Steiner Bäume. Überblick. Geschichte & verschiedene Varianten. Steinerbaum. Varianten & Anwendung. Komplexität
|
|
- Klemens Weiß
- vor 5 Jahren
- Abrufe
Transkript
1 Üerlick Steiner Bäume Dipl.-Mth. Mri Kndy Lehrstuhl für Algorithm Engineering, LS Einführung Definition und Motivtion Komplexität Approximtionslgorithmen Distnznetzwerk Heuristik Priml-Duler Algorithmus VO. Jnur 007 Steinerum Ungerichteter G=(V,E), Terminlknoten N V. Kntengewichte c: E R + Ein Steiner Bum T G (N)=(V,E ) von G ist: Bum mit V V, E E N V Gewicht von Steinerum: c(t G (N))=Σ e E c(e) 4 Steinerum Prolem: Finde den Steinerum T G* (N) vom minimlen Gewicht Geschichte & verschiedene Vrinten Pierre de Fermt (60 66) Frge: Gegeen Punkte in der Eene, finde den vierten, so dss die die Summe der Distnzen zu den nderen drei ist miniml. Gelöst von Toricelli vor 640 (Toricellipunkt) Verllgemeinerung uf n Knoten (unter nderem): Jco Steiner (796 86) Vrinten & Anwendung Vrinten: Geometrisches SBP euklidisch rektiliner SBP in Netzwerken Anwendungen: VLSI-Design Netzwerk Design Komplexität Steinerum Prolem ist NP-hrt uch wenn c(e)= für lle e E Polynomielle Spezilfälle N = Lösung ist der kürzester Weg zwischen den Kundenknoten (Dijkstr) N=V Lösung ist miniml spnnender Bum (Kruskl oder Prim)
2 Algorithmen für Steiner Bum Prolem Algorithmen (Auswhl): Approximtionslgorithmen Distnznetzwerk Heuristik Approximtion von Zelikovski (99) Priml-Dule Approximtion (Goemnn, Willimson 99) Exkte Verfhren Dynmische Progrmmierung (Dreyfus & Wgner 97) Brnch & Cut (exponentiell, gut in Prxis) Litertur: J. Cheriyn, R. Rvi: Approximtion lgorithms for network prolems. Lecture Notes, 998. (citeseer.ist.psu.edu/cheriyn98pproximtion.ht ml) V. Vzirni: Approximtion Algorithms. Springer Verlg 00 D. S. Hochum (Hrsg.): Approximtion Algorithms for NP-hrd Prolems. PWS Pulishing Compny 997 Distnznetzwerk Distnznetzwerk D G (W)=(W, E D, c D ) von G=(V,E): W V E D ={(u,v) u,v W} Kntengewichte c D (u,v)=länge des kürzesten Pfdes von u nch v in G Eigenschften von D G (W): Distnzgrph ist vollständig Für (u,v) E D : (u,v) E c D (u,v) c(u,v) c D erfüllt Dreiecksungleichung Distnznetzwerk Heuristik (DNH) Berechne Distnznetzwerk D G (N) Berechne miniml spnnenden Bum (MST) T D (N) in D G (N) Trnsformiere T D (N) D G (N) in ein G G: ersetze jede (u,v) T D (N) durch einen kürzesten (u,v)-pfd in G. G ist i.a. kein Bum Berechne MST T DNH uf G Beispiel Theorem: Güte von DNH d g 4 e h c f 4 d g g Für jede Instnz des Steinerum Prolems (G,N,c) gilt für die Lösung T DNH der Distnzwerkheuristik c(t DNH ) (-/ N )c(t G *(N)). Beweisskizze: z z z Betrchte T G *(N): Verdoppele die Knten Finde eine Eulertour L e z 4 Nummeriere v N uf L in der Alufreihenfolge: z,,z N,z N +, woei z N + =z
3 Beweisskizze: z z z z 4 c(l)=c(t G (N)) (*) i, s.d. L(z i,z i+ ) mit c(l(z i,z i+ )) c(l)/ N (**) o.b.d.a i= N Betrchte L =L \ L(z N,z N + ) Wegen (*) und (**) gilt c(l ) (-/ N )c(t N (G)) Zeige: c(t DNH ) c(l ): Knten (z i,z i+ ) mit c D (z i,z i+ ) c(l (z i,z i+ )) für i N - formen spnnenden Bum T in D G (N) c(t DNH ) c(t) c(l ) (-/ N )c(t N (G)) Lufzeit von DNH O( N ( E + V log V )) Vrinte von Mehlhorn (988) Besitzt denselen Approximtionsfktor Benötigt O( E + V log V ) Siehe: K. Mehlhorn, A fster pproximtion lgorithm for the Steiner prolem in Grphs, Informtion Processin Letters 7() (988), pp Formulierung ls Lineres Progrmm Lösung des Steinerum Prolems ist eine Kntenmenge F E In einem Steinerum T=(V(F),F) muss gelten: N V(F) T zshgd: Für u,v N muss mind. ein Pfd von u nch v existieren. S V, S N N muss lso gelten: F δ(s) ILP mit Hilfe von Schnittungleichungen Kntenvrilen x e =, flls e F x e =0, sonst min Σ e E c e x e Alterntive Schreiweise für die Schnittungleichungen: Σ e δ(s) x e S: S N N x e {0,} e E Σ e δ(s) x e f(s) S V woei hier f(s)= S: S N N und f(s)=0 sonst Priml-Duler Algorithmus LP-Relxierung und ds Dule Früher: priml-duler Algorithmus für ds polynonielle Prolem MWPM in iprtiten Grphen Eigenschft des Algorithmus: Primler und Duler komplementärer Schlupf erfüllt. Priml: min Σ e E c e x e Σ e δ(s) x e S: S N N x e 0 e E Dul: mx Σ S V y S Σ S:e δ(s) y S c e e E y S 0 S V Goemnn-Willimson (GW)-Algorithmus: priml-dul ls Approximtion für ds NP-hrte Steinerum Prolem. Nur primler Schlupf wird gefordert. Stz von komplementärem Schlupf: Priml: x e > 0 Σ S:e δ(s) y S = c e Dul: y S > 0 Σ e δ(s) x e =
4 Idee der Vorgehensweise Strte mit einer zulässigen dulen Lösung Konstruiere drus eine primle, die primlen komplementären Schlupf erfüllt. Diese primle Lösung nicht unedingt zulässig Wenn nicht, git eine Möglichkeit die dule Lösung zu veressern. Sold primle Lösung zulässig STOP Konkreter Lösung x von (P) induziert eine Kntenmenge F E Gesucht: F* E s.d. G =(V(F*), F*) Steinerum Zulässige Lösung von (D) liefert: F = { e E Σ S:e δ(s) y S = c e } F unzulässig (ggf. mehrere) S mit δ(s ) F =0 und f(s )=, lso Schnittungleichung verletzt Idee: Solnge F unzulässig: Erhöhe gleichzeitig und zulässig lle y S um ε>0, s.d. für eine Knte e E\F die dule Ungleichung mit = erfüllt ist Augmentiere F=F {e} Detils Frge: Wie findet mn die von ktuellem F verletzte Mengen S? Betrchte: G =(V, F) Zshgskomponenten von G : C,,C n C i heißt ktive Menge, flls C i N N (f(c i )=) C i liefert lso einen verletzten Schnitt Postprocessing Nch den Itertionen: F zulässig für (P) F knn enhält u.u. redundnte Knten Finde redundnte Knten (Knten, die den Zusmmenhng zersören würden) und entferne sie Beispiel: Bemerkung: Keine echte Teilmenge von C i verletzt die Schnittedingungen Zusmmenfssung: GW-Algorithmus Strt: y S =0 F= Γ={{v}: v V} Für lle v V d(v):=0 While C Γ ktiv Für jede e=(v,w), woei v C(v), w C(w), C(v) C(w) erechne ε(v,w): ε(v,w) = (c(v,w)-d(v)-d(w))/, flls C(v) und C(w) ktiv ε(v,w) = (c(v,w)-d(v)-d(w)), flls nur C(v) oder nur C(w) ktiv Wähle e*=(i,j) mit minimlem ε=ε(i,j) Für lle Knoten der ktiven Komponenten d(v):=d(v)+ ε F:=F {e*}, Γ:=Γ\{C(i),C(j)} {C(i) C(j)} Postprocessing Wie gut ist die Lösung? Die endgültige Lösung x (F E) und die zugehörige dule Lösung y erfüllen primle Optimlitätsedingung. Die entsprechende dule: y S > 0 Σ e δ(s) x e = ist nicht erfüllt. D y er zulässig, gilt: y S > 0 F δ(s) Knn mn F δ(s) nch oen schätzen und ddurch eine Approximtionsgüte leiten?
5 Lemm: Güte des Algorithmus GW Für jede Instnz des Steinerum Prolems (G,N,c) gilt für die Lösung T GW =(V(F ),F ) des priml-dulen Algorithmus c(t GW ) c(t G *(N)). Beweis: Zeige: Σ e F c e Σ s V y s c(t G *(N)) ) Σ s V y s c(t G *(N)) gilt wegen der schwchen Dulität. Zulässige dule Lösung ist untere Schrnke für ds primle Optimum. Beweis der Güte ) zeige Σ e F c e Σ S V y S Primler Schlupf ist für lle e F erfüllt Σ e F c e = Σ e F Σ S:e δ(s) y S = Σ S V Σ e δ(s) F y S = Σ S V δ(s) F y S Also z. zg. Σ S V δ(s) F y S Σ S V y S Induktion üer die Anzhl der Itertionen. Anfng: lle y S =0, lso erfüllt. Beweis der Güte Σ S V δ(s) F y S Σ S V y S Sei A = # ktiver Mengen Betrchte eine Itertion des Algorithmus Für lle ktiven S erhöhe: y S +ε l.s. erhöht sich um: εσ S ktiv δ(s) F r.s. erhöht sich um: εa zeige: εσ S ktiv δ(s) F εa zeige: Σ S ktiv δ(s) F A Beweis der Güte: Also zu zeigen: die durchschnittliche Anzhl der Lösungsknten im Schnitt einer ktiven Menge ist höchstens Wir konstruieren einen Grphen H us T GW : Die Knoten, die in dieser Itertion in einer Zusmmenhngskomponente liegen, zu einem Knoten verschmelzen. H ist ein Bum Durchschnittlicher Grd ller Knoten ist kleiner ls. Diverses Lufzeit: O( V log V ) mit Union-Find Beweis in der Üung Spezilfälle (zum Nchdenken ): GW-Algorithmus funktioniert wie N=V: Kruskl N =: Bidirektionler Dijkstr-Algorithmus Verwndte Proleme Prize-Collecting Steinerum Knoten us N nur ninden wenn rentel genug (Gewichte uch für Knoten) Steinerwld Mehrere Mengen N,,N p. Knoten us derselen Menge müssen verunden sein. Die nderen dürfen. Diverse Netzwerkdesign Proleme z.b. Knoten us N zweizusmmenhängend ninden, etc.
Steiner Bäume. Dipl.-Math. Maria Kandyba Lehrstuhl für Algorithm Engineering, LS VO 15. Januar 2007
Steiner Bäume Dipl.-Math. Maria Kandyba Lehrstuhl für Algorithm Engineering, LS11 12 VO 15. Januar 2007 Überblick Einführung Definition und Motivation Komplexität Approximationsalgorithmen Distanznetzwerk
MehrMinimierung von DFAs. Minimierung 21 / 98
Minimierung von DFAs Minimierung 21 / 98 Ein Beispiel: Die reguläre Sprche L({, } ) Wie stellt mn fest, o ein Wort ds Suffix esitzt? Ein erster Anstz: Speichere im ktuellen Zustnd die eiden zuletzt gelesenen
Mehr15. Kürzeste Wege. SS 2017 DuA - Kapitel 15 1
5. Kürzeste Wege t s SS DuA - Kpitel 5 Gewichtete Grphen Ein gewichteter Grph G ist ein Pr (V,E) zusmmen mit einer Gewichtsfunktion w, woei E V V un w: E IR. Für e E heißt w(e) s Gewicht von e. Für einen
MehrKürzeste Wege. möglich ist 6. Füge v zu S hinzu und setze d[v] d [v] (u,v) E. Datenstrukturen und Algorithmen 14. Elementare Graphalgorithmen
Algorithmus von Dijkstr: 1. Es sei S ie Menge er enteckten Knoten. Invrinte: Merke optimle Lösung für S: Für lle v S sei [v] = δ(s,v) ie Länge es kürzesten Weges von s nch v 3. Zu Beginn: S={s} un [s]=
Mehr2.6 Reduktion endlicher Automaten
Endliche Automten Jörg Roth 153 2.6 Reduktion endlicher Automten Motivtion: Wir sind n Automten interessiert, die mit möglichst wenigen Zuständen uskommen. Automten, die eine Sprche mit einem Minimum n
MehrFORMALE SYSTEME. Kleene s Theorem. Wiederholung: Reguläre Ausdrücke. 7. Vorlesung: Reguläre Ausdrücke. TU Dresden, 2.
FORMALE SYSTEME 7. Vorlesung: Reguläre Ausdrücke Mrkus Krötzsch Rndll Munroe, https://xkcd.com/851_mke_it_etter/, CC-BY-NC 2.5 TU Dresden, 2. Novemer 2017 Mrkus Krötzsch, 2. Novemer 2017 Formle Systeme
MehrEinführung in die Mathematik des Operations Research
Universität zu Köln Mthemtisches Institut Prof. Dr. F. Vllentin Dr. A. Gundert Einführung in die Mthemtik des Opertions Reserch Aufge (5+5= Punkte) Sommersemester 4 Lösungen zur Klusur (5. Septemer 4).
MehrMinimalautomat. Wir stellen uns die Frage nach dem. kleinsten DFA für eine reguläre Sprache L, d.h. nach einem DFA mit möglichst wenigen Zuständen.
Rechtslinere Sprchen Minimlutomt Es git lso sehr verschiedene endliche Beschreiungen einer regulären Sprche (DFA, NFA, rechtslinere Grmmtiken, reguläre Ausdrücke). Diese können ineinnder üersetzt werden.
MehrAlgorithmen und Datenstrukturen (Th. Ottmann und P. Widmayer) Folien: Editierdistanz Autor: Sven Schuierer
Algorithmen und Dtenstrukturen (Th. Ottmnn und P. Widmyer) Folien: Editierdistnz Autor: Sven Schuierer Institut für Informtik Georges-Köhler-Allee Albert-Ludwigs-Universität Freiburg 1 Editier-Distnz Gegeben:
MehrAutomaten und Formale Sprachen alias Theoretische Informatik. Sommersemester Kurzer Einschub: das Schubfachprinzip.
Reguläre Sprchen Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 0 Ds Pumping-Lemm Wir hen is jetzt vier Formlismen kennengelernt, mit denen wir eine reguläre Sprche ngeen können:
MehrAutomaten und formale Sprachen Notizen zu den Folien
5 Ds Pumping Lemm Schufchprinzip (Folie 144) Automten und formle Sprchen Notizen zu den Folien Im Block Ds Schufchprinzip für endliche Automten steht m n (sttt m > n), weil die Länge eines Pfdes die Anzhl
MehrReduktion. Seien A Σ und B Γ. Man sagt A ist reduzierbar auf B (A B) gdw. von speziellem Interesse: Polynomialzeitreduktion
Reduktion Seien A Σ und B Γ. Mn sgt A ist reduzierr uf B (A B) gdw. f : Σ Γ. x Σ.x A f(x) B Í* * A B von speziellem Interesse: Polynomilzeitreduktion ( pol ), logrithmische-pltz- Reduktion ( log ). F3
MehrFORMALE SYSTEME. 7. Vorlesung: Reguläre Ausdrücke. TU Dresden, 2. November Markus Krötzsch
FORMALE SYSTEME 7. Vorlesung: Reguläre Ausdrücke Mrkus Krötzsch TU Dresden, 2. November 2017 Rndll Munroe, https://xkcd.com/851_mke_it_better/, CC-BY-NC 2.5 Mrkus Krötzsch, 2. November 2017 Formle Systeme
MehrGliederung. Kapitel 1: Endliche Automaten
Gliederung 0. Motivtion und Einordnung 1. Endliche Automten 2. Formle Sprchen 3. Berechnungstheorie 4. Komplexitätstheorie 1.1. 1.2. Minimierungslgorithmus 1.3. Grenzen endlicher Automten 1/1, S. 1 2017
MehrFormale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 2 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder
Prof Dr J Giesl Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Üung 2 M Brockschmidt, F Emmes, C Fuhs, C Otto, T Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden us dem
MehrUniversität Karlsruhe Institut für Theoretische Informatik. Klausur: Informatik III
Nme Vornme Mtrikelnummer Lösungsvorschlg Universität Krlsruhe Institut für Theoretische Informtik o. Prof. Dr. P. Snders 8. März 2006 Klusur: Informtik III Aufgbe 1. Multiple Choice 10 Punkte Aufgbe 2.
MehrNumerische Mathematik Sommersemester 2013
TU Chemnitz 5. Februr 2014 Professur Numerische Mthemtik Prof. Dr. Oliver Ernst Dipl.-Mth. Ingolf Busch Dipl.-Mth. techn. Tommy Etling Numerische Mthemtik Sommersemester 2013 Musterlösungen zu nicht behndelten
Mehr4. Übungsblatt zu Theoretische Grundlagen der Informatik im WS 2015/16
Krlsruher Institut für Technologie Institut für Theoretische Informtik Prof. Dr. Peter Snders L. Hüschle-Schneider, T. Mier 4. Üungsltt zu Theoretische Grundlgen der Informtik im WS 2015/16 http://lgo2.iti.kit.edu/tgi2015.php
MehrUmwandlung von endlichen Automaten in reguläre Ausdrücke
Umwndlung von endlichen Automten in reguläre Ausdrücke Wir werden sehen, wie mn us einem endlichen Automten M einen regulären Ausdruck γ konstruieren knn, der genu die von M kzeptierte Sprche erzeugt.
MehrDEA1 Deterministische Version
Endliche Automten 4 Deterministische endliche Automten Zu dem nichtdeterministischen Automten EA git es eine deterministische Version. EA Akzeptor für Wörter üer X = { } mit mindestens einem führenden.
MehrAutomaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2011
Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 011 Dr. Snder Bruggink Üungsleitung: Jn Stückrth Snder Bruggink Automten und Formle Sprchen 1 Reguläre Sprchen Wir eschäftigen uns
MehrEinführung in die Mathematik des Operations Research
Universität zu Köln Mthemtishes Institut Prof. Dr. F. Vllentin ufge ( + 7 = 0 Punkte) Einführung in die Mthemtik des Opertions Reserh Sommersemester 0 en zur Klusur (7. Juli 0). Es seien M = {,..., n },
MehrAlgorithmische Bioinformatik I
Ludwig-Mximilins-Universität München Institut für Informtik Prof. Dr. Volker Heun Sommersemester 2016 Semestrlklusur 21. Juli 2016 Algorithmische Bioinformtik I Vornme Nme Mtrikelnummer Reihe Pltz Unterschrift
MehrKlausur TheGI 2 Automaten und Komplexität (Niedermeier/Hartung/Nichterlein, Sommersemester 2013)
Berlin, 17.07.2013 Nme:... Mtr.-Nr.:... Klusur TheGI 2 Automten und Komplexität (Niedermeier/Hrtung/Nichterlein, Sommersemester 2013) 1 2 3 4 5 6 7 8 Σ Bereitungszeit: mx. Punktezhl: 60 min. 60 Punkte
MehrDatenstrukturen & Algorithmen Lösungen zu Blatt 2 FS 12
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérle de Zurich Politecnico federle di Zurigo Federl Institute of Technology t Zurich Institut für Theoretische Informtik 29 Ferur 2012
Mehr18. Algorithmus der Woche Der Euklidische Algorithmus
18. Algorithmus der Woche Der Euklidische Algorithmus Autor Friedrich Eisenrnd, Universität Dortmund Heute ehndeln wir den ältesten ereits us Aufzeichnungen us der Antike eknnten Algorithmus. Er wurde
MehrÜberblick. TSP Vergleich der Lösungen. Das Travelling Salesman Problem. Nearest-Neighbor Heuristik für TSP
Kap..1 Heuristiken Kap.. Approximative Algorithmen und Gütegarantien Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 3. VO DAP SS 008 14. Juli 009 Überblick
MehrKap. 7.1 Heuristiken Kap. 7.2 Approximative Algorithmen und Gütegarantien
Kap. 7.1 Heuristiken Kap. 7.2 Approximative Algorithmen und Gütegarantien Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 23. VO DAP2 SS 2008 14. Juli 2009
MehrSpiele und logische Komplexitätsklassen
Spiele und logische Komplexitätsklssen Mrtin Horsch 26. Jnur 2006 Inhlt des Seminrvortrges Ehrenfeucht-Frïssé-Spiel mit k Mrken Formeln mit k Vrilen und logische Komplexitätsklssen k-vrileneigenschft logischer
Mehr2 2 Reguläre Sprachen. 2.6 Minimale DFAs und der Satz von Myhill-Nerode. Übersicht
Formle Systeme, Automten, Prozesse Übersicht 2 2.1 Reguläre Ausdrücke 2.2 Endliche Automten 2.3 Nichtdeterministische endliche Automten 2.4 Die Potenzmengenkonstruktion 2.5 NFAs mit ɛ-übergängen 2.7 Berechnung
MehrKlausur Formale Sprachen und Automaten Grundlagen des Compilerbaus
Klusur Formle Sprchen und Automten Grundlgen des Compilerus 25. Novemer 2014 Nme: Unterschrift: Mtrikelnummer: Kurs: Note: Aufge erreichre erreichte Nr. Punkte Punkte 1 10 2 10 3 12 4 11 5 9 6 6 7 11 8
Mehr5.1 Charakterisierung relativ kompakter und kompakter
Kpitel 5 Kompkte Mengen 5.1 Chrkterisierung reltiv kompkter und kompkter Mengen X sei im weiteren ein Bnchrum. Definition 5.1. Eine Menge K X heißt kompkt, wenn us jeder offenen Überdeckung von K eine
MehrLösungen zum Ergänzungsblatt 4
en zum Ergänzungsltt 4 Letzte Änderung: 23. Novemer 2018 Theoretische Informtik I WS 2018 Crlos Cmino Vorereitungsufgen Vorereitungsufge 1 Sei M = ({p, q, r}, {, }, δ, p, {q, r}) ein DEA mit folgender
MehrKlausur zur Vorlesung Grundbegriffe der Informatik 10. März 2009 mit Lösungsvorschlägen
Klusur zur Vorlesung Grundegriffe der Informtik 10. März 2009 mit Lösungsvorschlägen Klusurnummer Nme: Vornme: Mtr.-Nr.: Aufge 1 2 3 4 5 6 7 mx. Punkte 4 2 7 8 8 8 9 tts. Punkte Gesmtpunktzhl: Note: Aufge
Mehr4. Das quadratische Reziprozitätsgesetz.
4-1 Elementre Zhlentheorie 4 Ds udrtische Rezirozitätsgesetz Sei eine ungerde Primzhl, sei Z mit, 1 Frge: Wnn gibt es x Z mit x mod? Gibt es ein derrtiges x, so nennt mn einen udrtischen Rest modulo Legendre
MehrEinführung in den Compilerbau
Einführung in den Compileru Lexiklische Anlyse II Dr. Armin Wolf 3. Vorlesung SoSe 2010, Universität Potsdm Einführung in den Compileru 1 Lexiklische Anlyse Beispiel Geg.: T mit T = {0,1,2,4,7} (vom Strtzustnd
Mehr7-1 Elementare Zahlentheorie. 1 a ist quadratischer Rest modulo p, 1 falls gilt a ist quadratischer Nichtrest modulo p, 0 p a. mod p, so ist.
7-1 Elementre Zhlentheorie 7 Ds udrtische Rezirozitätsgesetz 70 Erinnerung Sei eine ungerde Primzhl, sei Z In 114 wurde ds Legendre-Symbol eingeführt: 1 ist udrtischer Rest modulo, 1 flls gilt ist udrtischer
MehrGeodäten. Mathias Michaelis. 28. Januar 2004
Geodäten Mthis Michelis 28. Jnur 2004 1 Vektorfelder Definition 1.1 Sei S 3 eine reguläre Fläche. Ein Vektorfeld uf S ist eine Abbildung v : S 3 so, dss v(p) T n S für lle p S. Ein Vektorfeld ordnet lso
Mehr7.9A. Nullstellensuche nach Newton
7.9A. Nullstellensuche nch Newton Wir hben früher bemerkt, dß zur Auffindung von Nullstellen einer gegebenen Funktion oft nur Näherungsverfhren helfen. Eine lte, ber wirkungsvolle Methode ist ds Newton-Verfhren
MehrEffiziente Algorithmen und Komplexitätstheorie
Effiziente Algorithmen und Komplexitätstheorie Vorlesung Ingo Wegener Vertretung Thoms Jnsen 10042006 1 Ws letzten Donnerstg geschh Linere Optimierung Wiederholung der Grundbegriffe und Aussgen M konvex
Mehra q 0 q 1 a M q 1 q 3 q 2
Prof Dr J Giesl Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Üung 4 M Brockschmidt, F Emmes, C Fuhs, C Otto, T Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden us dem
MehrMathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 14 MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR
Mthemtik: Mg. Schmid Wolfgng Areitsltt. Semester ARBEITSBLATT MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR Zunächst einml müssen wir den Begriff Sklr klären. Definition: Unter einem Sklr ersteht mn eine
MehrInhalt. Endliche Automaten. Automaten und Formale Sprachen. Franz Binder. Endliche Automaten. Deterministische Automaten
Formle Inhlt Reguläre Reguläre Formle Zustndsdigrmm Reguläre δ: Σ (Q Q Ω) Beispiel δ 0 δ 0 1 2 1 2 0 1 2 δ Formle Automt Reguläre Definition Ein nicht-deterministischer, endlicher Automt esteht us einer
MehrAlgorithmentheorie. 15 Suchen in Texten (1)
Algorithmentheorie 15 Suhen in Texten (1) Prof. Dr. S. Alers Suhe in Texten Vershiedene Szenrien: Sttishe Texte Literturdtennken Biliothekssysteme Gen-Dtennken WWW-Verzeihnisse Dynmishe Texte Texteditoren
MehrTheoretische Informatik WS 2014/2015
Prof. Dr. Andres Podelski Mtthis Heizmnn Alexnder Nutz Christin Schilling Probeklusur zur Vorlesung Theoretische Informtik WS 2014/2015 Die Klusur besteht us diesem Deckbltt und sieben Blättern mit je
MehrFranz Binder. Vorlesung im 2006W
Formle Reguläre und Formle Institut für Alger Johnnes Kepler Universität Linz Vorlesung im 2006W http://www.lger.uni-linz.c.t/students/win/ml Formle Inhlt Reguläre Reguläre Formle Zustndsdigrmm δ: Σ (Q
MehrÜberblick. Kap. 1.4: Minimum Weight Perfect Matching. 1.3 Blüten-Schrumpf Algorithmus für Maximum Matching
Kap. 1.4: Minimum Weight Professor Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering, LS11 4. VO 6. November 2006 Überblick kurze Wiederholung: 1.2 Blüten-Schrumpf-Algorithmus für Perfektes Matching
MehrGrundlagen des Maschinellen Lernens Kap 3: Lernverfahren in anderen Domänen
. Motivtion 2. Lernmodelle Teil I 2.. Lernen im Limes 2.2. Fllstudie: Lernen von Ptternsprchen 3. Lernverfhren in nderen Domänen 3.. 3.2. Entscheidungsbäume 3.3. Entscheidungsbäume über regulären Ptterns
MehrLineare Probleme und schwache
Vritionsrechnung Kpitel 7 Linere Probleme und schwche Lösungen 7.1 Qudrtische Funktionle Der einfchste Typ von Funktionlen, die ein Minimum hben können, sind die qudrtischen Funktionle. Sei ein Gebiet
MehrDatenstrukturen & Algorithmen Lösungen zu Blatt 2 FS 16
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérle de Zurich Politecnico federle di Zurigo Federl Institute of Technology t Zurich Institut für Theoretische Informtik 9. März 2016
Mehr2.6 Unendliche Reihen
2.6 Unendliche Reihen In normierten Räumen steht ds wichtige Werkzeug der Bildung von unendlichen Reihen zur Verfügung. Mn denke in diesem Zusmmenhng drn, dss mn in der Anlysis Potenz- und Fourierreihen
MehrSatz 6.5 (Mittelwertsatz der Integralrechnung) Sei f : [a, b] R stetig. Dann gibt es ein ξ [a, b], so dass. b a. f dx = (b a)f(ξ) f dx (b a)m.
Stz 6.5 (Mittelwertstz der Integrlrechnung) Sei f : [, b] R stetig. Dnn gibt es ein ξ [, b], so dss 9:08.06.2015 gilt. f dx = (b )f(ξ) Lemm 6.6 Sei f : [, b] R stetig und m f(x) M für lle x [, b]. Dnn
Mehr13. Quadratische Reste
ChrNelius: Zhlentheorie (SS 007) 3 Qudrtische Reste Wir ehndeln jetzt ei den Potenzresten den Sezilfll m und führen die folgende Begriffsildung ein: (3) DEF: Seien n und teilerfremd heißt qudrtischer Rest
MehrGrundlagen der Informatik
Grundlgen der Informtik Vorlesungsprüfung vom 02.03.2007 Gruppe B Lösung Nme: Mtrikelnummer: Zuerst itte Nme und Mtrikelnummer uf ds Titelltt schreien. Es sind keine Unterlgen und keine Temreit erlut.
MehrAutomaten, Spiele, und Logik
Automten, Spiele, und Logik Wohe 7 19. Mi 2014 Inhlt der heutigen Vorlesung Alternierende Automten Definition Verindung zu regulären Sprhen Komplementtion Engel und Teufel Ws ist eine nihtdeterministishe
Mehr(1 ξ) f (k) (ξ) + k! z x n+1. (n + 1)! 2 f (n + 1)!
0.. Lösung der Aufgbe. Wir schreiben f = sup{ f : [0, ]}. Für ξ ]0, [ und n N gibt es nch dem Stz von Tlor ein c ]ξ, [ so, dss: f = fξ + n ξ k f k ξ + k! k= Aus der Ttsche, dss f k 0 für lle k N ist, folgt
MehrSerie 13 Lösungsvorschläge
D-Mth Mss und Integrl FS 204 Prof. Dr. D. A. Slmon Serie 3 Lösungsvorschläge. Sei I := [, b] R ein kompktes Intervll und sei B 2 I die Borel-σ-Algebr. Def. Eine Funktion f : I R heisst von beschränkter
MehrFrank Heitmann 2/71. 1 Betrachten wir Σ für ein Alphabet Σ, so ist Σ die Menge
Formle Grundlgen der Informtik Kpitel 2 und reguläre Sprchen Frnk Heitmnn heitmnn@informtik.uni-hmurg.de 7. April 24 Frnk Heitmnn heitmnn@informtik.uni-hmurg.de /7 Alphet und Wörter - Zusmmengefsst Die
MehrHA-Lösung TA-Lösung Diskrete Strukturen Tutoraufgabenblatt 2. Besprechung in KW44
Technische Universität München Winter 08/9 Prof. J. Esprz / Dr. M. Luttenerger, C. Welzel 08//0 HA- TA- Diskrete Strukturen Tutorufgenltt Besprechung in KW Bechten Sie: Soweit nicht explizit ngegeen, sind
Mehr5. Übung Algorithmen II
Johnnes Singler, Prof. Snders 1 Johnnes Singler: KIT Universität des Lndes Bden-Württemberg und ntionles Forschungszentrum in der Helmholtz-Gemeinschft Institut für Theoretische www.kit.edu Informtik Orgnistorisches
MehrBerechenbarkeitstheorie 4. Vorlesung
1 Berechenbrkeitstheorie Dr. Institut für Mthemtische Logik und Grundlgenforschung WWU Münster WS 15/16 Alle Folien unter Cretive Commons Attribution-NonCommercil 3.0 Unported Lizenz. Reguläre Ausdrücke
MehrÜbungen zur Wiederholung quer durch den Stoff Vollständigkeit wird nicht garantiert, und einige sind umfangreicher als klausurtypisch.
Vorlesung Theoretische Informtik Sommersemester 2017 Dr. B. Bumgrten Üungen zur Wiederholung quer durch den Stoff Vollständigkeit wird nicht grntiert, und einige sind umfngreicher ls klusurtypisch. 1.
MehrHauptklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2011/2012
Institut für Theoretische Informtik Lehrstuhl Prof. Dr. D. Wgner Huptklusur zur Vorlesung Theoretische Grundlgen der Informtik Wintersemester 2011/2012 Hier Aufkleber mit Nme und Mtrikelnr. nbringen Vornme:
MehrEinführung in die Theoretische Informatik
Technische Universität München Fkultät für Informtik Prof. Tois Nipkow, Ph.D. Ssch Böhme, Lrs Noschinski Sommersemester 2011 Lösungsltt 4 20. Juni 2011 Einführung in die Theoretische Informtik Hinweis:
MehrKapitel IV Euklidische Vektorräume. γ b
Kpitel IV Euklidische Vektorräume 1 Elementrgeometrie in der Eene Sei E die Zeicheneene In der Schule lernt mn: (11) Stz des Pythgors: Sei E ein Dreieck mit den Seiten, und c, und sei γ der c gegenüerliegende
MehrVorlesung. Einführung in die mathematische Sprache und naive Mengenlehre
Vorlesung Einführung in die mthemtische Sprche und nive Mengenlehre 1 Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johnn-von-Neumnn-Hus Fchschft Menge ller Studenten eines Institutes Fchschftsrt
MehrVorkurs Theoretische Informatik
Vorkurs Theoretische Informtik Einführung in reguläre Sprchen Areitskreis Theoretische Informtik Freitg, 05.10.2018 Fchgruppe Informtik Üersicht 1. Chomsky-Hierchie 2. Automten NEA DEA 3. Grmmtik und Automten
MehrARBEITSBLATT 5L-6 FLÄCHENBERECHNUNG MITTELS INTEGRALRECHNUNG
Mthemtik: Mg. Schmid WolfgngLehrerInnentem RBEITSBLTT 5L-6 FLÄHENBEREHNUNG MITTELS INTEGRLREHNUNG Geschichtlich entwickelte sich die Integrlrechnug us folgender Frgestellung: Wie knn mn den Flächeninhlt
Mehr2. Klausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2016/2017
2. Klusur zur Vorlesung Theoretische Grundlgen der Informtik Wintersemester 2016/2017 Lösung! echten Sie: ringen Sie den Aufkleber mit Ihrem Nmen und Mtrikelnummer uf diesem Deckbltt n und beschriften
Mehrdem Verfahren aus dem Beweis zu Satz 2.20 erhalten wir zunächst die folgenden beiden ε-ndeas für die Sprachen {a} {b} und {ε} {a} +
Lösungen zu Üungsltt 3 Aufge 1. Es gilt L(( ) ) = ({} {}) {} = ({} {}) ({} {} + ). Mit dem Verfhren us dem Beweis zu Stz 2.20 erhlten wir zunächst die folgenden eiden -NDEAs für die Sprchen {} {} und {}
Mehr2. Klausur zur Vorlesung Informatik III Wintersemester 2003/2004
Universität Krlsruhe Theoretische Informtik Fkultät für Informtik WS 2003/04 ILKD Prof. Dr. D. Wgner 14. April 2004 2. Klusur zur Vorlesung Informtik III Wintersemester 2003/2004 Lösung! Bechten Sie: Bringen
MehrVorname: Nachname: Matrikelnummer: Studiengang (bitte ankreuzen): Technik-Kommunikation M.A.
Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Klusur 23.09.2010 Prof. Dr. J. Giesl M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder Vornme: Nchnme: Mtrikelnummer: Studiengng (itte nkreuzen):
MehrGrundlagen zu Datenstrukturen und Algorithmen Schmitt, Schömer SS 2001
Grundlgen zu Dtenstrukturen und Algorithmen Schmitt, Schömer SS 001 http://www.mpi-sb.mpg.de/~sschmitt/info5-ss01 U N S A R I V E R S A V I E I T A S N I S S Lösungsvorschläge für ds 4. Übungsbltt Letzte
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlgen der Informtik Übung 9. Übungstermin 09. Februr 2017 Mrcel Rdermcher INSTITUT FÜR THEORETISCHE INFORMATIK LEHRSTUHL ALGORITHMIK KIT Universität des Lndes Bden-Württemberg und ntionles
MehrMonte-Carlo-Integration
Monte-Crlo-Integrtion von Dietmr Herrmnn, Anzing Kurzfssung: An Hnd eines einfchen Beispiels wird gezeigt, dß jedes Integrl ls Erwrtungswert einer reellen Zufllsgröße ufgefßt werden knn. een einer symptotischen
MehrProf. Dr. Javier Esparza Garching b. München, den Klausur Einführung in die theoretische Informatik Sommer-Semester 2017
Prof. Dr. Jvier Esprz Grching. München, den 10.08.17 Klusur Einführung in die theoretische Informtik Sommer-Semester 2017 Bechten Sie: Soweit nicht nders ngegeen, ist stets eine Begründung zw. der Rechenweg
MehrWas nicht bewertet werden soll, streichen Sie bitte durch. Werden Täuschungsversuche beobachtet, so wird die Präsenzübung mit 0 Punkten bewertet.
Prof Dr Dr hc W Thoms Formle Systeme, Automten, Prozesse SS 2011 Musterlösung - Präsenzüung Dniel Neider, Crsten Otto Vornme: Nchnme: Mtrikelnummer: Studiengng (itte nkreuzen): Informtik Bchelor Informtik
MehrGrundlagen der Theoretischen Informatik
Grundlgen der Theoretischen Informtik 3. Endliche Automten (II) 28.04.2016 Vioric Sofronie-Stokkermns e-mil: sofronie@uni-koblenz.de 1 Übersicht 1. Motivtion 2. Terminologie 3. Endliche Automten und reguläre
MehrVorname: Nachname: Matrikelnummer: Studiengang (bitte ankreuzen): Technik-Kommunikation M.A.
Formle Systeme, Automten, Prozesse SS 2011 Musterlösung - Klusur 09082011 Prof Dr Dr hc W Thoms Dniel Neider, Crsten Otto Vornme: Nchnme: Mtrikelnummer: Studiengng (itte nkreuzen): Informtik Bchelor Informtik
MehrDef.: Sei Σ eine Menge von Zeichen. Die Menge Σ* aller Zeichenketten (Wörter) über Σ ist die kleinste Menge, für die gilt:
8. Grundlgen der Informtionstheorie 8.1 Informtionsgehlt, Entropie, Redundnz Def.: Sei Σ eine Menge von Zeichen. Die Menge Σ* ller Zeichenketten (Wörter) über Σ ist die kleinste Menge, für die gilt: 1.
MehrSuche in Texten: Suffix-Bäume
Suhe in Texten: Suffix-Bäume Prof. Dr. S. Alers Prof. Dr. Th. Ottmnn 1 Suhe in Texten Vershiedene Szenrios: Dynmishe Texte Texteditoren Symolmnipultoren Sttishe Texte Literturdtennken Biliothekssysteme
MehrEinführung in die Theoretische Informatik
Einführung in die Theoretische Informtik Johnnes Köler Institut für Informtik Humoldt-Universität zu Berlin WS 2011/12 Minimierung von DFAs Frge Wie können wir feststellen, o ein DFA M = (Z, Σ, δ, q 0,
MehrF ds= F ds. Theorem 1: "Stefanie Bayer" Wegintegrale und Kurvenintegrale
Wegintegrle und Kurvenintegrle Theorem : Sei F ein uf dem Weg = [, ] stetiges Vektorfeld und sei = [, ] Reprmeteristion von. Wenn richtungs-whrend ist, dnn gilt und wenn richtungs-wechselnd ist, dnn gilt
MehrRelationen: Äquivalenzrelationen, Ordnungsrelationen
TH Mittelhessen, Sommersemester 202 Lösungen zu Üungsltt 9 Fchereich MNI, Diskrete Mthemtik 2. Juni 202 Prof. Dr. Hns-Rudolf Metz Reltionen: Äquivlenzreltionen, Ordnungsreltionen Aufge. Welche der folgenden
MehrIII. Optimale Portfolioselektion
III. Optimle Portfolioselektion Schon bei der Bewertung meriknischer Optionen hben wir gesehen, dss Optimierungsprobleme in der Finnzmthemtik eine wichtige Rolle spielen. Ein weiteres Optimierungsproblem
MehrSei G = (V,E) ein gerichteter Graph. Ein geschlossener Pfad, der jede Kante in G genau einmal benutzt, heißt Euler-Tour.
1 2 Grundlgen der Theoretischen Informtik Till Mosskowski Fkultät für Informtik Otto-von-Guericke Universität Mgdeurg Komplexitätstheorie Wintersemester 201/15 Zeitkomplexität 3 Die Komplexitätsklsse P
MehrBisher haben wir keine Annahmen bzgl. der Sortierung der gegebenen Werte gemacht, d.h. sie durften in beliebiger Reihenfolge im Array a stehen
4.2.2 Binäre Suche Bisher hben wir keine Annhmen bzgl. der Sortierung der gegebenen Werte gemcht, d.h. sie durften in beliebiger Reihenfolge im Arry stehen Nehmen wir n, dss die Werte im Arry gemäß der
MehrZwei-Punkt Randwertprobleme. Fahed Bakar
Zwei-Punkt Rndwertprobleme Fhed Bkr Contents Inhltsverzeichnis II 1 Zwei-Punkt Rndwertprobleme (RWP) 1 1.1 Zwei-Punkt Rndwertprobleme.................... 1 1.2 Vritionle Formulierung des RWP..................
Mehr1 Metrische Räume. Sei X eine nichtleere Menge. Definition 1.1. Eine Abbildung: d : X X R heißt Metrik auf X, falls für alle x, y, z X gilt
Metrische Räume Sei X eine nichtleere Menge. Definition.. Eine Abbildung: d : X X R heißt Metrik uf X, flls für lle x, y, z X gilt (i) d(x, y) 0, (ii) d(x, y) = d(y, x), (iii) d(x, y) d(x, z) + d(z, y)
MehrEine endliche Folge von Operationen und Entscheidungen, die ein Problem in endlich vielen Schritten löst.
Formle Methoen er Informtik WS 00/0 Lehrstuhl für Dtennken un Künstliche Intelligenz ProfDrDrFJRermcher H Ünver T Rehfel J Dollinger Aufgenltt Besprechung in en Tutorien vom 000 ( Üungstermin) is 000 (is
Mehr/LQHDUH*OHLFKXQJVV\VWHPH
/LQHDUH*OHLFKXQJVV\VWHPH (für Grund- und Leistungskurse Mthemtik) 6W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP Nch dem Studium dieses Skripts sollten folgende Begriffe eknnt sein: Linere Gleichung; homogene
MehrMultiplikative Inverse
Multipliktive Inverse Ein Streifzug durch ds Bruchrechnen in Restklssen von Yimin Ge, Jänner 2006 Viele Leute hben Probleme dbei, Brüche und Restklssen unter einen Hut zu bringen. Dieser kurze Aufstz soll
MehrGliederung. Kapitel 1: Endliche Automaten
Gliederung. Einleitung und Grundegriffe. Endliche utomten 2. Formle Sprchen 3. Berechenrkeitstheorie 4. Komplexitätstheorie E: diversion.. Grundlgen.2..3. Grenzen endlicher utomten /2, S. 28 Prof. Steffen
Mehrping karlsruhe Mining Software Call Graphs Frank Eichinger
ping krlsruhe Motivtion Softwre Mining Cll-Grphen Grph Mining Trnsformtionen Auslik Mining Softwre Cll Grphs Frnk Eihinger Lehrstuhl Prof. Böhm Institut für Progrmmstrukturen und Dtenorgnistion (IPD) Universität
MehrAutomaten und formale Sprachen Notizen zu den Folien
5 Ds Pumping Lemm Shufhprinzip (Folie 137) Automten und formle Sprhen Notizen zu den Folien Im Blok Ds Shufhprinzip für endlihe Automten steht m n (sttt m > n), weil die Länge eines Pfdes die Anzhl von
Mehr