Theoretische Informatik
|
|
- Nele Ursler
- vor 6 Jahren
- Abrufe
Transkript
1 Theoretische Informatik Sommersemester 2016 Steffen Lange 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
2 Literatur S. Lange, M. Margraf, Theoretische Informatik, Lehrmaterial für den Bachelorstudiengang Informatik/IT-Sicherheit, (online verfügbar) J.E. Hopcroft, R. Motwani, J.E. Ullmann, Einführung in die Automatentheorie, formale Sprachen und Komplexitätstheorie, Addison Wesley, Bonn, U. Schöning, Theoretische Informatik kurz gefaßt, Spektrum Akademischer Verlag, Heidelberg, J. Hromkovic, Theoretische Informatik, Teubner Verlag, Stuttgart, /1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
3 Organisatorisches u Vorlesung zwei Vorlesungen pro Woche (Folien online) u Übungen eine Übung pro Woche (Übungsblätter online), die dazu dient, dass Sie Ihre Lösungen vorstellen und Feedback bekommen Sie Fragen zu Vorlesung stellen können und diese beantwortet bekommen 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
4 Organisatorisches u Prüfungsvorleistung (PVL) Abgabe der Lösungen für das aktuelle Übungsblatt Termin: jeweils Montag bis 14:00 Uhr Wie: PDF-File an die PVL ist erbracht, wenn Sie sebastian.r.gaertner@stud.h-da.de jede Woche eine nicht leere Lösung für das aktuelle Übungsblatt abgegeben haben und in Summe 50 % der korrigierten Aufgaben korrekt gelöst haben (/* es wird nur stichpunktartig korrigiert */) im Rahmen der Übung gezeigt haben, dass Sie mindestens eine Aufgabe korrekt lösen und erklären können 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
5 Inhaltliche Einordnung u zentrales Ziel... Analyse der in der Informatik auftretenden Probleme und Strukturen mit mathematischen Methoden u einige wichtige Fragestellungen Wie kann man in der Informatik auftretende Problem sinnvoll modellieren? Wie kann man Algorithmen zur Lösung eines Problems finden? Wie kann man Algorithmen mit Blick auf die Aspekte Korrektheit und Effizienz analysieren? Gibt es Probleme, die sich nicht algorithmisch lösen lassen bzw. nicht effizient lösen lassen?... 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
6 Ein größeres Beispiel u Fokus dieses Beispiels es stehen die folgende Aspekte im Mittelpunkt Modellierung relevante Begriffe relevante algorithmische Probleme 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
7 Ein größeres Beispiel u Ausgangsituation es geht darum, bei einer signalgesteuerten Verkehrskreuzung die auftretenden Verkehrsströme sinnvoll zu regeln, d.h. es dürfen keine Kollisionen auftreten (/* keine Unfälle provozieren */) die Verkehrsströme sollen möglichst gut bedient werden (/* wenig Wartezeit, hohe Durchlässigkeit, Fairness */) 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
8 Ein größeres Beispiel u konkrete Verkehrskreuzung mit Verkehrsströmen... offenbar kann man jeden Verkehrsstrom S i allein auf grün schalten und alle Verkehrsströme nacheinander zyklisch bedienen (/* die Kapazität der Kreuzung wird dabei allerdings nur unzureichend genutzt */) 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
9 Ein größeres Beispiel u auf dem Weg zu einer besseren Lösung man verwendet einen ungerichteten Graphen G, um die Beziehungen zwischen den möglichen Verkehrsströmen zu modellieren, dabei gilt: der Graph G enthält für jeden Verkehrsstrom S i einen Knoten zwischen zwei Knoten gibt es genau dann eine Kante, wenn die zugehörigen Verkehrsströme gemeinsam und zwar kollisionsfrei auf grün geschaltet werden können 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
10 Ein größeres Beispiel u Illustration S 2 S 1 S 3 S 8 S 4 S 7 S 5 S 6 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
11 Ein größeres Beispiel S 2 u Analyse des zugehörigen Graphen S 1 S 3 im ungerichteten Graphen findet man u.a. die folgenden Cliquen, d.h. Teilmengen der Knotenmenge, in denen je zwei verschiedene Knoten mit einer Kante verbunden sind: C 1 = { S 1,S 2,S 6 }; C 2 = { S 2,S 5,S 6 } ; C 3 = { S 3,S 5,S 6 } C 4 = { S 4,S 5,S 6 }; C 5 = { S 4,S 6,S 8 } ; C 6 = { S 7,S 8 } S 8 S 4 S 7 S 5 S 6... zwischen den Verkehrsströmen in einer Clique gibt es keine Kollisionen 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
12 Ein größeres Beispiel u Konsequenzen die Verkehrsströme in einer Clique können gemeinsam auf grün geschaltet und bedient werden eine Folge von maximalen Cliquen, in denen alle Verkehrsströme vorkommen, kann nun zyklisch benutzt werden, um die an der Kreuzung auftretenden Verkehrsströme zu regeln in unserem Beispiel etwa: 1. Grünphase: C 1 = { S 1,S 2,S 6 } 2. Grünphase: C 3 = { S 3,S 5,S 6 } 3. Grünphase: C 5 = { S 4,S 6,S 8 } 4. Grünphase: C 6 = { S 7,S 8 }... auf diese Weise können die Verkehrsströme besser bedient werden 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
13 Ein wenig formaler... u Relevante Grundbegriffe ungerichteter Graph G, d.h. ein geordnetes Paar (V,E) mit einer Knotenmenge V und einer Kantenmenge E { { u,v } u,v V } Clique C in einem ungerichteten Graphen G = (V,E), d.h. C ist eine Teilmenge von V, wobei für je zwei verschiedene Knoten u, v C gilt, dass die Kante { u,v } zu E gehört Größe einer Clique C, d.h. die Anzahl der Elemente in C maximale Clique C* in einem ungerichteten Graphen G = (V,E), d.h. C* ist eine Clique in G und es gibt keine Clique C in G, die mehr Elemente als C* hat 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
14 Ein wenig formaler... u Beispiel a ungerichteter Graph G = (V,E) mit V = { a,b,c,d,e } E = { {a,b},{a,c},{a,e},{b,c},{b,d},{c,e},{d,e} } b d c e in diesem Graphen gibt es zwei Cliquen der Größe 3 und keine größeren Cliquen a a b c b c d e d e 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
15 Ein wenig formaler... u Relevantes algorithmisches Problem zulässige Eingaben: ein ungerichteter Graph G = (V,E) zulässige Ausgaben: eine maximale Clique C* im Graphen G... hierbei handelt es sich um ein so genanntes Optimierungsproblem, speziell um ein Maximierungsproblem, d.h. es geht darum: eine Lösung (eine Clique) zu konstruieren und zwar eine, die unter allen infrage kommenden Lösungen (d.h. unter allen Cliquen) maximal ist 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
16 Ein wenig formaler... u Relevante Fragestellungen Kann man dieses Optimierungsproblem überhaupt algorithmisch lösen? Kann man dieses Optimierungsproblem effizient lösen?... die erste Frage kann man ganz klar mit Ja beantworten (/* siehe nächste Folie */)... die Antwort auf die zweite Frage kennt man nicht (/* man vermutet, dass die Antwort Nein ist */) 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
17 Ein wenig formaler... u Begründung für die Antwort auf die erste Frage um eine maximale Clique zu bestimmen, genügt es systematisch für jede Teilmenge der Knotenmenge zu testen, ob sie eine Clique ist b a c mit Blick auf die Zweiermengen stellt man fest, dass nur { a,b }, { a,c }, { b,c }, { b,d }, { c,e } und { d,e } Cliquen sind (/* reduziert die Anzahl der zu testenden Dreiermengen */) d e mit Blick auf die Dreiermengen stellt man fest, dass nur { a,b,c } eine Clique ist (/* reduziert die Anzahl der zu testenden Vierermengen */) mit Blick auf die Vierermengen stellt man fest, dass { a,b,c,d } und { a,b,c,e } keine Cliquen sind 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
18 Diskussion u Anmerkungen in der theoretischen Informatik liegt unser Augenmerk auf andersartigen algorithmischen Problemen wir werden uns mit so genannten Entscheidungsproblemen beschäftigen (/* u.a. anstelle von Optimierungsproblemen */) statt uns uns darum zu kümmern, wie man algorithmisch Lösungen mit bestimmten Eigenschaften konstruieren kann, kümmern wir uns darum, wie man algorithmisch entscheiden kann, ob es überhaupt Lösungen mit bestimmten Eigenschaften gibt 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
19 Diskussion u Anmerkungen (cont.) das machen wir, weil man Entscheidungsprobleme einfacher beschreiben und analysieren kann so einfacher zu Antworten auf die folgende zentrale Frage kommt: Gibt es Probleme, die sich nicht algorithmisch lösen lassen bzw. nicht effizient lösen lassen? außerdem lassen sich die für Entscheidungsprobleme gewonnenen Erkenntnisse bspw. recht einfach in die Welt der Optimierungsprobleme übertragen... den letzten Punkt schauen wir uns ein wenig genauer an 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
20 Optimierungs- und Entscheidungsprobleme u Optimierungsproblem zulässige Eingaben: ein ungerichteter Graph G = (V,E) zulässige Ausgaben: eine maximale Clique C* im Graphen G u zugehöriges Entscheidungsproblem zulässige Eingaben: ein ungerichteter Graph G = (V,E) eine natürliche Zahl k zulässige Ausgaben: Antwort auf die Frage, ob es im Graphen G eine Clique der Größe k gibt 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
21 Optimierungs- und Entscheidungsprobleme u Beziehungen zwischen den beiden Problemen es gelten die folgenden Zusammenhänge: 1) Jeder Lösungsalgorithmus für das Optimierungsproblem kann verwendet werden, um das Entscheidungsproblem zu lösen. 2) Jeder Lösungsalgorithmus für das Entscheidungsproblem kann verwendet werden, um das Optimierungsproblem zu lösen. 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
22 Optimierungs- und Entscheidungsprobleme u Begründung für Aussage 1) sei A ein Lösungsalgorithmus für das Optimierungsproblem der folgende Algorithmus B löst offenbar das Entscheidungsproblem Eingabe: ein ungerichteter Graph G = (V,E) und eine natürliche Zahl k Ausgabe: entweder die Antwort Ja oder die Antwort Nein benutze den Lösungsalgorithmus A, um eine maximale Clique C* im Graphen G zu konstruieren überprüfe, ob C* mindestens k Elemente hat falls ja, so gib die Antwort Ja aus andernfalls, gib die Antwort Nein aus 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
23 Optimierungs- und Entscheidungsprobleme u Konsequenzen... wenn der Lösungsalgorithmus A für das Optimierungsproblem f( G ) viele Rechenschritte benötigt, um für einen gegebenen Graphen G eine maximale Clique zu konstruieren, so gilt: der vorgestellte Algorithmus B benötigt höchstens c* f( G ) viele Rechenschritte, um zu entscheiden, ob es in G eine Clique gibt, die mindestens die Größe k hat... G bezeichnet die Größe des Graphen G 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
24 Optimierungs- und Entscheidungsprobleme u Begründung für Aussage 2) sei B ein Lösungsalgorithmus für das Entscheidungsproblem der folgende Algorithmus A löst das Optimierungsproblem Eingabe: ein ungerichteter Graph G = (V,E) Ausgabe: eine Teilmenge C* von V (1) benutze den Lösungsalgorithmus B, um zu bestimmen, wie viele Elemente eine maximale Clique im Graphen G hat (/* es sei z diese Zahl */) (2) benutze den Lösungsalgorithmus B, um im Graphen G eine Clique C* der Größe z zu konstruieren 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
25 Optimierungs- und Entscheidungsprobleme u Details für Schritt (1) o.b.d.a. sei V = { 1,..., n } es wir z = 1 gesetzt für k = 2,..., n wird wie folgt vorgegangen: mit Hilfe von Lösungsalgorithmus B wird überprüft, ob es in G eine Clique gibt, die die Größe k hat falls die Antwort Ja ist, so wird z = k gesetzt andernfalls, wird die Schleife beendet es wird z ausgegeben 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
26 Optimierungs- und Entscheidungsprobleme u Ideen für Schritt (2) 1 maximale Cliquen in diesem Graphen haben die Größe wenn wir den Knoten 1 und alle Kanten zum Knoten 1 streichen, ergibt sich ein Graph G, in dem maximale Cliquen ebenfalls die 4 5 Größe 3 haben Konsequenz: man muss den gestrichenen Knoten 1 nicht in die gesuchte maximale Clique C* aufnehmen und konstruiert einfach im Graphen G eine Clique der Größe 3 G : /1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
27 Optimierungs- und Entscheidungsprobleme u Ideen für Schritt (2) (cont.) 1 maximale Cliquen in diesem Graphen haben wieder die Größe wenn wir den Knoten 1 und alle Kanten zum Knoten 1 streichen, ergibt sich ein Graph G, in dem maximale Cliquen nicht mehr die 4 5 Größe 3 haben Konsequenz: man muss den gestrichenen Knoten 1 in die gesuchte maximale Clique C* aufnehmen und konstruiert einfach im folgenden Teilgraphen G von G eine Clique der Größe 2 G : 2 3 G : /1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
28 Optimierungs- und Entscheidungsprobleme u Beispiel für Schritt (2) 1 G: G : Größe einer maximalen Clique C*: 3 Größe einer maximalen Clique C*: 2 G : mit diesem Graphen geht es weiter (/* C* muss den Knoten 1 enthalten */) 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
29 Optimierungs- und Entscheidungsprobleme u Beispiel für Schritt (2) (cont.) G: G : 3 5 Größe einer maximalen Clique C*: 2 Größe einer maximalen Clique C*: 2 3 G : 5 mit diesem Graphen geht es weiter (/* C* muss den Knoten 1 enthalten */) 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
30 Optimierungs- und Entscheidungsprobleme u Beispiel für Schritt (2) (cont.) G: 3 5 G : 5 Größe einer maximalen Clique C*: 2 Größe einer maximalen Clique: 1 G : 5 mit diesem Graphen geht es weiter (/* C* muss die Knoten 1 und 3 enthalten */) 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
31 Optimierungs- und Entscheidungsprobleme u Details für Schritt (2) o.b.d.a. sei wieder V = { 1,..., n } setze C* = und i = 1 solange C* weniger als z Elemente hat, gehe wie folgt vor: bilde den Teilgraphen G = (V,E ) von G (/* durch Streichen von Knoten i und aller Kanten zum Knoten i */) bestimme wie in Schritt (1) die Größe z einer maximale Clique im Teilgraphen G falls z = z ist, so setze i = min(v ) und G = G andernfalls, gehe wie folgt vor: setze C* = C* { i } und z = z-1 bilde den Teilgraphen G = (V,E ) von G (/* durch Streichen aller Knoten, die keine Kante zum Knoten i haben, und aller Kanten zu diesen Knoten */) setze i = min(v ) und G = G 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
32 Optimierungs- und Entscheidungsprobleme u Konsequenzen... wenn der gegeben Lösungsalgorithmus B für das Entscheidungsproblem f( G ) viele Rechenschritte benötigt, um für einen Graphen G zu entscheiden, ob es in G eine Clique der Größe k gibt, so gilt: um eine maximale Clique in G zu konstruieren, benötigt der vorgestellte Algorithmus A in Schritt (1) höchstens f 1 ( G ) = c 1 * G *f( G ) viele Rechenschritte in Schritt (2) höchstens f 2 ( G ) = G *(c 2 * G +f( G )) viele Rechenschritte... G bezeichnet die Größe des Graphen G 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
33 Optimierungs- und Entscheidungsprobleme u Zwischenfazit das betrachtete Optimierungsproblem und das zugehörige Entscheidungsproblem sind im folgenden Sinne äquivalent: für beide Probleme gibt es Lösungsalgorithmen die Rechenzeit der Lösungsalgorithmen unterscheidet sich nicht signifikant, d.h. es gilt: wenn es für eines dieser beiden Probleme einen effizienten Lösungsalgorithmus gibt, so gibt es auch für das andere Problem einen effizienten Lösungsalgorithmus wenn es für eines dieser beiden Probleme keinen effizienten Lösungsalgorithmus gibt, so gibt es auch für das andere Problem keinen effizienten Lösungsalgorithmus 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
34 Entscheidungsprobleme und Wortprobleme u Anmerkungen in der theoretischen Informatik werden wir häufig die interessierenden Entscheidungsprobleme auf eine andere Art beschreiben dabei werden folgende Begriffe eine Rolle spielen: Alphabet, Wörter formale Sprache Wortproblem für eine Sprache... die relevanten Details schauen wir uns in der nächsten Vorlesung an und diskutieren jetzt nur zwei Beispiele 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
35 Das Primzahlproblem u Problemstellung wir interessieren uns für folgendes Entscheidungsproblem: zulässige Eingaben: eine natürliche Zahl k zulässige Ausgaben: Antwort auf die Frage, ob k eine Primzahl ist 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
36 Das Primzahlproblem als Wortproblem u Bezeichnungen... offenbar kann man jede natürliche Zahl eineindeutig mit Hilfe eines Wortes beschreiben, das nur aus Nullen und Einsen besteht es sei also Σ = { 0,1 } das zugrunde liegende Alphabet und Σ* die Menge aller Wörter über diesem Alphabet ferner sei L prim die Menge aller Wörter in Σ*, die eine Primzahl beschreiben 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
37 Das Primzahlproblem als Wortproblem u Konsequenzen dann kann das Primzahlproblem wie folgt als Wortproblem für die Sprache L prim beschrieben werden: zulässige Eingaben: ein Wort w Σ* zulässige Ausgaben: Antwort auf die Frage, ob w L prim gilt 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
38 Das k-cliquenproblem u Problemstellung wir interessieren uns für folgendes Entscheidungsproblem: zulässige Eingaben: ein ungerichteter Graph G = (V,E) zulässige Ausgaben: Antwort auf die Frage, ob es im Graphen G eine Clique der Größe k gibt 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
39 Das k-cliquenproblem als Wortproblem u Vorüberlegung (/* Beschreibung von Graphen */) b a 1 2 c 3 4 e d Anzahl der Kanten Ecken von Kante a Ecken von Kante c Ecken von Kante e Anzahl der Knoten Ecken von Kante b Ecken von Kante d 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
40 Das k-cliquenproblem als Wortproblem u Bezeichnungen... wie wir gesehen haben, kann man jeden ungerichteten Graphen eineindeutig mit Hilfe eines Wortes beschreiben, das nur aus Nullen und Einsen besteht es sei also wieder Σ = { 0,1 } das zugrunde liegende Alphabet und Σ* die Menge aller Wörter über diesem Alphabet ferner sei L k-clique die Menge aller Wörter in Σ*, die einen ungerichteten Graphen beschreiben, in dem es eine Clique der Größe k gibt 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
41 Das k-cliquenproblem als Wortproblem u Konsequenzen dann kann das k-cliquenproblem wie folgt als Wortproblem für die Sprache L k-clique beschrieben werden: zulässige Eingaben: ein Wort w Σ* zulässige Ausgaben: Antwort auf die Frage, ob w L k-clique gilt 0/1, Folie Prof. Steffen Lange - HDa/FbI - Theoretische Informatik
Theoretische Informatik
Theoretische Informatik Hochschule Darmstadt, Wintersemester 2015/16 Bernd Baumgarten (Lehrbeauftragter) Der Großteil der Folieninhalte ist dankend übernommen von Prof. Steffen Lange, h_da 0/1, Folie 1
MehrKapitel 4: Minimal spannende Bäume Gliederung der Vorlesung
Kapitel : Minimal spannende Bäume Gliederung der Vorlesung. Fallstudie Bipartite Graphen 2. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Wege. Traveling
MehrKapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Pfade. Traveling Salesman Problem. Flüsse in Netzwerken
MehrKapitel 2: Formale Sprachen Gliederung. 0. Grundbegriffe 1. Endliche Automaten 2. Formale Sprachen 3. Berechnungstheorie 4. Komplexitätstheorie
Gliederung 0. Grundbegriffe 1. Endliche Automaten 2. Formale Sprachen 3. Berechnungstheorie 4. Komplexitätstheorie 2.1. 2.2. Reguläre Sprachen 2.3. Kontextfreie Sprachen 2/1, Folie 1 2015 Prof. Steffen
MehrDatenstrukturen. Sommersemester Kapitel 1: Motivation / Grundlagen. Steffen Lange
Datenstrukturen Sommersemester 2010 Steffen Lange 1/1, Folie 1 2010 Prof. Steffen Lange - HDa/FbI - Datenstrukturen Organisatorisches Vorlesung wöchentlich; zwei Blöcke Folien im Netz (/* bitte zur Vorlesung
Mehr1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie
Gliederung 1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. äume / Graphen. Hashing 6. Algorithmische Geometrie 4/6, Folie 1 2014 Prof. Steffen Lange - HDa/FbI
MehrKapitel 2: Analyse der Laufzeit von Algorithmen Gliederung
Gliederung 1. Motivation / Einordnung / Grundlagen 2. Analyse der Laufzeit von Algorithmen 3. Untere Schranken für algorithmische Probleme 4. Sortier- und Selektionsverfahren 5. Paradigmen des Algorithmenentwurfs
MehrKapitel 6: Graphalgorithmen Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
Mehr1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie
Gliederung 1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. äume / Graphen 5. Hashing 6. Algorithmische Geometrie 4/5, olie 1 2014 Prof. Steffen Lange - HDa/bI
MehrAlgorithmik - Kompaktkurs
Algorithmik - Kompaktkurs Sommersemester 2012 Steffen Lange 0/1, Folie 1 2012 Prof. Steffen Lange - HDa/FbI - Algorithmik Organisatorisches Vorlesung Folien im Netz (/* bitte zur Vorlesung mitbringen */)
MehrKomplexita tstheorie eine erste Ubersicht. KTV bedeutet: Details erfahren Sie in der Komplexitätstheorie-Vorlesung.
Komplexita tstheorie eine erste Ubersicht KTV bedeutet: Details erfahren Sie in der Komplexitätstheorie-Vorlesung. Probleme Problem = Menge von unendlich vielen konkreten Einzelfragen (Instanzen) F n,
MehrLösungsvorschläge Blatt Z1
Theoretische Informatik Departement Informatik Prof. Dr. Juraj Hromkovič http://www.ita.inf.ethz.ch/theoinf16 Lösungsvorschläge Blatt Z1 Zürich, 2. Dezember 2016 Lösung zu Aufgabe Z1 Wir zeigen L qi /
MehrKapitel 2: Formale Sprachen Gliederung
Gliederung 0. Einleitung und Grundbegriffe 1. Endliche Automaten 2. Formale Sprachen 3. Berechnungstheorie 4. Komplexitätstheorie 2.1. Chomsky-Grammatiken 2.2. Reguläre Sprachen 2.3. Kontextfreie Sprachen
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 10.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik
MehrBerechenbarkeit und Komplexität
Berechenbarkeit und Komplexität Prof. Dr. Dietrich Kuske FG Theoretische Informatik, TU Ilmenau Wintersemester 2010/11 1 Organisatorisches zur Vorlesung Informationen, aktuelle Version der Folien und Übungsblätter
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2006 5. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Wdhlg.: Dijkstra-Algorithmus I Bestimmung der
MehrWas bisher geschah. Darstellung von Sprachen Ausführen von Berechnungen
Was bisher geschah Alphabet, Wort, Sprache Operationen auf Wörtern: Spiegelung R, Verkettung Palindrome Relationen zwischen Wörtern: Präfix, Infix, Postfix Wortersetzungssystem S: Regeln (l r), Ersetzungsschritt
MehrDas Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
MehrAutomaten und Formale Sprachen
Automaten und Formale Sprachen Prof. Dr. Dietrich Kuske FG Theoretische Informatik, TU Ilmenau Wintersemester 2011/12 WS 11/12 1 Organisatorisches zur Vorlesung Informationen, aktuelle Version der Folien
MehrLiteratur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)
Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,
Mehr3 Vom Zählen zur Induktion
7 3 Vom Zählen zur Induktion 3.1 Natürliche Zahlen und Induktions-Prinzip Seit unserer Kindheit kennen wir die Zahlen 1,, 3, 4, usw. Diese Zahlen gebrauchen wir zum Zählen, und sie sind uns so vertraut,
MehrSS 2013 1.1-1 / 12
AMPELSTEUERUNG EINER KREUZUNG monika.heiner@informatik.tu-cottbus.de SS 2013 1.1-1 / 12 (A) PROBLEM D C E B A Ziel (1) Sicherheit: keine kollidierenden Wege gleichzeitig, z.b. EB und AD Ziel (2) Maximierung:
MehrApproximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling
Approximationsalgorithmen: Klassiker I Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling VO Approximationsalgorithmen WiSe 2011/12 Markus Chimani
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrKlausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13)
Berlin, 21. Februar 2013 Name:... Matr.-Nr.:... Klausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13) 1 2 3 4 5 6 7 8 9 Σ Bearbeitungszeit: 90 min. max. Punktezahl:
MehrKürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik
Kürzeste Wege in Graphen Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik Gliederung Einleitung Definitionen Algorithmus von Dijkstra Bellmann-Ford Algorithmus Floyd-Warshall Algorithmus
MehrTechnische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 186.172 Algorithmen und Datenstrukturen 1 VL 4.0 Übungsblatt 4 für die Übung
MehrWiederholung zu Flüssen
Universität Konstanz Methoden der Netzwerkanalyse Fachbereich Informatik & Informationswissenschaft SS 2008 Prof. Dr. Ulrik Brandes / Melanie Badent Wiederholung zu Flüssen Wir untersuchen Flüsse in Netzwerken:
Mehr7 Endliche Automaten. Reimund Albers Papierfalten Kapitel 7 Endliche Automaten 103
Reimund Albers Papierfalten Kapitel 7 Endliche Automaten 103 7 Endliche Automaten Ein erstes Beispiel Ganz im Sinn der vorangegangenen Kapitel machen wir wieder Anleihen in einem wohl etablierten Gebiet.
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2006 3. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Algorithmen für Graphen Fragestellungen: Suche
MehrTheoretische Informatik
Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
MehrUndirected Single-Source Shortest Paths with Positive Integer Weights in Linear Time
Universität Konstanz Mathematisch-naturwissenschaftliche Sektion Fachbereich Mathematik und Statistik Wintersemester 2001/02 Mikkel Thorup: Undirected Single-Source Shortest Paths with Positive Integer
MehrEinführung in Berechenbarkeit, Komplexität und formale Sprachen
Johannes Blömer Skript zur Vorlesung Einführung in Berechenbarkeit, Komplexität und formale Sprachen Universität Paderborn Wintersemester 2011/12 Inhaltsverzeichnis 1 Einleitung 2 1.1 Ziele der Vorlesung...................................
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Sommersemester 204 4. Vorlesung Matchings / Paarungen Kombinatorische Anwendungen des Max-Flow-Min-Cut-Theorems Prof. Dr. Alexander Wolff 2 Paarungen (Matchings) Def. Sei
Mehr3. Musterlösung. Problem 1: Boruvka MST
Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 06/07 ITI Wagner. Musterlösung Problem : Boruvka MST pt (a) Beweis durch Widerspruch. Sei T MST von G, e die lokal minimale Kante eines
MehrAusgewählte unentscheidbare Sprachen
Proseminar Theoretische Informatik 15.12.15 Ausgewählte unentscheidbare Sprachen Marian Sigler, Jakob Köhler Wolfgang Mulzer 1 Entscheidbarkeit und Semi-Entscheidbarkeit Definition 1: L ist entscheidbar
MehrVorlesung Berechenbarkeit und Komplexität. Motivation, Übersicht und Organisatorisches
Berechenbarkeit und Komplexität: Motivation, Übersicht und Organisatorisches Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen Berechenbarkeit die absoluten Grenzen
Mehr4 Greedy-Algorithmen (gierige Algorithmen)
Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen werden oft für die exakte oder approximative Lösung von Optimierungsproblemen verwendet. Typischerweise konstruiert ein Greedy-Algorithmus eine
MehrKapitel 5: Dynamisches Programmieren Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
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
MehrZeichnen von Graphen. graph drawing
Zeichnen von Graphen graph drawing WS 2006 / 2007 Gruppe: D_rot_Ala0607 Christian Becker 11042315 Eugen Plischke 11042351 Vadim Filippov 11042026 Gegeben sei ein Graph G = (V; E) Problemstellung V E =
MehrInformatik IV Theoretische Informatik: Formale Sprachen und Automaten, Berechenbarkeit und NP-Vollständigkeit
Informatik IV Theoretische Informatik: Formale Sprachen und Automaten, Berechenbarkeit und NP-Vollständigkeit Sommersemester 2011 Dozent: Prof. Dr. J. Rothe, Prof. Dr. M. Leuschel J. Rothe (HHU Düsseldorf)
MehrKombinatorische Optimierung Vorlesung für den Bereich Diplom/Master Informatik
Kombinatorische Optimierung Vorlesung für den Bereich Diplom/Master Informatik Dozent: Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK
MehrSuche nach einem solchen Kreis. Endlichkeitstest. Vereinigung und Durchschnitt. Abschlusseigenschaften
Endlichkeitstest Eingabe: DFA/NFA M. Frage: Ist die von M akzeptierte Sprache endlich? Nahe liegende Beobachtung: In einem DFA/NFA, der eine unendliche Sprache akzeptiert, muss es einen Kreis geben, der
MehrDatenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen
MehrDefinition (Reguläre Ausdrücke) Sei Σ ein Alphabet, dann gilt: (ii) ε ist ein regulärer Ausdruck über Σ.
Reguläre Ausdrücke Definition (Reguläre Ausdrücke) Sei Σ ein Alphabet, dann gilt: (i) ist ein regulärer Ausdruck über Σ. (ii) ε ist ein regulärer Ausdruck über Σ. (iii) Für jedes a Σ ist a ein regulärer
MehrDie Klassen P und NP. Dr. Eva Richter. 29. Juni 2012
Die Klassen P und NP Dr. Eva Richter 29. Juni 2012 1 / 35 Die Klasse P P = DTIME(Pol) Klasse der Probleme, die sich von DTM in polynomieller Zeit lösen lassen nach Dogma die praktikablen Probleme beim
MehrSpiele in der Informatik
Spiele in der Informatik Martin Lange Lehr- und Forschungseinheit Theoretische Informatik Informatik-Schnupperstudium an der LMU, 29.3.2010 Übersicht Teil 1 Schokoladenessen für Spieltheoretiker ein kleines
MehrSeminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn
Seminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn Ein 5.55-Approximationsalgorithmus für das VPND-Problem Lars Schäfers Inhalt Einführung:
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 Mathematische Grundbegriffe Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr,
Mehr3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel
3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel EADS 3.1 Konstruktion von minimalen Spannbäumen 16/36
MehrTechnische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt
Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden
MehrNP-Vollständigkeit. Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984)
NP-Vollständigkeit Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984) 0 Übersicht: Einleitung Einteilung in Klassen Die Klassen P und NP
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
MehrEntscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?
Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum
Mehrw a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2
1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba
MehrStatistische Untersuchungen zu endlichen Funktionsgraphen
C# Projekt 1 Name: Statistische Untersuchungen zu endlichen Funktionsgraphen Aufgabe: Basierend auf dem Abschnitt 2.1.6. Random mappings, Kap.2, S 54-55, in [1] sollen zunächst für eine beliebige Funktion
MehrRechnerische Komplexität
Proseminar Effiziente Algorithmen SS 2002 Rechnerische Komplexität Ulrike Krönert (34180) 0. Inhalt 1. Einführung 2. Algorithmen und Komplexität 2.1. Algorithmen 2.2. Laufzeitabschätzung 2.3. Polynomialzeit
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
MehrAnmerkungen zur Übergangsprüfung
DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung
MehrPartitionen natürlicher Zahlen
Partitionen natürlicher Zahlen wgnedin@math.uni-koeln.de 9. Oktober 03 In dieser Notiz wird der Beweis des Satzes über die Anzahl der Partitionen einer natürlichen Zahl vorgestellt. Die Darstellung folgt
MehrGrundlagen der Programmierung
Grundlagen der Programmierung Dr. Tom Kamphans 1. Vorlesung 12.10.2016 1 Organisatorisches Vorlesung: Mittwochs 14:00 15:30, Raum F 201 Übung: Mittwochs 15:45 19:00, Raum F 225 Übung: alle zwei Wochen
MehrGraphentheorie 1. Diskrete Strukturen. Sommersemester Uta Priss ZeLL, Ostfalia. Hausaufgaben Graph-Äquivalenz SetlX
Graphentheorie 1 Diskrete Strukturen Uta Priss ZeLL, Ostfalia Sommersemester 2016 Diskrete Strukturen Graphentheorie 1 Slide 1/19 Agenda Hausaufgaben Graph-Äquivalenz SetlX Diskrete Strukturen Graphentheorie
MehrErzeugung zufälliger Graphen und Bayes-Netze
Erzeugung zufälliger Graphen und Bayes-Netze Proseminar Algorithmen auf Graphen Georg Lukas, IF2000 2002-07-09 E-Mail: georg@op-co.de Folien: http://op-co.de/bayes/ Gliederung 1. Einleitung 2. einfache
MehrKapitel 2: Formale Sprachen Kontextfreie Sprachen. reguläre Grammatiken/Sprachen. kontextfreie Grammatiken/Sprachen
reguläre Grammatiken/prachen Beschreibung für Bezeichner in Programmiersprachen Beschreibung für wild cards in kriptsprachen (/* reguläre Ausdrücke */)?; [a-z]; * kontextfreie Grammatiken/prachen Beschreibung
MehrKodierungsalgorithmen
Kodierungsalgorithmen Komprimierung Verschlüsselung Komprimierung Zielsetzung: Reduktion der Speicherkapazität Schnellere Übertragung Prinzipien: Wiederholungen in den Eingabedaten kompakter speichern
MehrKapitel 1: Motivation / Grundlagen Gliederung
Gliederung 1. Motivation / Grundlagen 2. Sortier- und Selektionsverfahren 3. Paradigmen des Algorithmenentwurfs 4. Ausgewählte Datenstrukturen 5. Algorithmische Geometrie 6. Umgang mit algorithmisch schwierigen
MehrRouting Algorithmen. Begriffe, Definitionen
Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über
MehrÜbung zur Vorlesung Berechenbarkeit und Komplexität
RWTH Aachen Lehrgebiet Theoretische Informatik Reidl Ries Rossmanith Sanchez Tönnis WS 2012/13 Übungsblatt 9 10.12.2012 Übung zur Vorlesung Berechenbarkeit und Komplexität Aufgabe T20 Beweisen Sie die
MehrEmpfehlenswerte Referenzen
Wenn Google etwas nicht finden kann, fragen sie Jack Bauer. ("Fakten über Jack Bauer") Inhalt Empfehlenswerte Referenzen...1 0 Wozu reguläre Ausdrücke?...1 1 Die Elemente regulärer Ausdrücke...2 2 Ein
Mehr1. Einleitung wichtige Begriffe
1. Einleitung wichtige Begriffe Da sich meine besondere Lernleistung mit dem graziösen Färben (bzw. Nummerieren) von Graphen (speziell von Bäumen), einem Teilgebiet der Graphentheorie, beschäftigt, und
MehrProbeklausur zur Vorlesung Berechenbarkeit und Komplexität
RWTH Aachen Lehrgebiet Theoretische Informatik Reidl Ries Rossmanith Sanchez Tönnis WS 2012/13 Probeklausur 25.01.2013 Probeklausur zur Vorlesung Berechenbarkeit und Komplexität Aufgabe 1 (1+2+6+3 Punkte)
MehrEINFÜHRUNG IN DIE THEORETISCHE INFORMATIK 1. ALPHABETE, WÖRTER, SPRACHEN. Prof. Dr. Klaus Ambos-Spies. Sommersemester 2011
EINFÜHRUNG IN DIE THEORETISCHE INFORMATIK Prof. Dr. Klaus Ambos-Spies Sommersemester 2011 1. ALPHABETE, WÖRTER, SPRACHEN Theoretische Informatik (SoSe 2011) 1. Alphabete, Wörter, Sprachen 1 / 25 Vorbemerkung:
Mehr2 Eulersche Polyederformel und reguläre Polyeder
6 2 Eulersche Polyederformel und reguläre Polyeder 2.1 Eulersche Polyederformel Formal besteht ein Graph aus einer Knotenmenge X und einer Kantenmenge U. Jede Kante u U ist eine zweielementige Teilmenge
Mehr2 Mengen und Abbildungen
2.1 Mengen Unter einer Menge verstehen wir eine Zusammenfassung von Objekten zu einem Ganzen. Die Objekte heiÿen Elemente. Ist M eine Menge und x ein Element von M so schreiben wir x M. Wir sagen auch:
MehrNichtdeterministische Platzklassen
Sommerakademie 2010 Rot an der Rot AG 1: Wieviel Platz brauchen Algorithmen wirklich? Nichtdeterministische Platzklassen Ulf Kulau August 23, 2010 1 Contents 1 Einführung 3 2 Nichtdeterminismus allgemein
MehrGraphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011
Graphen: Einführung Vorlesung Mathematische Strukturen Zum Ende der Vorlesung beschäftigen wir uns mit Graphen. Graphen sind netzartige Strukturen, bestehend aus Knoten und Kanten. Sommersemester 20 Prof.
MehrFormale Sprachen und Automaten
Formale Sprachen und Automaten Kapitel 1: Grundlagen Vorlesung an der DHBW Karlsruhe Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2012 Ziel Einführung der wichtigsten
MehrAlgorithmen zur Berechnung von Matchings
Algorithmen zur Berechnung von Matchings Berthold Vöcking 1 Einleitung Matchingprobleme sind Zuordnungsprobleme. Es geht darum z.b. Studierenden Plätze in Seminaren zuzuordnen, Bewerber auf freie Stellen
MehrOptimierungsprobleme. B. Langfeld, M. Ritter, B. Wilhelm Diskrete Optimierung: Fallstudien aus der Praxis
Optimierungsprobleme Instanz eines Optimierungsproblems zulässiger Bereich (meist implizit definiert) Zielfunktion Optimierungsrichtung opt {max, min} Optimierungsproblem Menge von Instanzen meist implizit
MehrLogik und diskrete Strukturen
Prof. Dr. Institut für Informatik Abteilung I Wintersemester 2012/13 Organisatorisches Vorlesung Dienstag und Donnerstag 10:15 11:45 Uhr (HS 1) und 12:30 14:00 Uhr (HS 2) Vorlesung am Vormittag = Vorlesung
MehrOptimierung I. Dr. Ulf Lorenz F2.413
Optimierung I Dr. Ulf Lorenz F2.413 flulo@upb.de Organisation Dozent: Dr. Ulf Lorenz F2.413 Fürstenallee 11 email: flulo@upb.de WWW: http://www.upb.de/cs/flulo (hier auch aktuelle Infos + Ü-Zettel) Vorlesungen:
MehrInhaltsübersicht für heute:
Inhaltsübersicht für heute: Anwendung: Das Heiratsproblem Ganzzahligkeit von Polyedern Anwendung: Netzwerkflüsse Mehrgüterflussprobleme Ganzzahlige Optimierung Inhaltsübersicht für heute: Anwendung: Das
MehrAlgorithmentheorie. 13 - Maximale Flüsse
Algorithmentheorie 3 - Maximale Flüsse Prof. Dr. S. Albers Prof. Dr. Th. Ottmann . Maximale Flüsse in Netzwerken 5 3 4 7 s 0 5 9 5 9 4 3 4 5 0 3 5 5 t 8 8 Netzwerke und Flüsse N = (V,E,c) gerichtetes Netzwerk
MehrGraphen: Datenstrukturen und Algorithmen
Graphen: Datenstrukturen und Algorithmen Ein Graph G = (V, E) wird durch die Knotenmenge V und die Kantenmenge E repräsentiert. G ist ungerichtet, wenn wir keinen Start- und Zielpunkt der Kanten auszeichnen.
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrLösung zur Klausur zu Krypographie Sommersemester 2005
Lösung zur Klausur zu Krypographie Sommersemester 2005 1. Bestimmen Sie die zwei letzten Ziffern der Dezimaldarstellung von 12 34 Es gilt: 12 34 = 12 32+2 = 12 32 12 2 = 12 (25) 12 2 = ((((12 2 ) 2 ) 2
Mehr36. Algorithmus der Woche Turnier- und Sportligaplanung
36. Algorithmus der Woche Turnier- und Sportligaplanung Autor Sigrid Knust, Universität Osnabrück Die neu gegründete Tischtennisabteilung des TV Schmetterhausen möchte in der kommenden Saison in einer
Mehr3.2 Lineare Optimierung (Entscheidungen unter Sicherheit)
3. Lineare Optimierung (Entscheidungen unter Sicherheit) Betrachtet wird hier der Fall Θ = (bzw. die Situation u(a, ϑ) bzw. l(a,ϑ) konstant in ϑ Θ für alle a A). Da hier keine Unsicherheit über die Umweltzustände
MehrAlgorithmen und Datenstrukturen Kapitel 10
Algorithmen und Datenstrukturen Kapitel 10 Flüsse Frank Heitmann heitmann@informatik.uni-hamburg.de 6. Januar 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/8 Flüsse Graphen Grundlagen Definition
MehrGibt es in Königsberg einen Spaziergang, bei dem man jede der. Pregelbrücken. überquert?
Graphentheorie Gibt es in Königsberg einen Spaziergang, bei dem man jede der sieben Pregelbrücken genau einmal überquert? 1 Königsberger Brückenproblem Im Jahre 1736 Leonhard Euler löste das Problem allgemein
MehrAutomaten, Spiele, und Logik
Automaten, Spiele, und Logik Woche 2 25. April 2014 Inhalt der heutigen Vorlesung 1. Reguläre Ausdrücke 2. der Satz von Kleene 3. Brzozowski Methode 4. grep und perl Reguläre Ausdrücke Rekursive Definition,
MehrDie Komplexitätsklassen P und NP
Die Komplexitätsklassen P und NP Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 3. Dezember 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit und
Mehr(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)
3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten
Mehr5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c)
5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c) mit V = {1,...,n} und E {(v, w) 1 apple v, w apple n, v 6= w}. c : E!
MehrAlgorithmen und Datenstrukturen CS1017
Algorithmen und Datenstrukturen CS1017 Th. Letschert TH Mittelhessen Gießen University of Applied Sciences Organisatorisches und Einführung Lehrpersonal Dozent Dr. Letschert Tutoren Alissia Sauer Jonas
MehrVorlesung. Einführung in die mathematische Sprache und naive Mengenlehre
Vorlesung Einführung in die mathematische Sprache und naive Mengenlehre Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johann-von-Neumann-Haus Fachschaft Menge aller Studenten eines Institutes
MehrAlgebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen
Algebra und Diskrete Mathematik, PS3 Sommersemester 2016 Prüfungsfragen Erläutern Sie die Sätze über die Division mit Rest für ganze Zahlen und für Polynome (mit Koeffizienten in einem Körper). Wodurch
MehrVorkurs Mathematik 1
Vorkurs Mathematik 1 Einführung in die mathematische Notation Konstanten i komplexe Einheit i 2 + 1 = 0 e Eulersche Zahl Kreiszahl 2 Einführung in die mathematische Notation Bezeichner Primzahlen, Zähler
Mehr