A Z. Sachverzeichnis. Ω-Notation, 14 Θ-Notation, 14

Größe: px
Ab Seite anzeigen:

Download "A Z. Sachverzeichnis. Ω-Notation, 14 Θ-Notation, 14"

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

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

Mehr

Grundlagen der Informatik. Prof. Dr. Stefan Enderle NTA Isny

Grundlagen 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.

Mehr

Datenstrukturen. Mariano Zelke. Sommersemester 2012

Datenstrukturen. 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

Mehr

Algorithmen und Datenstrukturen

Algorithmen 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

Mehr

Graphen: Datenstrukturen und Algorithmen

Graphen: 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.

Mehr

3.1 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 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

Mehr

Datenstrukturen & Algorithmen

Datenstrukturen & Algorithmen Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen

Mehr

Tutorium Algorithmen & Datenstrukturen

Tutorium 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

Mehr

Babeș-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 Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005 Paradigmen im Algorithmenentwurf Problemlösen Problem definieren Algorithmus entwerfen

Mehr

Vorlesung: Montag 8:15-10:00 Donnerstag 8:15-10:00 Hörsaal: M 1 M 1

Vorlesung: 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

Mehr

Die Komplexitätsklassen P und NP

Die 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

Mehr

1 Einführung 2 1.1 Zwei Beispiele (MIN JOB SCHEDULING und MAXCUT)... 2 1.2 Notationen und Definitionen... 7 1.3 Übungsaufgaben...

1 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

Mehr

Algorithmen und Datenstrukturen Suchbaum

Algorithmen und Datenstrukturen Suchbaum Algorithmen und Datenstrukturen Suchbaum Matthias Teschner Graphische Datenverarbeitung Institut für Informatik Universität Freiburg SS 12 Motivation Datenstruktur zur Repräsentation dynamischer Mengen

Mehr

4 Greedy-Algorithmen (gierige Algorithmen)

4 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

Mehr

Algorithmen und Datenstrukturen Balancierte Suchbäume

Algorithmen 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

Mehr

Codierung, Codes (variabler Länge)

Codierung, 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

Mehr

Suchen und Sortieren Sortieren. Heaps

Suchen 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

Mehr

Programmiertechnik II

Programmiertechnik II Bäume Symboltabellen Suche nach Werten (items), die unter einem Schlüssel (key) gefunden werden können Bankkonten: Schlüssel ist Kontonummer Flugreservierung: Schlüssel ist Flugnummer, Reservierungsnummer,...

Mehr

Algorithmen und Datenstrukturen

Algorithmen 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

Mehr

8 Diskrete Optimierung

8 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

Mehr

Binäre Bäume Darstellung und Traversierung

Binäre 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.

Mehr

Effiziente Algorithmen und Datenstrukturen I. Kapitel 9: Minimale Spannbäume

Effiziente 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

Mehr

Das P versus N P - Problem

Das 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

Mehr

Informatik 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 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

Mehr

Bäume und Wälder. Bäume und Wälder 1 / 37

Bäume 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:

Mehr

Algorithmen & Datenstrukturen 1. Klausur

Algorithmen & 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

Mehr

Lernziele: Ausgleichstechniken für binäre Bäume verstehen und einsetzen können.

Lernziele: 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

Mehr

Kapiteltests zum Leitprogramm Binäre Suchbäume

Kapiteltests 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

Mehr

Stefan Hougardy Jens Vygen. Algorithmische Mathematik

Stefan 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

Mehr

Programmieren ++ Begleitende Übungen zu Veranstaltungen + Umsetzen des Algorithmus in ein lauffähiges Programm

Programmieren ++ 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

Mehr

Zeichnen von Graphen. graph drawing

Zeichnen 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 =

Mehr

Schulinterner Lehrplan für das Fach Informatik der Sekundarstufe II an der Bettine von Arnim Gesamtschule

Schulinterner 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

Mehr

Bäume und Wälder. Bäume und Wälder 1 / 37

Bäume 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

Mehr

16. All Pairs Shortest Path (ASPS)

16. 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

Mehr

Datenstrukturen und Algorithmen

Datenstrukturen 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

Mehr

13. Binäre Suchbäume

13. 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),

Mehr

Eine Baumstruktur sei folgendermaßen definiert. Eine Baumstruktur mit Grundtyp Element ist entweder

Eine 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

Mehr

NP-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) 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

Mehr

Suchen und Sortieren (Die klassischen Algorithmen)

Suchen 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

Mehr

Kapitel 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 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:

Mehr

Fragen für die Klausuren

Fragen 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

Mehr

EndTermTest PROGALGO WS1516 A

EndTermTest 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

Mehr

Gliederung. Definition Wichtige Aussagen und Sätze Algorithmen zum Finden von Starken Zusammenhangskomponenten

Gliederung. 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

Mehr

Algorithmen und Datenstrukturen 2

Algorithmen 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

Mehr

MATHEMATISCHE ANALYSE VON ALGORITHMEN

MATHEMATISCHE 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

Mehr

Fully dynamic algorithms for the single source shortest path problem.

Fully 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

Mehr

Binärbäume. Prof. Dr. E. Ehses, 2014 1

Binärbäume. 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

Mehr

3.2 Binäre Suche. Usr/local/www/ifi/fk/menschen/schmid/folien/infovk.ppt 1

3.2 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)

Mehr

Kap. 4.2: Binäre Suchbäume

Kap. 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:

Mehr

Sortierverfahren für Felder (Listen)

Sortierverfahren 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

Mehr

Approximationsalgorithmen: 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 Approximationsalgorithmen: Klassiker I Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling VO Approximationsalgorithmen WiSe 2011/12 Markus Chimani

Mehr

Komplexitätstheorie Einführung und Überblick (Wiederholung)

Komplexitätstheorie Einführung und Überblick (Wiederholung) Literatur C. Papadimitriou UC Berkeley Zum Komplexitätsbegriff Strukturelle Komplexität Average Case Analyse Effiziente Algorithmen Logische Komplexität Beschreibungssprachen: SQL Kolmogorov Komplexität

Mehr

Datenstrukturen und Algorithmen SS07

Datenstrukturen 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

Mehr

Programmieren I + II

Programmieren 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,

Mehr

Approximations-Algorithmen

Approximations-Algorithmen Approximations-Algorithmen Institut für Computergraphik und Algorithmen Abteilung für Algorithmen und Datenstrukturen 186.102 Sommersemester 2004, 2h VU Motivation: Bereits viele einfache Optimierungsprobleme

Mehr

Grundlagen: Algorithmen und Datenstrukturen

Grundlagen: 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

Mehr

9.4 Binäre Suchbäume. Xiaoyi Jiang Informatik II Datenstrukturen und Algorithmen

9.4 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

Mehr

WS 2009/10. Diskrete Strukturen

WS 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

Mehr

Algorithmen und Datenstrukturen (WS 2007/08) 63

Algorithmen 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

Mehr

6 Baumstrukturen. Formale Grundlagen der Informatik I Herbstsemester 2012. Robert Marti

6 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

Mehr

Algorithmen und Datenstrukturen

Algorithmen und Datenstrukturen Algorithmen und Datenstrukturen Wintersemester 2012/13 Organisatorisches Vorlesung: Übungsbetreuung: Übungen: Programmierübungen: Alexander Wolff (E29) Jan Haunert (E27) Markus Ankenbrand Titus Dose Alexej

Mehr

Beispiel zu Datenstrukturen

Beispiel 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

Mehr

Vorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz

Vorlesung 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)

Mehr

Kap. 4.4: B-Bäume Kap. 4.5: Dictionaries in der Praxis

Kap. 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

Mehr

4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.

4. 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

Mehr

Informatik 11 Kapitel 2 - Rekursive Datenstrukturen

Informatik 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

Mehr

Uebersicht. Webpage & Ilias. Administratives. Lehrbuch. Vorkenntnisse. Datenstrukturen & Algorithmen

Uebersicht. 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

Mehr

Informatikgrundlagen (WS 2015/2016)

Informatikgrundlagen (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

Mehr

Balancierte 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 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

Mehr

Algorithmik - Kompaktkurs

Algorithmik - 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 */)

Mehr

Datenstrukturen und Algorithmen

Datenstrukturen 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,

Mehr

Abschnitt: Algorithmendesign und Laufzeitanalyse

Abschnitt: 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

Mehr

Algorithmen und Berechnungskomplexität I

Algorithmen 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

Mehr

368 4 Algorithmen und Datenstrukturen

368 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

Mehr

Anmerkungen zur Übergangsprüfung

Anmerkungen 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

Mehr

HINWEISE ZUR ADS-KLAUSUR SS06 für BACHELOR (für beide Termine)

HINWEISE 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

Mehr

Breiten- und Tiefensuche in Graphen

Breiten- 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

Mehr

Bachelorarbeit: Ein diskretes Modell für Finanzmärkte

Bachelorarbeit: 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

Mehr

Name: 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. 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?

Mehr

3. Ziel der Vorlesung

3. 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

Mehr

Steinerbäume. 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 Steinerbäume Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering Verfasser Flamur Kastrati Betreuer Prof. Dr. habil. Thomas

Mehr

Grundlagen der Programmierung 2. Bäume

Grundlagen 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)

Mehr

Wiederholung ADT Menge Ziel: Verwaltung (Finden, Einfügen, Entfernen) einer Menge von Elementen

Wiederholung 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)

(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)

Mehr

Informatik IV Theoretische Informatik: Formale Sprachen und Automaten, Berechenbarkeit und NP-Vollständigkeit

Informatik 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)

Mehr

Randomisierte Algorithmen

Randomisierte 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

Mehr

Approximationsalgorithmen

Approximationsalgorithmen 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

Mehr

Das Dilemma des Einbrechers Wer die Wahl hat, hat die Qual!

Das 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

Mehr

Algorithmen für schwierige Optimierungsprobleme Vorlesung für den Bereich Bachelor Informatik

Algorithmen 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

Mehr

Informatik II Bäume. Beispiele. G. Zachmann Clausthal University, Germany zach@in.tu-clausthal.de. Stammbaum. Stammbaum. Stammbaum

Informatik 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

Mehr

Kapitel 5: Dynamisches Programmieren Gliederung

Kapitel 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

Mehr

Programmieren I + II

Programmieren 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,

Mehr

Lernziele Ablauf Übungsaufgaben Formalitäten. Programmierpraktika. Einführung in das Programmieren und Weiterführendes Programmieren

Lernziele 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

Mehr

Informatik I. Grundlagen der systematischen Programmierung. Peter Thiemann WS 2008/09. Universität Freiburg, Germany

Informatik 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

Mehr

Kapitel 11: Wiederholung und Zusammenfassung

Kapitel 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

Mehr

Übersicht. Datenstrukturen und Algorithmen. Übersicht. Divide-and-Conquer. Vorlesung 9: Quicksort (K7)

Übersicht. 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

Mehr

Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É.

Scheduling 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

Mehr

Name:... Vorname:... Matrikel-Nr.:... Unterschrift:...

Name:... 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

Mehr

Proseminar. Spieltheorie. Sommersemester 2015

Proseminar. 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

Mehr

AVL-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. 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