2. Prozeßverklemmungen
|
|
- Frieder Engel
- vor 6 Jahren
- Abrufe
Transkript
1 2. Prozeßverklemmungen 2.1. eschreibung mittels PETRI-Netzen Einführung eisiel PETRI-Netz P V zur Verklemmung zweier Prozesse P1, P2 mit zwei etriebsmitteln M1, M2 Ausgangsunkte Realisierbarkeit von Automaten durch Schaltwerke (PETRI 1962) P1 M1 M2 P2 Mängel des Automatenbegriffs t 1 t 4 Vorteile Anschaulichkeit unterschiedliche Abstraktionsstufen ausgefeilte Theorie Weiterentwicklungen Software 5 6 Literatur t 2 t 5 PETRI, E.A.: Kommunikation mit Automaten. Diss. Univ. onn, STARKE, P.H.: Petri-Netze. erlin STARKE, P.H.: Analyse von Petri-Netz-Modellen. Teubner, REISIG, W.: Petri-Netze. Eine Einführung. Sringer, AUMGARTEN,.: Petri-Netze. Grundlagen und Anwendungen. Wissenschaftsverlag Mannheim, t 3 t 6 KÖNIG/QUÄCK: Petri-Netze in der Steuerungstechnik. Verlag Technik, erlin, SONNENSCHEIN, M.: Petri-Netze: Einführende Übersicht. Schriften zur Informatik 136, Aachen,
2 PETRI-Netze Grundbegriffe Elemente: Ereignisse (Transitionen, Übergänge) t edingungen (Plätze, Stellen) Zusammenhang: t ' Definition 1. Die edingung ist Vorbedingung des Ereignisses t. Die edingung ' ist Nachbedingung des Ereignisses t. Transitionsregel Die Transition t kann höchstens dann schalten, wenn alle ihre Vorlätze markiert (alle ihre Vorbedingungen erfüllt) sind. Wenn t schaltet, werden alle Vorbedingungen von t beendet, und alle Nachbedingungen sind erfüllt. Srechweise: t hat Konzession, kann feuern. s. 1. N = (P,T,F,m) heißt markiertes PETRI-Netz (kurz: PN), wenn gilt: (1) P, T sind endliche Mengen (Plätze, Transitionen); (2) P T =, P T ; (3) F (P T) ( T P) Flußrelation mit dom(f) codom(f) = P T; (4) m: P N Markierung. t t' t schaltet t' schaltet Weiter sei t := { P (,t) F} Menge der Vorlätze für t T, t := { P (t,) F} Menge der Nachlätze für t T. Analog, Menge der Vor-/Nachtransitionen. emerkungen biartiter gerichteter Grah, P, T, ohne isolierte Knoten, keine hängenden Kanten. Marke: Vielfachheit der Kanten: V: F N
3 Erreichbarkeit Sei N = (P,T,F,m 0 ) ein PN; T* bezeichne die Worthalbgrue über T. Dann wird induktiv eine Relation q bzw. * über N P für q T* definiert: Sei m, m' N P, q T*, t T. (1) m ε m' : m = m'. (2) m qt m' : m": m q m'' m" t m'. (3) m * m' : q T*: m q m'. Erreichbarkeitsrelation eschränktheit Ein PN N = (P,T,F,m 0 ) heißt beschränkt bei P k = k() N m R(m 0 ): m() k. Ist k = 1 P, so heißt N sicher. Es gilt: N beschränkt R(m 0 ) endlich. Ferner sei R(m) := {m' m * m'} EG(N) := [R(m 0 ), ] Erreichbarkeitsgrah emerkungen Der Erreichbarkeitsgrah eines endlichen PN muß nicht endlich sein. Der Erreichbarkeitsgrah ist algorithmisch konstruierbar. s. 2. := {(m,m') m,m' R(m 0 ) t T: m t m'.} Die Zeitkomliziertheit des Problems, den Erreichbarkeitsgrahen eines beschränkten PN zu berechnen, ist überexonentiell. Zeitkoml.: Anzahl der Schritte bis zum Abbruch als Funktion von der Größe des PN. Größe des PN: P + T + F + S, S: Summe aller Marken. Schritt: erechnung einer Markierung. 1 3 Erreichbarkeitsroblem ist von gleicher Komliziertheit. t 1 t t 2 t
4 Lebendigkeit Definition 2. Sei N = (P,T,F,m 0 ) ein PN, M = N P. (1) m M heißt tot, wenn kein t T Konzession bei m hat. (2) t T heißt tot bei m M (bzw. in N), wenn von m (bzw. m 0 ) aus keine Markierung erreichbar ist, bei der t Konzession hat. (3) N heißt schwach lebendig oder verklemmungsfrei, wenn in N keine tote Markierung erreichbar ist. (4) t T heißt lebendig (bei m M), wenn t bei keiner von m 0 (von m) aus erreichbaren Markierung tot ist. (5) m M heißt lebendig, wenn alle t T lebendig bei m sind. (6) N heißt lebendig, wenn m 0 lebendig ist: Es gilt: t m(t T m R(m 0 ) q T* m' R(m): m qt m'). Ist N lebendig, so ist N verklemmungsfrei. Ist t lebendig (bzw. tot) bei m, dann ist t lebendig (bzw. tot) bei allen von m aus erreichbaren Markierungen. Ist t tot, dann ist t nicht lebendig. Ist N nicht verklemmungsfrei, dann besitzt N keine lebendige Transition Struktureigenschaften Definition 3. Ein PN N = (P,T,F,m 0 ) heißt (1) FC-Netz (free choice): (,t) F = {t} t = {} P t T; (2) EFC-Netz (extended f.c.): (,t), (,t') F t = t' P t,t' T; (3) ES-Netz (extended simle): q q q,q P; (4) Zustandsmaschine: t = t = 1 t T; (5) Synchronisationsgrah: = = 1 P. s. 4. s t 1 t 2 t 3 2 a) m = (2 0) b) m = (3 0) Weiter gilt: Es ist entscheidbar, ob eine Transition tot ist. Verklemmungsfreiheit ist äquivalent mit Erreichbarkeit. Verklemmungsfreiheit ist entscheidbar
5 Es gilt: FC EFC ES. Jeder Synchronisationsgrah und jede Zustandsmaschine sind FC- Netze. Jeder Synchronisationsgrah ist strukturell konfliktfrei. Jeder Synchronisationsgrah besitzt eine lebendige Markierung, jede Zustandsmaschine eine sichere. Deadlocks und Fallen Für Q P sei Q - := {t T Q: (,t) F}, Q + := {t T Q: (t,) F}. Definition 4. Q heißt Falle (tra) bei Q - Q + ; Q heißt Deadlock bei Q + Q -. Definition 4. Q P heißt sauber bei m M, wenn die Plätze von Q keine Marken enthalten. Es gilt: Sei N = (P,T,F,m 0 ) ein PN, m N P. Ist D ein bei der Markierung m sauberer Deadlock von N, dann ist D bei jeder vom m aus erreichbaren Markierung sauber, und alle Transitionen aus D - sind tot bei m. Ist S eine bei m markierte Falle in N und m' R(m), so ist S auch bei m' markiert. esitzt N keinen Deadlock, so ist N lebendig. s. 5. a) t t' Definition Deadlock-Falle-Eigenschaft Das PN N = (P,T,F,m 0 ) hat die Deadlock-Falle-Eigenschaft (DF- Eigenschaft), wenn jeder Deadlock von N eine bei m 0 markierte Falle enthält. b) t t'
6 Charakterisierung lebendiger PETRI-Netze Satz 1. Sei N ein EFC-Netz. Dann ist N genau dann lebendig, wenn N die DF-Eigenschaft besitzt. Satz 2. Ist N ein ES-Netz mit DF-Eigenschaft, so ist N lebendig. Satz 3. esitzt N = (P,T,F,m 0 ) die DF-Eigenschaft, so ist N verklemmungsfrei. eweis. Angenommen, N sei nicht verklemmungsfrei, d.h.: Es wird betrachtet D := { P m() = 0}. Dann ist D, denn sonst gälte m() > 0 P, d.h., alle t hätten Konzession D ist Deadlock: Sei t D +. Da m tot, hat t keine Konzession, also: t: m() = 0, d.h. D und damit t D -. D enthält aber keine bei m markierte Falle (nach Konstruktion). Dies ist WS zu DF-Eigenschaft Systeme mit seriell wiederverwendbaren etriebsmitteln eisiele Gemeinsames enutzen von seriell wiederverwendbaren Einexemlar-etriebsmitteln 1 : anfordern (A) anfordern ()... freigeben () freigeben (A) 2 : anfordern () anfordern (A)... freigeben (A) freigeben () Gemeinsames enutzen eines seriell wiederverwendbaren Mehrexemlar-etriebsmittels in m Exemlaren, mehrfach benutzbar durch n Prozesse (2 m n): i : anfordern()... k - mal, k anfordern()... freigeben()... k - mal freigeben() s. m = 2, n = 3: G2: m G1: angefordert A 1 2 belegt Nicht wiederverwendbare M Aushungern
7 System-Modell egriffe Zustand: Zuweisungszustand für etriebsmittel (frei zugewiesen) Prozeßaktion: etriebsmittel anfordern belegen freigeben. Definition 1. Ein System Σ = [σ, π] besteht aus einer Menge von Systemzuständen σ und einer Menge von Prozessen π. Dabei ist ein Prozeß eine artielle nichtdeterministische Funktion von σ nach σ: : σ P(σ). Notation und Srechweise für S,T σ, π, T (S): S T: kann S in T überführen S * T: es gibt eine endliche Folge von Prozessen, die S in T überführen kann. Definition 2. (1) Ein Prozeß ist im Zustand S blockiert, wenn gilt: (S) =. (2) π heißt verklemmt im Zustand S, falls für alle T mit S * T gilt: ist im Zustand T blockiert. (3) S σ heißt Verklemmungszustand, wenn es einen Prozeß gibt, der in S veklemmt ist. (4) S σ heißt sicherer Zustand, falls kein T mit S * T Verklemmungszustand ist. eisiel 2. eisiel 1. σ = {S,T,U,V}, π = { 1, 2 } W X Y U 1 2 V 1 : S a T,U U a V V a U 2 : S a U T a S,V grahisch: mögl. Zustandsfolgen: S U, T V, S * 1 2 V. S U T V 1 blockiert in 2 blockiert in Verklemmungszustände: sichere Zustände: nicht sichere Zustände: 1 verklemmt in 2 verklemmt in
8 eisiel 3. Prozesse 1, 2 ; etriebsmittel A,. Prozeßzustände: Zust. 1 0 besitzt keine M 1 fordert A 2 besitzt A 3 besitzt A, fordert 4 besitzt A, 5 besitzt A nach Freigabe von Zust. 2 0 besitzt keine M 1 fordert 2 besitzt 3 besitzt, fordert A 4 besitzt A, 5 besitzt nach Freigabe von A Systemzustände: S ij : 1 in Zustand i, 2 in Zustand j (i,j = 0,..,5) Zustandsdiagramm: Verklemmungen bei seriell wiederverwendbaren etriebsmitteln Seriell wiederverwendbare etriebsmittel endliche Menge von identischen Einheiten mit Anzahl der Einheiten konstant; jede Einheit ist entweder verfügbar oder genau einem Prozeß zugeteilt; ein Prozeß kann eine Einheit nur dann wieder freigeben, wenn sie ihm vorher zugeteilt wurde. Definition 3. etriebsmittel-grah: G = [P, K] biartit mit (1) P = π ρ, π ρ =. π: Prozeßunkte ρ: etriebsmittelunkte (2) Jedes ρ besteht aus t Einheiten (3) K (π ρ) (ρ π) k = (, ): Anforderungskante t = k = (, ): Zuweisungskante (4) a) (, ) t ρ ; π b) (, ) + (, ) t ρ π. ezeichnung: G(S): der zum Zustand S gehörige etriebsmittel- Grah (Grah wiederverwendbarer etriebsmittel)
9 Zustandsänderungen Anforderung: Hat im Zustand S keine noch ausstehenden Forderungen, so kann jede Zahl von etriebsmitteln fordern bei Einhaltung von (4). System gelangt in Zustand T, der sich von S genau durch die entsrechenden Anforderungskanten (im Grahen) unterscheidet. elegung (Zuweisung): Es gilt S T durch Zuweisung genau dann, wenn ausstehende Forderungen hat und diese alle gleichzeitig erfüllt werden. Dabei muß gelten: (5) (, ) + (, ) t :(, ) K. π " Entdecken von Verklemmungen Grundidee Ein nicht blockierter Prozeß belegt evtl. weitere geforderte etriebsmittel, gibt dann alle seine etriebsmittel frei. Die freigegebenen können anderen blockierten Prozessen zugeteilt werden usw. Sind am Ende dieses Vorgehens noch Prozesse blockiert, so war der ursrüngliche Zustand ein Verklemmungszustand, sonst nicht. Formale Charakterisierung eines blockierten Prozesses: blockiert genau dann, wenn (6) ρ: (, ) K (, ) + (, ) > t. ' π ' etriebsmittel-grah: G(T) ergibt sich aus G(S) durch Umkehrung aller Anforderungskanten von nach. ' ' Freigabe: S T gilt genau dann, wenn keine ausstehenden Forderungen, aber mindestens 1 Zuweisung hat, d.h. [ ρ: (, ) = 0] [ ρ: (, ) > 0]. " G(T) ergibt sich aus G(S) durch Löschen der entsrechenden Kanten. eisiel 4. S T U V Anf. 2 el. Freig. 1 ' ' ' '
10 Reduktion eines Grahen wiederverwendbarer etriebsmittel (1) Ein Grah wird durch einen Prozeß, der weder blockiert noch isoliert ist, reduziert, indem alle Kanten von und nach gelöscht werden. wird dann zu isoliertem Punkt. (2) Ein Grah heißt nicht reduzierbar, wenn er durch keinen Prozeß reduziert werden kann. (3) Ein Grah heißt vollständig reduzierbar, wenn es eine Folge von Reduktionen gibt, so daß alle Kanten gelöscht werden können. (4) Eine Reduktionsfolge heißt maximal, wenn sie zu einem nicht reduzierbaren Grahen führt. emerkung. Die Elemente einer Reduktionsfolge sind aarweise verschiedene Elemente von π. eisiel 5. ' ' Red. Lemma. Alle maximalen Reduktionsfolgen eines Grahen G wiederverwendbarer etriebsmittel führen zu demselben Grahen. eweis. a) Für 2 Reduktionsfolgen r 1, r 2 sei r 1 r 2 ( r 2 nach r 1 ) die Folge, die entsteht (Oeration!), indem an r 1 alle Elemente von r 2 angehängt werden, die nicht in r 1 enthalten sind. eisiel = = = = b) Seien r 1, r 2 zwei Reduktionsfolgen für G. Dann läßt sich G auch durch r 1 r 2 und r 2 r 1 reduzieren. Denn da durch jeden Reduktionsschritt die Menge der verfügbaren etriebsmittel größer wird, bleibt ein nicht blockierter Prozeß nicht blockiert, kann also zur weiteren Reduktion verwendet werden. Mithin: Gibt es für G mehrere maximale Reduktionsfolgen, so sind dies Permutationen voneinander. c) Sind r 1, r 2 maximale Reduktionsfolgen von G, so sind die dadurch reduzierten Grahen gleich. Denn bei der Reduktion durch einen Prozeß werden jeweils alle mit verbundenen Kanten entfernt, keine hinzugefügt; somit werden (da r 1 und r 2 Permutationen voneinander sind) durch die Folgen ' und ' die gleichen disjunkten Kantenmengen entfernt
11 Satz 1. Verklemmungstheorem. S ist Verklemmungszustand genau dann, wenn der Grah G(S) nicht vollständig reduzierbar ist. eweis. a) Sei S Verklemmungszustand. Dann gibt es einen Prozeß, der in S verklemmt ist. Dies bedeutet für alle T mit S * T: ist im Zustand T blockiert. Angenommen, G(S) wäre vollständig reduzierbar. Dann müßte in einer Reduktionsfolge enthalten sein, dürfte also in irgendeinem erreichbaren Zustand nicht blockiert sein Widersruch. b) Sei G(S) nicht vollständig reduzierbar. Dann gibt es einen Prozeß, der in allen möglichen Reduktionsfolgen blockiert bleibt (wegen Lemma 1). Da der reduzierte Grah durch eine maximale Reduktionsfolge erreicht wird, bei der alle freigebbaren etriebsmittel auch wirklich freigegeben werden, kann kein einziges weiteres etriebsmittel freiwerden, bleibt mithin immer blockiert und damit verklemmt in S. eisiel 6. Folgerung. Ist S Verklemmungszustand, so gibt es mindestens zwei Prozesse, die in S verklemmt sind Ergänzungen Satz 2. Zyklustheorem. Für eine Verklemmung ist ein Zyklus im Grahen notwendig, aber nicht hinreichend. Notwendig o..; nicht hinreichend. Satz 3. Ist S kein Verklemmungszustand und gilt S T, so ist T genau dann Verklemmungszustand, wenn eine Anforderungsoeration darstellt und im Zustand T verklemmt ist. Sofortige Zuweisung Zuteilungsstrategie, bei der in einem Systemzustand alle erfüllbaren Forderungen auch sofort erfüllt werden. Zweckdienlicher Zustand : Zustand, in dem alle Prozesse mit ausgehenden Kanten blockiert sind. Klumen : Teilgrah, bei dem jeder Punkt von jedem aus erreichbar ist, aber kein Punkt außerhalb des Grahen ist erreichbar. Senke : Punkt eines Grahen, von dem keine Kanten ausgehen. Es gilt: Ist ein Zustand zweckdienlich, dann ist die Existenz eines Klumens hinreichend für eine Verklemmung. eisiel 7. a) b)
12 Einexemlar-etriebsmittel t = 1 ρ. Satz 4. Ein Zustand S ist genau dann Verklemmungszustand, wenn der M-Grah G(S) einen Zyklus enthält. eweis. Notwendig: Satz 2. Hinreichend: Sei ein bel. Prozeß des Zyklus Z. Dann hat eine zu einem etriebsmittel aus Z gehende Kante. Ferner führt von jedem etriebsmittel aus Z genau eine Kante zu einem Prozeß aus Z. Also gilt für alle Z: Z: (, ) + Σ (, ) 2 > 1 = t, Anfordern von nur einer einzigen Einheit eines etriebsmittels Es gilt: Genau dann ist ein Zustand, in dem alle Prozesse mit ausstehenden Anforderungen blockiert sind, ein Verklemmungszustand, wenn der zugehörige Grah einen Klumen enthält (o..). eisiel 9. a) b) damit gilt (6). Mithin ist jeder Prozeß des Zyklus blockiert, also sind von S aus nur Zustände T erreichbar, die auch blockiert sind. Algorithmus: Schrittweises Löschen von Kanten, die zu Senken führen. Können alle Kanten gelöscht werden, so hatte der ursrüngliche Grah keine Zyklen. eisiel 8. Algorithmus: Alle Senken bestimmen Menge S Iterativ alle Punkte zu S hinzunehmen, die Kanten nach S haben Ist am Ende S = P, so besitzt G(S) keinen Klumen, andernfalls doch. Wiederherstellung eines Zustandes ohne Verklemmung Prozeßabbruch etriebsmittel-entzug Verhinderung von Verklemmungen Hierarchische etriebsmittel-vergabe Maximale Ansrüche Nicht wiederverwendbare etriebsmittel
Petri-Netze / Eine Einführung
Manuel Hertlein Seminar Systementwurf Lehrstuhl Theorie der Programmierung Carl Adam Petri am 12. Juli 1926 in Leipzig geboren Studium der Mathematik 1962 Promotion zum Doktor der Naturwissenschaft Titel
MehrKapitel 4: Analyse von Petrinetzen
Kapitel 4: Analyse von Petrinetzen 1. Beispiele 2. Analyseansatz 3. Markierungsgraph 4. Beschränktheit 5. State Space Explosion: Beispiel 6. Komplementbildung 7. Zusammenhängend 8. Tot, lebendig, verklemmungsfrei
MehrAnalyse von Petri-Netzen
Universität Stuttgart Institut für Technische Informatik Hauptseminar: Architektur und Entwurfsmethoden eingebetteter Systeme Analyse von Petri-Netzen Manuela Antonovic 8. Semester Betreuer: Dominik Lücke
MehrMassive Parallelität : Neuronale Netze
Massive Parallelität : Neuronale Netze PI2 Sommer-Semester 2005 Hans-Dieter Burkhard Massive Parallelität : Neuronale Netze Knoten: Neuronen Neuronen können erregt ( aktiviert ) sein Kanten: Übertragung
MehrAnwendungen von Graphen
Anwendungen von Graphen Strassen- und Verkehrsnetze Computernetzwerke elektrische Schaltpläne Entity-Relationship Diagramme Beweisbäume endliche Automaten Syntaxbäume für Programmiersprachen Entscheidungsbäume
MehrElementare Definitionen. Anwendungen von Graphen. Formalisierung von Graphen. Formalisierung von Digraphen. Strassen- und Verkehrsnetze
Anwendungen von Graphen Strassen- und Verkehrsnetze Computernetzwerke Elementare Definitionen Ein Graph besteht aus Knoten und Kanten, die die Knoten verbinden. elektrische Schaltpläne Entity-Relationship
MehrAufgaben zum Thema Verklemmungen
Aufgaben zum Thema Verklemmungen V1. Untersuchen Sie das folgende Prozeßsystem auf das Auftreten von Deadlocks (s1, s2, s3: binäre Semaphore, mit true initialisiert): 95/5 Prozeß 1 Prozeß 2 Prozeß 3 P(s1);
MehrSoftware Engineering in der Praxis
Software Engineering in der Praxis Praktische Übungen Inhalt Nachlese Überblick Aufgaben Lernziele bei der Objektorientierten Analyse Abgrenzung der Analyse zum Design als Lernprozeß UML Verhaltensdiagramme
Mehr3.0 VU Formale Modellierung
3.0 VU Formale Modellierung Gernot Salzer Arbeitsbereich Theoretische Informatik und Logik Institut für Computersprachen SS 2016 1 Inhalt 0. Überblick 1. Organisation 2. Was bedeutet Modellierung? 3. Aussagenlogik
MehrSystemprogrammierung (Lehramt) Jürgen Kleinöder Universität Erlangen-Nürnberg Informatik 4, 2006 G-Verklemmungen.fm
G Verklemmungen G Verklemmungen Einordnung: Prozessor (CPU, Central Processing Unit) Hauptspeicher (Memory) Ein-, Ausgabegeräte/ Periphere Geräte (I/O Devices) externe Schnittstellen (Interfaces) Hintergrundspeicher
MehrModellierungsmethoden der Informatik
smethoden der Informatik Petrinetze (Teil III) 05.12.2007 Überblick Überblick Organisatorisches Wiederholung S/T-System: Grundbegriffe - Grundsituationen Nebenläufigkeit Invarianten B/E-Systeme Prädikat-Transitions-Netze
MehrWarum Modellierung? OE-Vorlesung 2016 Einführung in Petrinetze. Was ist ein Modell? Und warum Petrinetze? Petrinetze sind ein Modellierungswerkzeug.
Warum Modellierung? OE-Vorlesung 016 Einführung in Petrinetze Dr. Lawrence Cabac cabac@informatik.uni-hamburg.de Folien: Dr. Frank Heitmann Fachbereich Informatik Universität Hamburg Petrinetze sind ein
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 16.11.2010 INSTITUT FÜR THEORETISCHE INFORMATIK 0 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft
MehrSoftware Engineering Ergänzung zur Vorlesung
Ergänzung zur Vorlesung Prof. Dr. Markus Müller-Olm WS 2008 2009 2.6.1 Endliche und reguläre Sprachen Endliche und reguläre Sprache: fundamental in vielen Bereichen der Informatik: theorie Formale Sprachen
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 7 und 8: Euler- und Hamilton-Graphen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 17. April 2018 1/96 WIEDERHOLUNG Eulersche
MehrPetri-Netze. Petri-Netze. Nico Bühler. Albert-Ludwigs-Universität Freiburg. 14. Januar 2016
Petri-Netze Nico Bühler Albert-Ludwigs-Universität Freiburg 14. Januar 016 Inhaltsverzeichnis Petri Netze allgemein Einführendes Beispiel: Vier Jahreszeiten Wechselseitiger Ausschluss Kapazität und Gewichtung
MehrPetrinetze und GPSS/H
Hochschule Mittweida (FH) Seminararbeit Simulation 11. Januar 2006 Agenda 1 2 3 4 Agenda 1 2 3 4 Themen Modellierung von dynamischen Systemen Formale Modellierung von nebenläufigen Systemen Simulation
MehrAufgabe Mögliche Punkte Erreichte Punkte a b c d Σ a b c d Σ x1 13
Universität Karlsruhe Theoretische Informatik Fakultät für Informatik WS 2003/04 ILKD Prof. Dr. D. Wagner 14. April 2004 2. Klausur zur Vorlesung Informatik III Wintersemester 2003/2004 Hier Aufkleber
MehrInformatik III - WS07/08
Informatik III - WS07/08 Kapitel 4 1 Informatik III - WS07/08 Prof. Dr. Dorothea Wagner dwagner@ira.uka.de Kapitel 4 : Komplexitätsklassen Informatik III - WS07/08 Kapitel 4 2 Sprachen, Probleme, Zeitkomplexität
MehrFORMALE SYSTEME. 8. Vorlesung: Minimale Automaten. TU Dresden, 6. November Markus Krötzsch Lehrstuhl Wissensbasierte Systeme
FORMALE SYSTEME 8. Vorlesung: Minimale Automaten Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 6. November 2017 Rückblick Markus Krötzsch, 6. November 2017 Formale Systeme Folie 2 von 26
Mehr1. Einführung in Temporallogik CTL
1. Einführung in Temporallogik CTL Temporallogik dient dazu, Aussagen über Abläufe über die Zeit auszudrücken und zu beweisen. Zeit wird in den hier zunächst behandelten Logiken als diskret angenommen
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2010/2011 1/59 Graphische Darstellung von Zusammenhängen schon
MehrFormale Sprachen. Reguläre Sprachen. Rudolf FREUND, Marian KOGLER
Formale Sprachen Reguläre Sprachen Rudolf FREUND, Marian KOGLER Endliche Automaten - Kleene STEPHEN KLEENE (99-994) 956: Representation of events in nerve nets and finite automata. In: C.E. Shannon und
MehrInhaltsverzeichnis. 4.1 Systemmodell und notwendige Bedingungen. 4.2 Gegenmaßnahmen
Inhaltsverzeichnis 4.1 Systemmodell und notwendige Bedingungen Was sind Deadlocks? Darstellungsarten von Prozessabhängigkeiten Notwendige Bedingungen für Deadlocks 4.2 Gegenmaßnahmen Deadlock-Prevention
MehrEinführung (1/3) Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (1) Vorlesungen zur Komplexitätstheorie.
Einführung (1/3) 3 Wir verfolgen nun das Ziel, Komplexitätsklassen mit Hilfe von charakteristischen Problemen zu beschreiben und zu strukturieren Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit
MehrLemma 185 Mit den zusätzlichen Festlegungen
4.7.2 Stirling-Zahlen der ersten Art Lemma 185 Mit den zusätzlichen Festlegungen und gilt: s 0,0 = 1 s n,k = 0 k 0, n > 0 s n,k = s n 1,k 1 + (n 1) s n 1,k n, k > 0. Diskrete Strukturen 4.7 Abzählkoeffizienten
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/42 Graphische Darstellung von Zusammenhängen schon an vielen Stellen
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 20. November 2014 INSTITUT FÜR THEORETISCHE 0 KIT 20.11.2014 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
MehrAlgorithmik WS 07/ Vorlesung, Andreas Jakoby Universität zu Lübeck. 10 Matching-Probleme
10 Matching-Probleme 10.1 Definition von Matching-Probleme Definition 21 [2-dimensionales Matching] Sei G = (V, E) ein ungerichteter Graph und E E. E ist ein Matching, wenn für alle Kantenpaare e 1, e
MehrDeadlocks. Christoph Lindemann. Betriebssysteme. Betriebssysteme WS 2004/05. Fahrplan. Inhalt. Das Deadlock Problem
Betriebssysteme WS 2004/05 Deadlocks Christoph Lindemann Fahrplan 14.10. Organisation der Vorlesung, Einführung in Betriebssysteme 21.10. Strukturen von Betriebssystemen 28.10. Prozesse und Threads 4.11.
MehrGrundlagen der theoretischen Informatik
Grundlagen der theoretischen Informatik Kurt Sieber Fakultät IV, Department ETI Universität Siegen SS 2013 Vorlesung vom 30.04.2013 Grenzen regulärer Sprachen Wie beweist man, dass eine Sprache nicht regulär
MehrTheorie der Informatik
Theorie der Informatik 8. Reguläre Sprachen II Malte Helmert Gabriele Röger Universität Basel 24. März 24 Pumping Lemma Pumping Lemma: Motivation Man kann zeigen, dass eine Sprache regulär ist, indem man
MehrPetri-Netze / Eine Einführung (Teil 2)
Manuel Hertlein Seminar Systementwurf Lehrstuhl Theorie der Programmierung Wiederholung (1) Petri-Netz = bipartiter, gerichteter Graph Aufbau: Plätze (passive Komponenten) Transitionen (aktive Komponenten)
MehrBipartite Graphen. Beispiele
Bipartite Graphen Ein Graph G = (V, E) heiÿt bipartit (oder paar), wenn die Knotenmenge in zwei disjunkte Teilmengen zerfällt (V = S T mit S T = ), sodass jede Kante einen Knoten aus S mit einem Knoten
MehrKapitel 4: Analyse von Petrinetzen
Kapitel 4: Analyse von Petrinetzen 1. Beispiele 2. Analyseansatz 3. Markierungsgraph 4. Beschränktheit 5. State Space Explosion: Beispiel 6. Komplementbildung 7. Zusammenhängend 8. Tot, lebendig, verklemmungsfrei
MehrAutomaten und Formale Sprachen SoSe 2013 in Trier
Automaten und Formale Sprachen SoSe 2013 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 2. Juni 2013 1 Automaten und Formale Sprachen Gesamtübersicht Organisatorisches Einführung Endliche
MehrSpezifikation von Kommunikationssystemen
1 / 32 Spezifikation von Kommunikationssystemen 2. Spezifikation und Konformität Prof. Jochen Seitz Fachgebiet Kommunikationsnetze 13. April 2018 2 / 32 Übersicht 1 Spezifikation 2 Formale Systemspezifikation
Mehr15. Elementare Graphalgorithmen
Graphen sind eine der wichtigste Modellierungskonzepte der Informatik Graphalgorithmen bilden die Grundlage vieler Algorithmen in der Praxis Zunächst kurze Wiederholung von Graphen. Dann Darstellungen
MehrEinheit 11 - Graphen
Einheit - Graphen Bevor wir in medias res (eigentlich heißt es medias in res) gehen, eine Zusammenfassung der wichtigsten Definitionen und Notationen für Graphen. Graphen bestehen aus Knoten (vertex, vertices)
MehrEinführung in Petri-Netze. Modellierung von Abläufen und Prozessen (1) Abhängigkeitsgraphen: Motivation. Petri-Netze
Einführung in Petri-Netze Modellierung von Abläufen und Prozessen () Motivation Abhängigkeitsgraphen: A B 6 C 5 D Petri-Netze Markierungen Invarianten Credits: L. Priese, H. Wimmel: Petri-Netze, Theoretische
MehrModellierung von Geschäftsprozessen Teil 6 - Petri-Netze
FHTW Berlin FB4, Wirtschaftsmathematik Modellierung von Geschäftsprozessen Teil 6 - Petri-Netze Dr. Irina Stobbe, 2005-2008 Thema - Überblick Petri-Netze Petri-Netze Einführung Funktionsweise Definition
MehrAufgaben zum Thema Verklemmungen
Aufgaben zum Thema Verklemmungen V1. Untersuchen Sie das folgende Prozeßsystem auf das Auftreten von Deadlocks (s1, s2, s3: binäre Semaphore, mit true initialisiert): 95/5 Prozeß 1 Prozeß 2 Prozeß 3 P(s1);
MehrTheorie der Informatik Übersicht. Theorie der Informatik SAT Graphenprobleme Routing-Probleme. 21.
Theorie der Informatik 19. Mai 2014 21. einige NP-vollständige Probleme Theorie der Informatik 21. einige NP-vollständige Probleme 21.1 Übersicht 21.2 Malte Helmert Gabriele Röger 21.3 Graphenprobleme
MehrStrukturelle Charakterisierung der Invarianten eines Petri-Netzes
Strukturelle Charakterisierung der Invarianten eines Petri-Netzes Zwischenstand der Diplomarbeit von Lehrstuhl Datenstrukturen und Softwarezuverlässigkeit BTU Cottbus Inhalt 1.Einleitung 2.Abhängige Transitionsmengen
MehrTheorie der Informatik. Theorie der Informatik P und NP Polynomielle Reduktionen NP-Härte und NP-Vollständigkeit
Theorie der Informatik 13. Mai 2015 20. P, NP und polynomielle Reduktionen Theorie der Informatik 20. P, NP und polynomielle Reduktionen 20.1 P und NP Malte Helmert Gabriele Röger 20.2 Polynomielle Reduktionen
MehrSoftware-Engineering SS03. Zustandsautomat
Zustandsautomat Definition: Ein endlicher Automat oder Zustandsautomat besteht aus einer endlichen Zahl von internen Konfigurationen - Zustände genannt. Der Zustand eines Systems beinhaltet implizit die
MehrSysteme I: Betriebssysteme Kapitel 6 Deadlocks. Wolfram Burgard
Systeme I: Betriebssysteme Kapitel 6 Deadlocks Wolfram Burgard Version 13.12.2017 1 Inhalt Vorlesung Verschiedene Komponenten / Konzepte von Betriebssystemen Dateisysteme Prozesse Nebenläufigkeit und wechselseitiger
MehrTheoretische Informatik. nichtdeterministische Turingmaschinen NDTM. Turingmaschinen. Rainer Schrader. 29. April 2009
Theoretische Informatik Rainer Schrader nichtdeterministische Turingmaschinen Zentrum für Angewandte Informatik Köln 29. April 2009 1 / 33 2 / 33 Turingmaschinen das Konzept des Nichtdeterminismus nahm
Mehr6.2 Petri-Netze. kommunizierenden Prozessen in der Realität oder in Rechnern Verhalten von Hardware-Komponenten Geschäftsabläufe Spielpläne
6.2 Petri-Netze WS 06/07 mod 621 Petri-Netz (auch Stellen-/Transitions-Netz): Formaler Kalkül zur Modellierung von Abläufen mit nebenläufigen Prozessen und kausalen Beziehungen Basiert auf bipartiten gerichteten
MehrLösungen zur Vorlesung Berechenbarkeit und Komplexität
Lehrstuhl für Informatik 1 WS 009/10 Prof. Dr. Berthold Vöcking 0.0.010 Alexander Skopalik Thomas Kesselheim Lösungen zur Vorlesung Berechenbarkeit und Komplexität. Zulassungsklausur Aufgabe 1: (a) Worin
MehrStefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie
Stefan Schmid TU Berlin & T-Labs, Berlin, Germany Reduktionen in der Berechenbarkeitstheorie Problem: Wie komme ich von hier zum Hamburger Hbf? 2 Beispiel P1 Wie komme ich von hier zum Hamburger Hbf? kann
MehrDeadlocks. System hat nur begrenzte Ressourcen (Ressourcentypen) Hauptspeicher Externer Speicher Drucker File
Kapitel V Deadlocks (Verklemmungen) 1 Deadlocks System hat nur begrenzte Ressourcen (Ressourcentypen) Hauptspeicher Externer Speicher Drucker File Prozesse benötigen Genehmigung vor der Benutzung von Ressourcen.
MehrGraphen und Bäume. A.1 Graphen
Algorithmen und Datenstrukturen 96 A Graphen und Bäume A.1 Graphen Ein gerichteter Graph (auch Digraph) G ist ein Paar (V, E), wobei V eine endliche Menge und E eine Relation auf V ist, d.h. E V V. V heißt
MehrGraphentheorie. Kürzeste Wege. Kürzeste Wege. Kürzeste Wege. Rainer Schrader. 25. Oktober 2007
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 25. Oktober 2007 1 / 20 2 / 20 Wir werden Optimierungsprobleme vom folgenden Typ betrachten: gegeben eine Menge X und eine Funktion
MehrEffiziente Algorithmen (SS2015)
Effiziente Algorithmen (SS205) Kapitel 5 Approximation II Walter Unger Lehrstuhl für Informatik 2.06.205 07:59 5 Inhaltsverzeichnis < > Walter Unger 5.7.205 :3 SS205 Z Inhalt I Set Cover Einleitung Approximation
MehrLemma Für jede monotone Grammatik G gibt es eine kontextsensitive
Lemma Für jede monotone Grammatik G gibt es eine kontextsensitive Grammatik G mit L(G) = L(G ). Beweis im Beispiel (2.): G = (V,Σ, P, S) : P = {S asbc, S abc, CB BC, ab ab, bb bb, bc bc, cc cc}. (i) G
Mehr2. Klausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2014/2015
2. Klausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2014/2015 Hier Aufkleber mit Name und Matrikelnummer anbringen Vorname: Nachname: Matrikelnummer: Beachten Sie: Bringen Sie
MehrDie Klasse NP und die polynomielle Reduktion. Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen
Die Klasse NP und die polynomielle Reduktion Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 1 / 26 Optimierungsprobleme und ihre Entscheidungsvariante Beim Rucksackproblem
MehrAutomaten und Formale Sprachen ε-automaten und Minimierung
Automaten und Formale Sprachen ε-automaten und Minimierung Ralf Möller Hamburg Univ. of Technology Literatur Gottfried Vossen, Kurt-Ulrich Witt: Grundkurs Theoretische Informatik, Vieweg Verlag 2 Danksagung
MehrIntervallaustauschtransformationen, Flüsse und das Lemma von Masur
Intervallaustauschtransformationen, Flüsse und das Lemma von Masur Gregor Bethlen 1 Intervallaustauschtransformationen Stets sei in diesem Abschnitt I := [a, b] ein Intervall und a = a 0 < a 1
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/07 3. Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 3. Vorlesung 02.11.2006 schindel@informatik.uni-freiburg.de 1 Kapitel III Reguläre Sprachen Reguläre Sprachen und Ausdrücke Informatik III
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Kapitel 15: Graphen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik
MehrDas Prinzip der Suchmaschine Google TM
/9 Das Prinzip der Suchmaschine Google TM Numerische Mathematik WS 20/2 Basieren auf dem Paper The $25,000,000,000 Eigenvector: The Linear Algebra behind Google von Kurt Bryan und Tanya Leise (SIAM Review,
MehrZentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza)
WS 2013/14 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2013ws/ds/uebung/ 22. Januar 2014 ZÜ DS ZÜ XIII
MehrFormale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016
Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016 Teil 3: Kodierung 1 Motivation 2 Exkurs Grundlagen formaler Sprachen 3 Grundlagen 4 Beispielkodierungen FM2 (WS 2014/15,
MehrDiskrete Strukturen. Hausaufgabe 1 (5 Punkte) Hausaufgabe 2 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008
Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 15 Computergraphik & Visualisierung Prof. Dr. Rüdiger Westermann Dr. Werner Meixner Wintersemester 2007/08 Lösungsblatt 9
MehrNotizen zu Transformationen und Permutationen. T (A) = {f : A A}
Transformationen Notizen zu Transformationen und Permutationen Ist A eine Menge, so ist die Menge T (A) = {f : A A} bezüglich der Komposition (Hintereinanderausführung) als Operation und der identischen
MehrReduktion. 2.1 Abstrakte Reduktion
2 Reduktion In diesem Kapitel studieren wir abstrakte Eigenschaften von Regeln. In den ersten beiden Abschnitten betrachten wir nicht einmal die Regeln selbst, sondern nur abstrakte Reduktionssysteme,
MehrDie Klasse NP und die polynomielle Reduktion
Die Klasse NP und die polynomielle Reduktion Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen Dezember 2011 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
MehrTechnische Universität München Zentrum Mathematik. Optimierung 2, WS 2008/09 Übungsblatt 12
Technische Universität München Zentrum Mathematik Prof. Dr. P. Gritzmann, Dipl.-Inf. Dipl.-Math. S. Borgwardt, Dr. M. Ritter Optimierung 2, WS 2008/09 Übungsblatt 12 Aufgabe 12.1 Betrachten Sie die folgenden
MehrMarkov Ketten und Bonus Malus Systeme
Grund Stoch Markov Ketten Bonus Malus Probleme L 1 / 46 Markov Ketten und Bonus Malus Systeme Klaus D. Schmidt Lehrstuhl für Versicherungsmathematik Technische Universität Dresden TU Wien 19. Mai 2010
MehrKürzeste-Wege-Algorithmen und Datenstrukturen
Kürzeste-Wege-Algorithmen und Datenstrukturen Institut für Informatik Universität zu Köln SS 2009 Teil 1 Inhaltsverzeichnis 1 Kürzeste Wege 2 1.1 Voraussetzungen................................ 2 1.2
MehrZentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr)
WS 2011/12 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2011ws/ds/uebung/ 25. Januar 2012 ZÜ DS ZÜ XIII
MehrAlgorithmische Methoden für schwere Optimierungsprobleme
Algorithmische Methoden für schwere Optimierungsprobleme Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund
MehrRegulär variierende Funktionen
KAPITEL 4 Regulär variierende Funktionen Unser nächstes Ziel ist es, die Max-Anziehungsbereiche der Extremwertverteilungen zu beschreiben. Dies wird im nächsten Kapitel geschehen. Wir haben bereits gesehen,
MehrBetriebssysteme I WS 2013/2014. Betriebssysteme / verteilte Systeme Tel.: 0271/ , Büro: H-B 8404
Betriebssysteme I WS 2013/2014 Betriebssysteme / verteilte Systeme rolanda.dwismuellera@duni-siegena.de Tel.: 0271/740-4050, Büro: H-B 8404 Stand: 19. Dezember 2013 Betriebssysteme / verteilte Systeme
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 06. Dezember 2011 INSTITUT FÜR THEORETISCHE 0 KIT 06.12.2011 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
MehrTheoretische Informatik Mitschrift
5 Eigenschaften regulärer Sprachen 51: Die Nerode-Relation Theoretische Informatik Mitschrift Definition 51: Sei L * L * * mit L :={u, v * * w *:uw L v w L }heißt Nerode-Relation von L Sei ={0,1}, L= *{00}
MehrProbleme aus NP und die polynomielle Reduktion
Probleme aus NP und die polynomielle Reduktion Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 15. Dezember 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
MehrAm Dienstag, den 16. Dezember, ist Eulenfest. 1/45
Am Dienstag, den 16. Dezember, ist Eulenfest. 1/45 Grundbegriffe der Informatik Einheit 12: Erste Algorithmen in Graphen Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009
MehrGröbnerbasen in Monoid- und Gruppenringen
Gröbnerbasen in Monoid- und Gruppenringen Karsten Hiddemann 5. November 2003 Zusammenfassung Gröbnerbasen, entwickelt von Bruno Buchberger für kommutative Polynomringe, finden immer häufiger Anwendung
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 5. Dezember 2017 INSTITUT FÜR THEORETISCHE 0 05.12.2017 Dorothea Wagner - Theoretische Grundlagen der Informatik INSTITUT FÜR THEORETISCHE KIT Die Forschungsuniversität
MehrAufgaben zur Verbandstheorie
TU Bergakademie Freiberg WS 2005/06 Institut für Diskrete Mathematik & Algebra Prof. Dr. Udo Hebisch Aufgaben zur Verbandstheorie 1. Für ein beliebiges n IN sei X n die Menge aller Teiler von n. Definiert
MehrEndliche Automaten. Endliche Automaten 1 / 102
Endliche Automaten Endliche Automaten 1 / 102 Endliche Automaten Endliche Automaten erlauben eine Beschreibung von Handlungsabläufen: Wie ändert sich ein Systemzustand in Abhängigkeit von veränderten Umgebungsbedingungen?
Mehrim Wintersemester 2014/15
WS 24/5 Vorlesung im Wintersemester 24/5 Prof. Dr. Jan Jürjens TU Dortmund, Fakultät Informatik, Lehrstuhl XIV Teil.4: Petrinetze v. 5.2.24.4 Petrinetze Einordnung.4 Petrinetze WS 24/5 Modellgetriebene
MehrWortproblem für kontextfreie Grammatiken
Wortproblem für kontextfreie Grammatiken G kontextfreie Grammatik. w Σ w L(G)? Wortproblem ist primitiv rekursiv entscheidbar. (schlechte obere Schranke!) Kellerautomat der L(G) akzeptiert Ist dieser effizient?
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Dr. Hanjo Täubig Lehrstuhl für Eziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester 2007/08
Mehr2.2 Reguläre Sprachen Endliche Automaten
2.2.1 Endliche Automaten E I N G A B E Lesekopf endliche Kontrolle Signal für Endzustand Ein endlicher Automat liest ein Wort zeichenweise und akzeptiert oder verwirft. endlicher Automat Sprache der akzeptierten
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Kombinatorische Optimierung mittels Flussmethoden II Vorlesung im Wintersemester 2011/2012 10.11.2011 Orthogonale Zeichnungen II letztes Mal: Satz G Maxgrad-4-Graph
MehrÜbungsblatt 7. Vorlesung Theoretische Grundlagen der Informatik im WS 16/17
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 7 Vorlesung Theoretische Grundlagen der Informatik im W 16/17 Ausgabe 17. Januar 2017 Abgabe 31. Januar 2017, 11:00 Uhr (im
Mehrij. , d (k 1) + d (k 1)
Dabei war ja die Idee, dass wir unser k Schritt für Schritt erhöhen bis wir bei n angekommen sind, denn dann haben wir das Problem gelöst. Dies ist im Grunde unser Algorithmus. Wir müssen diesen nur noch
MehrReguläre Sprachen. R. Stiebe: Theoretische Informatik für ING-IF und Lehrer,
Reguläre Sprachen Reguläre Sprachen (Typ-3-Sprachen) haben große Bedeutung in Textverarbeitung und Programmierung (z.b. lexikalische Analyse) besitzen für viele Entscheidungsprobleme effiziente Algorithmen
MehrFormale Systeme. Binary Decision Diagrams. Prof. Dr. Bernhard Beckert, WS 2017/2018
Formale Systeme Prof. Dr. Bernhard Beckert, WS 27/28 Binary Decision Diagrams KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK www.kit.edu KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft Shannon-Formeln
Mehr8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem
8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem 8.1 Der Kompaktheitssatz Kompaktheitssatz Endlichkeitssatz Der Kompaktheitssatz ist auch unter dem Namen Endlichkeitssatz bekannt. Unter Verwendung
Mehr1 Σ endliches Terminalalphabet, 2 V endliche Menge von Variablen (mit V Σ = ), 3 P (V (Σ ΣV )) {(S, ε)} endliche Menge von Regeln,
Theorie der Informatik 9. März 24 7. Reguläre Sprachen I Theorie der Informatik 7. Reguläre Sprachen I Malte Helmert Gabriele Röger Universität Basel 9. März 24 7. Reguläre Grammatiken 7.2 DFAs 7.3 NFAs
MehrZentralübung zur Vorlesung Diskrete Strukturen
WS 2010/11 Zentralübung zur Vorlesung Diskrete Strukturen Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2010ws/ds/uebung/ 22. Dezember 2010 ZÜ DS ZÜ IX Übersicht: 1.
Mehrp = (v 0, v 1,..., v k )
1 Routenlaner Hamburg 300 km 200 km Berlin 450 km Köln 200 km 400 km Frankfurt 50 km 200 km 150 km Mannheim Saarbrücken 100 km 250 km Stuttgart 200 km Dresden 300 km Nürnberg 200 km München Berechne den
Mehr