: Algorithms. Addison-Wesley, [Sed02] SEDGEWICK, ROBERT: Algorithms in C++, Part5 Graph Algorithms. Addison-Wesley, 3. Auflage, [SF96] SEDGEWICK, ROBERT und PHILIPPE FLAJOLET: An Introduction to the Analysis of Algorithms. Addison-Wesley, [Ski08] SKIENA, STEVEN S.: The Algorithm Design Manual. Springer, [ST85] SLEATOR,DANIEL D. und ROBERT E. TARJAN: Self-adjusting binary search trees. Journal of the ACM, 32(3): , [SW] SCHNITGER, GEORG und MAIK WEINARD: Skript zur Vorlesung Theoretische Informatik 1. Universität Frankfurt. [Tar83] TARJAN, ROBERT E.: Data Structures and Network Algorithms. Society for Industrial and Applied Mathemtics, [Van01] VANDERBEI, ROBERT J.: Linear programming: foundations and extensions. Springer, 2. Auflage, [Vaz98] VAZIRANI, VIJAY V.: Approximation Algorithms. Springer, [Wei07] WEISS, MARK A.: Data Structures and Algorithms in Java. Pearson Education, 2. Auflage, [Wil93] WILF, HERBERT S.:generatingfunctionology. Academic Press, 2. Auflage, [Wir96] WIRTH, NIKLAUS: Algorithmen und Datenstrukturen mit Modula-2. Teubner Verlag, 5. Auflage, 1996.
1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert
Inhalt Einführung 1. Arrays 1. Array unsortiert 2. Array sortiert 3. Heap 2. Listen 1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert 3. Bäume
MehrGrundlagen der Informatik. Prof. Dr. Stefan Enderle NTA Isny
Grundlagen der Informatik Prof. Dr. Stefan Enderle NTA Isny 2 Datenstrukturen 2.1 Einführung Syntax: Definition einer formalen Grammatik, um Regeln einer formalen Sprache (Programmiersprache) festzulegen.
MehrDatenstrukturen. Mariano Zelke. Sommersemester 2012
Datenstrukturen Mariano Zelke Sommersemester 2012 Mathematische Grundlagen: Das Handwerkszeug Mariano Zelke Datenstrukturen 2/26 Formeln: n - i = n (n+1) 2 und - i=1 k i=0 a i = ak+1 1 a 1, falls a 1 Rechnen
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Dipl. Inform. Andreas Wilkens aw@awilkens.com Überblick Grundlagen Definitionen Elementare Datenstrukturen Rekursionen Bäume 2 1 Datenstruktur Baum Definition eines Baumes
MehrGraphen: Datenstrukturen und Algorithmen
Graphen: Datenstrukturen und Algorithmen Ein Graph G = (V, E) wird durch die Knotenmenge V und die Kantenmenge E repräsentiert. G ist ungerichtet, wenn wir keinen Start- und Zielpunkt der Kanten auszeichnen.
Mehr3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel
3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel EADS 3.1 Konstruktion von minimalen Spannbäumen 16/36
MehrDatenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen
MehrTutorium Algorithmen & Datenstrukturen
June 16, 2010 Binärer Baum Binärer Baum enthält keine Knoten (NIL) besteht aus drei disjunkten Knotenmengen: einem Wurzelknoten, einem binären Baum als linken Unterbaum und einem binären Baum als rechten
MehrBabeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005. Paradigmen im Algorithmenentwurf
Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005 Paradigmen im Algorithmenentwurf Problemlösen Problem definieren Algorithmus entwerfen
MehrVorlesung: Montag 8:15-10:00 Donnerstag 8:15-10:00 Hörsaal: M 1 M 1
Begrüßung Informatik II Vorlesung: Montag 8:15-10:00 Donnerstag 8:15-10:00 Hörsaal: M 1 M 1 Übung: Dozent: Prof. Dr. Klaus Hinrichs Institut für Informatik Einsteinstr. 62 6. Stock, Raum 606 khh@uni-muenster.de
MehrDie Komplexitätsklassen P und NP
Die Komplexitätsklassen P und NP Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 3. Dezember 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit und
Mehr1 Einführung 2 1.1 Zwei Beispiele (MIN JOB SCHEDULING und MAXCUT)... 2 1.2 Notationen und Definitionen... 7 1.3 Übungsaufgaben...
Vorwort v I Approximative Algorithmen 1 1 Einführung 2 1.1 Zwei Beispiele (MIN JOB SCHEDULING und MAXCUT).... 2 1.2 Notationen und Definitionen... 7 1.3 Übungsaufgaben..... 18 2 DieKomplexitätsklassen
MehrAlgorithmen und Datenstrukturen Suchbaum
Algorithmen und Datenstrukturen Suchbaum Matthias Teschner Graphische Datenverarbeitung Institut für Informatik Universität Freiburg SS 12 Motivation Datenstruktur zur Repräsentation dynamischer Mengen
Mehr4 Greedy-Algorithmen (gierige Algorithmen)
Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen werden oft für die exakte oder approximative Lösung von Optimierungsproblemen verwendet. Typischerweise konstruiert ein Greedy-Algorithmus eine
MehrAlgorithmen und Datenstrukturen Balancierte Suchbäume
Algorithmen und Datenstrukturen Balancierte Suchbäume Matthias Teschner Graphische Datenverarbeitung Institut für Informatik Universität Freiburg SS 12 Überblick Einführung Einfügen und Löschen Einfügen
MehrCodierung, Codes (variabler Länge)
Codierung, Codes (variabler Länge) A = {a, b, c,...} eine endliche Menge von Nachrichten (Quellalphabet) B = {0, 1} das Kanalalphabet Eine (binäre) Codierung ist eine injektive Abbildung Φ : A B +, falls
MehrSuchen und Sortieren Sortieren. Heaps
Suchen und Heaps (Folie 245, Seite 63 im Skript) 3 7 21 10 17 31 49 28 14 35 24 42 38 Definition Ein Heap ist ein Binärbaum, der die Heapeigenschaft hat (Kinder sind größer als der Vater), bis auf die
MehrProgrammiertechnik II
Bäume Symboltabellen Suche nach Werten (items), die unter einem Schlüssel (key) gefunden werden können Bankkonten: Schlüssel ist Kontonummer Flugreservierung: Schlüssel ist Flugnummer, Reservierungsnummer,...
MehrAlgorithmen und Datenstrukturen
1 Algorithmen und Datenstrukturen Wintersemester 2015/16 12. Vorlesung Hashing Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I 2 Übungen Begründen Sie grundsätzlich alle Behauptungen außer die Aufgabe
Mehr8 Diskrete Optimierung
8 Diskrete Optimierung Definition 8.1. Ein Graph G ist ein Paar (V (G), E(G)) besteh aus einer lichen Menge V (G) von Knoten (oder Ecken) und einer Menge E(G) ( ) V (G) 2 von Kanten. Die Ordnung n(g) von
MehrBinäre Bäume Darstellung und Traversierung
Binäre Bäume Darstellung und Traversierung Name Frank Bollwig Matrikel-Nr. 2770085 E-Mail fb641378@inf.tu-dresden.de Datum 15. November 2001 0. Vorbemerkungen... 3 1. Terminologie binärer Bäume... 4 2.
MehrEffiziente Algorithmen und Datenstrukturen I. Kapitel 9: Minimale Spannbäume
Effiziente Algorithmen und Datenstrukturen I Kapitel 9: Minimale Spannbäume Christian Scheideler WS 008 19.0.009 Kapitel 9 1 Minimaler Spannbaum Zentrale Frage: Welche Kanten muss ich nehmen, um mit minimalen
MehrDas P versus N P - Problem
Das P versus N P - Problem Dr. Michael Huber Habilitationsvortrag eines der sieben Milleniumsprobleme des Clay Mathematics Institute A gift to Mathematics from Computer Science (Steve Smale) Überblick
MehrInformatik I. Lutz Donnerhacke lutz@iks-jena.de. PGP:db089309 1c1c 6311 ef09 d819 e029 65be bfb6 c9cb
Informatik I Lutz Donnerhacke lutz@iks-jena.de PGP:db089309 1c1c 6311 ef09 d819 e029 65be bfb6 c9cb 1 Semesterübersicht Grundbegriffe der theoretischen Informatik Übersicht über Funktionen von Betriebsystemen
MehrBäume und Wälder. Bäume und Wälder 1 / 37
Bäume und Wälder Bäume und Wälder 1 / 37 Bäume Ein (ungerichteter) Baum ist ein ungerichteter Graph G = (V, E), der zusammenhängend ist und keine Kreise enthält. Diese Graphen sind Bäume: Diese aber nicht:
MehrAlgorithmen & Datenstrukturen 1. Klausur
Algorithmen & Datenstrukturen 1. Klausur 7. Juli 2010 Name Matrikelnummer Aufgabe mögliche Punkte erreichte Punkte 1 35 2 30 3 30 4 15 5 40 6 30 Gesamt 180 1 Seite 2 von 14 Aufgabe 1) Programm Analyse
MehrLernziele: Ausgleichstechniken für binäre Bäume verstehen und einsetzen können.
6. Bäume Lernziele 6. Bäume Lernziele: Definition und Eigenschaften binärer Bäume kennen, Traversierungsalgorithmen für binäre Bäume implementieren können, die Bedeutung von Suchbäumen für die effiziente
MehrKapiteltests zum Leitprogramm Binäre Suchbäume
Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm
MehrStefan Hougardy Jens Vygen. Algorithmische Mathematik
Springer-Lehrbuch Stefan Hougardy Jens Vygen Algorithmische Mathematik Stefan Hougardy Jens Vygen Forschungsinstitut für Diskrete Mathematik Universität Bonn Bonn, Deutschland ISSN 0937-7433 ISBN 978-3-662-47013-8
MehrProgrammieren ++ Begleitende Übungen zu Veranstaltungen + Umsetzen des Algorithmus in ein lauffähiges Programm
Studienanforderungen Studiengang Maschinenbau Programmieren Begleitende Übungen zu Veranstaltungen Umsetzen des Algorithmus in ein lauffähiges Programm Studiengang Bauingenieurwesen Programmieren Begleitende
MehrZeichnen von Graphen. graph drawing
Zeichnen von Graphen graph drawing WS 2006 / 2007 Gruppe: D_rot_Ala0607 Christian Becker 11042315 Eugen Plischke 11042351 Vadim Filippov 11042026 Gegeben sei ein Graph G = (V; E) Problemstellung V E =
MehrSchulinterner Lehrplan für das Fach Informatik der Sekundarstufe II an der Bettine von Arnim Gesamtschule
des Zweckverbandes Langenfeld / Hilden - Sekundarstufen I und II - B.V.A-Gesamtschule Hildener Str. 3 40764 Langenfeld 02173 / 9956-0 Fax 02173 / 9956-99 Email: mail@bva-gesamtschule.de Web: www.bva-gesamtschule.de
MehrBäume und Wälder. Bäume und Wälder 1 / 37
Bäume und Wälder Bäume und Wälder 1 / 37 Bäume Ein (ungerichteter) Baum ist ein ungerichteter Graph G = (V, E), der zusammenhängend ist und keine einfachen Kreise enthält. Bäume und Wälder 2 / 37 Bäume
Mehr16. All Pairs Shortest Path (ASPS)
. All Pairs Shortest Path (ASPS) All Pairs Shortest Path (APSP): Eingabe: Gewichteter Graph G=(V,E) Ausgabe: Für jedes Paar von Knoten u,v V die Distanz von u nach v sowie einen kürzesten Weg a b c d e
MehrDatenstrukturen und Algorithmen
Datenstrukturen und Algorithmen VO 708.031 Bäume robert.legenstein@igi.tugraz.at 1 Inhalt der Vorlesung 1. Motivation, Einführung, Grundlagen 2. Algorithmische Grundprinzipien 3. Sortierverfahren 4. Halden
Mehr13. Binäre Suchbäume
1. Binäre Suchbäume Binäre Suchbäume realiesieren Wörterbücher. Sie unterstützen die Operationen 1. Einfügen (Insert) 2. Entfernen (Delete). Suchen (Search) 4. Maximum/Minimum-Suche 5. Vorgänger (Predecessor),
MehrEine Baumstruktur sei folgendermaßen definiert. Eine Baumstruktur mit Grundtyp Element ist entweder
Programmieren in PASCAL Bäume 1 1. Baumstrukturen Eine Baumstruktur sei folgendermaßen definiert. Eine Baumstruktur mit Grundtyp Element ist entweder 1. die leere Struktur oder 2. ein Knoten vom Typ Element
MehrNP-Vollständigkeit. Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984)
NP-Vollständigkeit Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984) 0 Übersicht: Einleitung Einteilung in Klassen Die Klassen P und NP
MehrSuchen und Sortieren (Die klassischen Algorithmen)
Suchen und Sortieren (Die klassischen Algorithmen) Lineare Suche und Binäre Suche (Vorbedingung und Komplexität) Sortieralgorithmen (allgemein) Direkte Sortierverfahren (einfach aber langsam) Schnelle
MehrKapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete
Kapitel 4: Dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2012/13 Prof. Dr. Sándor Fekete 4.4 Binäre Suche Aufgabenstellung: Rate eine Zahl zwischen 100 und 114! Algorithmus 4.1 INPUT: OUTPUT:
MehrFragen für die Klausuren
Fragen für die Klausuren Vom Quellcode zum ausführbaren Programm Was ist ein Quellcode? Ist der Quellcode von einem Programm auf unterschiedlichen Rechner gleich? Nennen Sie drei Programmiersprachen. Was
MehrEndTermTest PROGALGO WS1516 A
EndTermTest PROGALGO WS1516 A 14.1.2016 Name:................. UID:.................. PC-Nr:................ Beachten Sie: Lesen Sie erst die Angaben aufmerksam, genau und vollständig. Die Verwendung von
MehrGliederung. Definition Wichtige Aussagen und Sätze Algorithmen zum Finden von Starken Zusammenhangskomponenten
Gliederung Zusammenhang von Graphen Stark Zusammenhängend K-fach Zusammenhängend Brücken Definition Algorithmus zum Finden von Brücken Anwendung Zusammenhangskomponente Definition Wichtige Aussagen und
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2006 3. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Algorithmen für Graphen Fragestellungen: Suche
MehrMATHEMATISCHE ANALYSE VON ALGORITHMEN
MATHEMATISCHE ANALYSE VON ALGORITHMEN Michael Drmota Institut für Diskrete Mathematik und Geometrie, TU Wien michael.drmota@tuwien.ac.at www.dmg.tuwien.ac.at/drmota/ Ringvorlesung SS 2008, TU Wien Algorithmus
MehrFully dynamic algorithms for the single source shortest path problem.
Fully dynamic algorithms for the single source shortest path problem. Michael Baur Wintersemester 2001/2002 Zusammenfassung Im folgenden Paper werde ich Algorithmen für das dynamische Kürzeste-Wege-Problem
MehrBinärbäume. Prof. Dr. E. Ehses, 2014 1
Binärbäume Grundbegriffe der Graphentheorie Bäume und Ihre Anwendungen Unterschiedliche Darstellungen von Bäumen und Binärbäumen Binärbäume in Java Rekursive Traversierung von Binärbäumen Ebenenweise Traversierung
Mehr3.2 Binäre Suche. Usr/local/www/ifi/fk/menschen/schmid/folien/infovk.ppt 1
3.2 Binäre Suche Beispiel 6.5.1: Intervallschachtelung (oder binäre Suche) (Hier ist n die Anzahl der Elemente im Feld!) Ein Feld A: array (1..n) of Integer sei gegeben. Das Feld sei sortiert, d.h.: A(i)
MehrKap. 4.2: Binäre Suchbäume
Kap. 4.2: Binäre Suchbäume Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 11. VO DAP2 SS 2009 26. Mai 2009 1 Zusätzliche Lernraumbetreuung Morteza Monemizadeh:
MehrSortierverfahren für Felder (Listen)
Sortierverfahren für Felder (Listen) Generell geht es um die Sortierung von Daten nach einem bestimmten Sortierschlüssel. Es ist auch möglich, daß verschiedene Daten denselben Sortierschlüssel haben. Es
MehrApproximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling
Approximationsalgorithmen: Klassiker I Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling VO Approximationsalgorithmen WiSe 2011/12 Markus Chimani
MehrKomplexitätstheorie Einführung und Überblick (Wiederholung)
Literatur C. Papadimitriou UC Berkeley Zum Komplexitätsbegriff Strukturelle Komplexität Average Case Analyse Effiziente Algorithmen Logische Komplexität Beschreibungssprachen: SQL Kolmogorov Komplexität
MehrDatenstrukturen und Algorithmen SS07
Datenstrukturen und Algorithmen SS07 Datum: 27.6.2007 Michael Belfrage mbe@student.ethz.ch belfrage.net/eth Programm von Heute Online Algorithmen Update von Listen Move to Front (MTF) Transpose Approximationen
MehrProgrammieren I + II
Programmieren I + II Werner Struckmann Institut für Programmierung und Reaktive Systeme Wintersemester 2015/2016 Sommersemester 2016 Was ist Informatik? Die Informatik ist die Wissenschaft von Aufbau,
MehrApproximations-Algorithmen
Approximations-Algorithmen Institut für Computergraphik und Algorithmen Abteilung für Algorithmen und Datenstrukturen 186.102 Sommersemester 2004, 2h VU Motivation: Bereits viele einfache Optimierungsprobleme
MehrGrundlagen: Algorithmen und Datenstrukturen
Grundlagen: Algorithmen und Datenstrukturen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 2010
Mehr9.4 Binäre Suchbäume. Xiaoyi Jiang Informatik II Datenstrukturen und Algorithmen
9.4 Binäre Suchbäume Erweiterung: Einfügen an der Wurzel Standardimplementierung: Der neue Schlüssel wird am Ende des Suchpfades angefügt (natürlich, weil zuerst festgestellt werden muss, ob der Schlüssel
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrAlgorithmen und Datenstrukturen (WS 2007/08) 63
Kapitel 6 Graphen Beziehungen zwischen Objekten werden sehr oft durch binäre Relationen modelliert. Wir beschäftigen uns in diesem Kapitel mit speziellen binären Relationen, die nicht nur nur besonders
Mehr6 Baumstrukturen. Formale Grundlagen der Informatik I Herbstsemester 2012. Robert Marti
6 Baumstrukturen Formale Grundlagen der Informatik I Herbstsemester 2012 Robert Marti Vorlesung teilweise basierend auf Unterlagen von Prof. emer. Helmut Schauer Beispiel: Hierarchisches File System 2
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Wintersemester 2012/13 Organisatorisches Vorlesung: Übungsbetreuung: Übungen: Programmierübungen: Alexander Wolff (E29) Jan Haunert (E27) Markus Ankenbrand Titus Dose Alexej
MehrBeispiel zu Datenstrukturen
zu Datenstrukturen Passend zum Kurs 01661 Version Juni 2008 Dieter Hoffmann Dipl.-Inform. Diese Kurshilfe zum Kurs Datenstrukuren I (Kursnummer 01661) bei Prof. Dr. Güting (Lehrgebiet Praktische Informatik
MehrVorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz
Vorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz Datenstruktur BDD 1986 von R. Bryant vorgeschlagen zur Darstellung von aussagenlogischen Formeln (genauer: Booleschen Funktionen)
MehrKap. 4.4: B-Bäume Kap. 4.5: Dictionaries in der Praxis
Kap. 4.4: B-Bäume Kap. 4.5: Dictionaries in der Praxis Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 13./14. VO DAP2 SS 2009 2./4. Juni 2009 1 2. Übungstest
Mehr4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.
Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel
MehrInformatik 11 Kapitel 2 - Rekursive Datenstrukturen
Fachschaft Informatik Informatik 11 Kapitel 2 - Rekursive Datenstrukturen Michael Steinhuber König-Karlmann-Gymnasium Altötting 15. Januar 2016 Folie 1/77 Inhaltsverzeichnis I 1 Datenstruktur Schlange
MehrUebersicht. Webpage & Ilias. Administratives. Lehrbuch. Vorkenntnisse. Datenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Uebersicht Administratives Einleitung Ein einführendes Beispiel Matthias Zwicker Universität Bern Frühling 2010 2 Administratives Dozent Prof. Zwicker, zwicker@iam.unibe.ch
MehrInformatikgrundlagen (WS 2015/2016)
Informatikgrundlagen (WS 2015/2016) Klaus Berberich (klaus.berberich@htwsaar.de) Wolfgang Braun (wolfgang.braun@htwsaar.de) 0. Organisatorisches Dozenten Klaus Berberich (klaus.berberich@htwsaar.de) Sprechstunde
MehrBalancierte Bäume. Martin Wirsing. in Zusammenarbeit mit Moritz Hammer und Axel Rauschmayer. http://www.pst.ifi.lmu.de/lehre/ss06/infoii/ SS 06
Balancierte Bäume Martin Wirsing in Zusammenarbeit mit Moritz Hammer und Axel Rauschmayer http://www.pst.ifi.lmu.de/lehre/ss06/infoii/ SS 06 2 Ziele AVL-Bäume als einen wichtigen Vertreter balancierter
MehrAlgorithmik - Kompaktkurs
Algorithmik - Kompaktkurs Sommersemester 2012 Steffen Lange 0/1, Folie 1 2012 Prof. Steffen Lange - HDa/FbI - Algorithmik Organisatorisches Vorlesung Folien im Netz (/* bitte zur Vorlesung mitbringen */)
MehrDatenstrukturen und Algorithmen
Leitfäden der Informatik Ralf Hartmut Güting, Stefan Dieker Datenstrukturen und Algorithmen Leitfäden der Informatik Herausgegeben von Prof. Dr. Hans-Jürgen Appelrath, Oldenburg Prof. Dr. Volker (laus,
MehrAbschnitt: Algorithmendesign und Laufzeitanalyse
Abschnitt: Algorithmendesign und Laufzeitanalyse Definition Divide-and-Conquer Paradigma Divide-and-Conquer Algorithmen verwenden die Strategien 1 Divide: Teile das Problem rekursiv in Subproblem gleicher
MehrAlgorithmen und Berechnungskomplexität I
Institut für Informatik I Wintersemester 2010/11 Organisatorisches Vorlesung Montags 11:15-12:45 Uhr (AVZ III / HS 1) Mittwochs 11:15-12:45 Uhr (AVZ III / HS 1) Dozent Professor für theoretische Informatik
Mehr368 4 Algorithmen und Datenstrukturen
Kap04.fm Seite 368 Dienstag, 7. September 2010 1:51 13 368 4 Algorithmen und Datenstrukturen Java-Klassen Die ist die Klasse Object, ein Pfeil von Klasse A nach Klasse B bedeutet Bextends A, d.h. B ist
MehrAnmerkungen zur Übergangsprüfung
DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung
MehrHINWEISE ZUR ADS-KLAUSUR SS06 für BACHELOR (für beide Termine)
HINWEISE ZUR ADS-KLAUSUR SS06 für BACHELOR (für beide Termine) Für DIPLOMER gelten, wie bereits bekannt, die Bedingungen und Inhalte der Klausuren aus SS04 bzw. WS04/05 weiter klicken sie sich auf unserer
MehrBreiten- und Tiefensuche in Graphen
Breiten- und Tiefensuche in Graphen Inhalt Theorie. Graphen. Die Breitensuche in der Theorie am Beispiel eines ungerichteten Graphen. Die Tiefensuche in der Theorie am Beispiel eines gerichteten Graphen
MehrBachelorarbeit: Ein diskretes Modell für Finanzmärkte
Bachelorarbeit: Ein diskretes Modell für Finanzmärkte Die Finanzmathematik ist momentan eine der wichtigsten Anwendungender. Hier soll ein grundlegendes Modell erörtert werden, das auf der Entwicklung
MehrName: Seite 2. Beantworten Sie die Fragen in den Aufgaben 1 und 2 mit einer kurzen, prägnanten Antwort.
Name: Seite 2 Beantworten Sie die Fragen in den Aufgaben 1 und 2 mit einer kurzen, prägnanten Antwort. Aufgabe 1 (8 Punkte) 1. Wie viele negative Zahlen (ohne 0) lassen sich im 4-Bit-Zweierkomplement darstellen?
Mehr3. Ziel der Vorlesung
3. Ziel der Vorlesung Der Zweck der Vorlesung ist das Studium fundamentaler Konzepte in der Algorithmentheorie. Es werden relevante Maschinenmodelle, grundlegende und höhere Datenstrukturen sowie der Entwurf
MehrSteinerbäume. Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering
Steinerbäume Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering Verfasser Flamur Kastrati Betreuer Prof. Dr. habil. Thomas
MehrGrundlagen der Programmierung 2. Bäume
Grundlagen der Programmierung 2 Bäume Prof. Dr. Manfred Schmidt-Schauÿ Künstliche Intelligenz und Softwaretechnologie 24. Mai 2006 Graphen Graph: Menge von Knoten undzugehörige (gerichtete oder ungerichtete)
MehrWiederholung ADT Menge Ziel: Verwaltung (Finden, Einfügen, Entfernen) einer Menge von Elementen
Was bisher geschah abstrakter Datentyp : Signatur Σ und Axiome Φ z.b. ADT Menge zur Verwaltung (Finden, Einfügen, Entfernen) mehrerer Elemente desselben Typs Spezifikation einer Schnittstelle Konkreter
Mehr(Stand: 13.10.201508.10.2015)
Universität Hildesheim Fachbereich 4 Seite 1 von 8 Studienordnung und Modulhandbuch für das Wahlpflichtfach Informationstechnologie im Bachelor-Studiengang Internationales Informationsmanagement (IIM)
MehrInformatik IV Theoretische Informatik: Formale Sprachen und Automaten, Berechenbarkeit und NP-Vollständigkeit
Informatik IV Theoretische Informatik: Formale Sprachen und Automaten, Berechenbarkeit und NP-Vollständigkeit Sommersemester 2011 Dozent: Prof. Dr. J. Rothe, Prof. Dr. M. Leuschel J. Rothe (HHU Düsseldorf)
MehrRandomisierte Algorithmen
Randomisierte Algorithmen Kapitel 2 Markus Lohrey Universität Leipzig http://www.informatik.uni-leipzig.de/~lohrey/rand WS 2005/2006 Markus Lohrey (Universität Leipzig) Randomisierte Algorithmen WS 2005/2006
MehrApproximationsalgorithmen
Ausarbeitung zum Thema Approximationsalgorithmen im Rahmen des Fachseminars 24. Juli 2009 Robert Bahmann robert.bahmann@gmail.com FH Wiesbaden Erstellt von: Robert Bahmann Zuletzt berarbeitet von: Robert
MehrDas Dilemma des Einbrechers Wer die Wahl hat, hat die Qual!
Das Dilemma des Einbrechers Wer die Wahl hat, hat die Qual! 0kg 4000 Euro Luster 5,5 kg, 430.- Laptop 2,0 kg, 000.- Schatulle 3,2 kg, 800.- Uhr 3,5 kg, 70.- Schwert,5 kg, 850.- Bild 3,4 kg, 680.- Besteck
MehrAlgorithmen für schwierige Optimierungsprobleme Vorlesung für den Bereich Bachelor Informatik
Algorithmen für schwierige Optimierungsprobleme Vorlesung für den Bereich Bachelor Informatik Dozent: Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT
MehrInformatik II Bäume. Beispiele. G. Zachmann Clausthal University, Germany zach@in.tu-clausthal.de. Stammbaum. Stammbaum. Stammbaum
lausthal Beispiele Stammbaum Informatik II. Zachmann lausthal University, ermany zach@in.tu-clausthal.de. Zachmann Informatik - SS 06 Stammbaum Stammbaum / Parse tree, Rekursionsbaum Parse tree, Rekursionsbaum
MehrKapitel 5: Dynamisches Programmieren Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
MehrProgrammieren I + II
Programmieren I + II Werner Struckmann Institut für Programmierung und Reaktive Systeme Wintersemester 2012/2013 Sommersemester 2013 Was ist Informatik? Die Informatik ist die Wissenschaft von Aufbau,
MehrLernziele Ablauf Übungsaufgaben Formalitäten. Programmierpraktika. Einführung in das Programmieren und Weiterführendes Programmieren
Programmierpraktika Einführung in das Programmieren und Weiterführendes Programmieren Prof. H.G. Matthies, Dr. R. Niekamp, Dr. E. Zander 16.4.2014 Programmierpraktika 16.4.2014 1/15 Lernziele und Voraussetzungen
MehrInformatik I. Grundlagen der systematischen Programmierung. Peter Thiemann WS 2008/09. Universität Freiburg, Germany
Informatik I Grundlagen der systematischen Programmierung Peter Thiemann Universität Freiburg, Germany WS 2008/09 Organisatorisches Vorlesung Di und Do, 11-13 Uhr, HS 101-00-036 Dozent Prof. Dr. Peter
MehrKapitel 11: Wiederholung und Zusammenfassung
Wiederholung und Zusammenfassung 1: Begriff und Grundprobleme der Informatik Begriff Informatik Computer als universelle Rechenmaschine Grenzen der Berechenbarkeit Digitalisierung Problem der Komplexität
MehrÜbersicht. Datenstrukturen und Algorithmen. Übersicht. Divide-and-Conquer. Vorlesung 9: Quicksort (K7)
Datenstrukturen und Algorithmen Vorlesung 9: (K7) Joost-Pieter Katoen Lehrstuhl für Informatik 2 Software Modeling and Verification Group http://www-i2.rwth-aachen.de/i2/dsal0/ Algorithmus 8. Mai 200 Joost-Pieter
MehrScheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É.
Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É. Tardos Janick Martinez Esturo jmartine@techfak.uni-bielefeld.de xx.08.2007 Sommerakademie Görlitz Arbeitsgruppe 5 Gliederung
MehrName:... Vorname:... Matrikel-Nr.:... Unterschrift:...
Studiengang Bachelor of Computer Science Modulprüfung Praktische Informatik 1 Wintersemester 2010 / 2011 Name:... Vorname:... Matrikel-Nr.:... Unterschrift:... Hinweise: 1.) Schreiben Sie Ihren Namen und
MehrProseminar. Spieltheorie. Sommersemester 2015
Proseminar Spieltheorie Sommersemester 2015 Informationen bei: Prof. Dr. Martin Möhle Eberhard Karls Universität Tübingen Mathematisches Institut Tel.: 07071/29-78581 Vortragsübersicht Teil I: Allgemeine
MehrAVL-Bäume Analyse. Theorem Ein AVL-Baum der Höhe h besitzt zwischen F h und 2 h 1 viele Knoten. Definition Wir definieren die nte Fibonaccizahl:
AVL-Bäume Analyse (Folie 85, Seite 39 im Skript) Theorem Ein AVL-Baum der Höhe h besitzt zwischen F h und 2 h 1 viele Knoten. Definition Wir definieren die nte Fibonaccizahl: 0 falls n = 0 F n = 1 falls
Mehr