2. Prozeßverklemmungen

Größe: px
Ab Seite anzeigen:

Download "2. Prozeßverklemmungen"

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

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

Mehr

Kapitel 4: Analyse von Petrinetzen

Kapitel 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

Mehr

Analyse von Petri-Netzen

Analyse 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

Mehr

Massive Parallelität : Neuronale Netze

Massive 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

Mehr

Anwendungen von Graphen

Anwendungen von Graphen Anwendungen von Graphen Strassen- und Verkehrsnetze Computernetzwerke elektrische Schaltpläne Entity-Relationship Diagramme Beweisbäume endliche Automaten Syntaxbäume für Programmiersprachen Entscheidungsbäume

Mehr

Elementare Definitionen. Anwendungen von Graphen. Formalisierung von Graphen. Formalisierung von Digraphen. Strassen- und Verkehrsnetze

Elementare 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

Mehr

Aufgaben zum Thema Verklemmungen

Aufgaben 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);

Mehr

Software Engineering in der Praxis

Software 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

Mehr

3.0 VU Formale Modellierung

3.0 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

Mehr

Systemprogrammierung (Lehramt) Jürgen Kleinöder Universität Erlangen-Nürnberg Informatik 4, 2006 G-Verklemmungen.fm

Systemprogrammierung (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

Mehr

Modellierungsmethoden der Informatik

Modellierungsmethoden 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

Mehr

Warum Modellierung? OE-Vorlesung 2016 Einführung in Petrinetze. Was ist ein Modell? Und warum Petrinetze? Petrinetze sind ein Modellierungswerkzeug.

Warum 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

Mehr

Theoretische Grundlagen der Informatik

Theoretische 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

Mehr

Software Engineering Ergänzung zur Vorlesung

Software 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

Mehr

Algorithmische Graphentheorie

Algorithmische 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

Mehr

Petri-Netze. Petri-Netze. Nico Bühler. Albert-Ludwigs-Universität Freiburg. 14. Januar 2016

Petri-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

Mehr

Petrinetze und GPSS/H

Petrinetze 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

Mehr

Aufgabe Mögliche Punkte Erreichte Punkte a b c d Σ a b c d Σ x1 13

Aufgabe 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

Mehr

Informatik III - WS07/08

Informatik 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

Mehr

FORMALE SYSTEME. 8. Vorlesung: Minimale Automaten. TU Dresden, 6. November Markus Krötzsch Lehrstuhl Wissensbasierte Systeme

FORMALE 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

Mehr

1. Einführung in Temporallogik CTL

1. 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

Mehr

Grundbegriffe der Informatik

Grundbegriffe 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

Mehr

Formale Sprachen. Reguläre Sprachen. Rudolf FREUND, Marian KOGLER

Formale 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

Mehr

Inhaltsverzeichnis. 4.1 Systemmodell und notwendige Bedingungen. 4.2 Gegenmaßnahmen

Inhaltsverzeichnis. 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

Mehr

Einführung (1/3) Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (1) Vorlesungen zur Komplexitätstheorie.

Einführung (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

Mehr

Lemma 185 Mit den zusätzlichen Festlegungen

Lemma 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

Mehr

Grundbegriffe der Informatik

Grundbegriffe 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

Mehr

Theoretische Grundlagen der Informatik

Theoretische 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

Mehr

Algorithmik WS 07/ Vorlesung, Andreas Jakoby Universität zu Lübeck. 10 Matching-Probleme

Algorithmik 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

Mehr

Deadlocks. Christoph Lindemann. Betriebssysteme. Betriebssysteme WS 2004/05. Fahrplan. Inhalt. Das Deadlock Problem

Deadlocks. 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.

Mehr

Grundlagen der theoretischen Informatik

Grundlagen 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

Mehr

Theorie der Informatik

Theorie 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

Mehr

Petri-Netze / Eine Einführung (Teil 2)

Petri-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)

Mehr

Bipartite Graphen. Beispiele

Bipartite 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

Mehr

Kapitel 4: Analyse von Petrinetzen

Kapitel 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

Mehr

Automaten und Formale Sprachen SoSe 2013 in Trier

Automaten 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

Mehr

Spezifikation von Kommunikationssystemen

Spezifikation 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

Mehr

15. Elementare Graphalgorithmen

15. 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

Mehr

Einheit 11 - Graphen

Einheit 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)

Mehr

Einführung in Petri-Netze. Modellierung von Abläufen und Prozessen (1) Abhängigkeitsgraphen: Motivation. Petri-Netze

Einführung 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

Mehr

Modellierung von Geschäftsprozessen Teil 6 - Petri-Netze

Modellierung 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

Mehr

Aufgaben zum Thema Verklemmungen

Aufgaben 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);

Mehr

Theorie der Informatik Übersicht. Theorie der Informatik SAT Graphenprobleme Routing-Probleme. 21.

Theorie 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

Mehr

Strukturelle Charakterisierung der Invarianten eines Petri-Netzes

Strukturelle 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

Mehr

Theorie der Informatik. Theorie der Informatik P und NP Polynomielle Reduktionen NP-Härte und NP-Vollständigkeit

Theorie 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

Mehr

Software-Engineering SS03. Zustandsautomat

Software-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

Mehr

Systeme I: Betriebssysteme Kapitel 6 Deadlocks. Wolfram Burgard

Systeme 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

Mehr

Theoretische Informatik. nichtdeterministische Turingmaschinen NDTM. Turingmaschinen. Rainer Schrader. 29. April 2009

Theoretische 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

Mehr

6.2 Petri-Netze. kommunizierenden Prozessen in der Realität oder in Rechnern Verhalten von Hardware-Komponenten Geschäftsabläufe Spielpläne

6.2 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

Mehr

Lösungen zur Vorlesung Berechenbarkeit und Komplexität

Lösungen 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

Mehr

Stefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie

Stefan 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

Mehr

Deadlocks. System hat nur begrenzte Ressourcen (Ressourcentypen) Hauptspeicher Externer Speicher Drucker File

Deadlocks. 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.

Mehr

Graphen und Bäume. A.1 Graphen

Graphen 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

Mehr

Graphentheorie. Kürzeste Wege. Kürzeste Wege. Kürzeste Wege. Rainer Schrader. 25. Oktober 2007

Graphentheorie. 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

Mehr

Effiziente Algorithmen (SS2015)

Effiziente 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

Mehr

Lemma Für jede monotone Grammatik G gibt es eine kontextsensitive

Lemma 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

Mehr

2. Klausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2014/2015

2. 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

Mehr

Die 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 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

Mehr

Automaten und Formale Sprachen ε-automaten und Minimierung

Automaten 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

Mehr

Intervallaustauschtransformationen, Flüsse und das Lemma von Masur

Intervallaustauschtransformationen, 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

Mehr

Informatik III. Christian Schindelhauer Wintersemester 2006/07 3. Vorlesung

Informatik 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

Mehr

Grundbegriffe der Informatik

Grundbegriffe 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

Mehr

Das Prinzip der Suchmaschine Google TM

Das 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,

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza)

Zentralübung 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

Mehr

Formale 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 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,

Mehr

Diskrete Strukturen. Hausaufgabe 1 (5 Punkte) Hausaufgabe 2 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008

Diskrete 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

Mehr

Notizen zu Transformationen und Permutationen. T (A) = {f : A A}

Notizen 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

Mehr

Reduktion. 2.1 Abstrakte Reduktion

Reduktion. 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,

Mehr

Die Klasse NP und die polynomielle Reduktion

Die 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

Mehr

Technische Universität München Zentrum Mathematik. Optimierung 2, WS 2008/09 Übungsblatt 12

Technische 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

Mehr

Markov Ketten und Bonus Malus Systeme

Markov 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

Mehr

Kürzeste-Wege-Algorithmen und Datenstrukturen

Kürzeste-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

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr)

Zentralübung 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

Mehr

Algorithmische Methoden für schwere Optimierungsprobleme

Algorithmische 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

Mehr

Regulär variierende Funktionen

Regulär 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,

Mehr

Betriebssysteme I WS 2013/2014. Betriebssysteme / verteilte Systeme Tel.: 0271/ , Büro: H-B 8404

Betriebssysteme 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

Mehr

Theoretische Grundlagen der Informatik

Theoretische 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

Mehr

Theoretische Informatik Mitschrift

Theoretische 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}

Mehr

Probleme aus NP und die polynomielle Reduktion

Probleme 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

Mehr

Am Dienstag, den 16. Dezember, ist Eulenfest. 1/45

Am 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

Mehr

Gröbnerbasen in Monoid- und Gruppenringen

Gröbnerbasen 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

Mehr

Theoretische Grundlagen der Informatik

Theoretische 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

Mehr

Aufgaben zur Verbandstheorie

Aufgaben 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

Mehr

Endliche Automaten. Endliche Automaten 1 / 102

Endliche 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?

Mehr

im Wintersemester 2014/15

im 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

Mehr

Wortproblem für kontextfreie Grammatiken

Wortproblem 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?

Mehr

Fortgeschrittene Netzwerk- und Graph-Algorithmen

Fortgeschrittene 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

Mehr

2.2 Reguläre Sprachen Endliche Automaten

2.2 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

Mehr

Algorithmen zur Visualisierung von Graphen

Algorithmen 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

Mehr

Übungsblatt 7. Vorlesung Theoretische Grundlagen der Informatik im WS 16/17

Übungsblatt 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

Mehr

ij. , d (k 1) + d (k 1)

ij. , 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

Mehr

Reguläre Sprachen. R. Stiebe: Theoretische Informatik für ING-IF und Lehrer,

Reguläre 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

Mehr

Formale Systeme. Binary Decision Diagrams. Prof. Dr. Bernhard Beckert, WS 2017/2018

Formale 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

Mehr

8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem

8 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

Mehr

1 Σ endliches Terminalalphabet, 2 V endliche Menge von Variablen (mit V Σ = ), 3 P (V (Σ ΣV )) {(S, ε)} endliche Menge von Regeln,

1 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

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen

Zentralübung 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.

Mehr

p = (v 0, v 1,..., v k )

p = (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