LPL - Linear Programming Language

Größe: px
Ab Seite anzeigen:

Download "LPL - Linear Programming Language"

Transkript

1 LPL - Linear Programming Language Ein Matrix-Generator Tony Hürlimann LPL-Einführung 1

2 Agenda (0) 1. Grundelemente eines Modells 2. Erstellung eines LPL-Programms 3. Beispiel "kommune.lpl" 4. Verbindung zum Optimierer XA LPL-Einführung 2

3 Agenda (1) 1. Grundelemente eines Modells 2. Erstellung eines LPL-Programms 3. Beispiel "kommune.lpl" 4. Verbindung zum Optimierer XA LPL-Einführung 3

4 Grundelemente eines Modells MODEL SET PARAMETER VARIABLE CONSTRAINT MAXIMIZE END LPL-Einführung 4

5 MODEL-Sektion MODEL Kommune; Ein Kommentar kann eingefügt werden, indem er in (*Text*) hinter dem Semikolon eingefügt wird. MODEL kommune; (*Beispiel*) LPL-Einführung 5

6 SET-Sektion SET i = /1 2 3/; j = /1:3/; (*In dieser Sektion werden die Indexmengen definiert, und es können sofort die Werte zugeordnet werden*) LPL-Einführung 6

7 Besonderheiten der SET-Definition Der Index wird intern als Zahl verarbeitet. Da er als Zahlenwert wenig aussagekräftig ist, kann man einen sog. ALIAS-Name vergeben, der hinter dem Index durch Punkt getrennt angefügt wird: Index.Alias Kommentar kann wieder hinter dem Semikolon in (* Kommentar *) eingefügt werden: i = / 1.alias1 2.alias2 3.alias3 /; (* Kommentar *) Beispiel: j = / 1.K1 2.K2 3.K3 /; (* Kommunen *) i = / 1.ZU 2.BA 3.HI /; (* Pflanzsorten *) LPL-Einführung 7

8 PARAMETER-Sektion In dieser Sektion werden alle Daten symbolisch definiert. Es können durch die gleich Zuweisung unmittelbar folgend die Datenwerte zugewiesen werden LPL-Einführung 8

9 PARAMETER-Definition 1 Syntax: name1 = wert1; (* Einzelwert *) name2 {Indexmenge} = [wert1 wert2.. ]; Mehrfachindizierte Parameter: name{i-menge1,j-menge2} = Wertzuweisung; LPL-Einführung 9

10 PARAMETER-Definition 2 Wertzuweisung: name {i,j} = /: : 1 w11 w12 w13 2 w21 w22 w23 3 w31 w32 w33/; (* Text *) Fall der Name nicht aussagekräftig genug ist, kann man einen (* Kommentar *) anfügen LPL-Einführung 10

11 PARAMETER - land {j} = [ ]; untergrenze {i,j} = /: : /; obergrenze {i,j} = /: : /; wasser {j} = [ ]; quote {i} = [ ]; faktor {j} = [ ]; ertrag {i} = [ ]; LPL-Einführung 11

12 VARIABLE-Sektion In dieser Sektion werden die Variablen definiert. Gleichzeitig kann man zwischen kontinuierlichen und ganzzahligen Variablen unterscheiden. Schließlich kann man sinnvolle Namen konstruieren LPL-Einführung 12

13 VARIABLE 1 Syntax: name1; (* Einzelvariable *) name2 {i}; (* Einfach indizierte V. *) name3 {i,j}; (* Mehrfach indizierte V. *) LPL-Einführung 13

14 VARIABLE 2 Es ist sinnvoll, den Variablen mnemotechnische Namen zu geben. Die Namen können laut LPL-Syntax fast beliebig lang sein; sie müssen mit einem Buchstaben beginnen. Wichtig: Der anschließende Optimierer XA unterscheidet nur Namen der Länge mit 8 Zeichen! LPL-Einführung 14

15 VARIABLE-Definition 1 Der Name der Variablen wird durch einen String nach der Definition und vor dem Semikolon gebildet: variablenname 'string'; Ein String 'string' = 'za1a2' besteht aus: z = eine Zahl, die angibt, wie viele der ersten z Buchstaben des Variablennamens verwendet werden. a1 und a2 sind die ALIAS der Indizes 1 und 2 ersetzt LPL-Einführung 15

16 VARIABLE-Definition 2 Die Variablen des Beispiels: anbau {i,j}; Jetzt würden i bzw. j durch die Indizes der Mengen i und j ersetzt. Unter Benutzung der ALIAS: anbau {i,j} '4a1a2'; Jetzt würden i bzw. j durch die ALIAS der Mengen i und j ersetzt: anbazuk1 Anbau von Zucker in Komm.K LPL-Einführung 16

17 CONSTRAINT-Sektion Dieser Teil enthält die Nebenbedingungen des Modells und die Definition der Zielfunktion. Nebenbedingung: name: funktional = rechte Seite; Zielfunktion: zielname: funktional; LPL-Einführung 17

18 CONSTRAINT-Definition: name Einzelname: name: einfach indizierter Name: name {i}: mehrfach indiz. Name: name {i,j}: bedingter Name: name {i log. Beding.}: log. Bedingung: i<=10; i>4: i<>5; name{i,j name2} nur falls name2 ungleich dem Default-Wert LPL-Einführung 18

19 Beispiele von NB-Namen nebenbedingung: flaeche {i}: lowerbounds {i,j untergrenze}: gewinn LPL-Einführung 19

20 CONSTRAINT-Definition: funktional Ein Funktional ist ein nach den Regeln der Arithmetik aufgebauter Ausdruck. Operatoren: +, -, *, SUM{i} Indizes sind in eckige Klammern zu setzen, wenn sie keine Mengen sind LPL-Einführung 20

21 Beispiele für Funktionale lbound {i,j}: anbau[i,j]<=ugrenze[i,j]; flaeche{i}: SUM{i} anbau[i,j]<=land{j}; kont{j}: SUM{i} verbrauch[i]*anbau[i,j] <= wasser {j}; gewinn: SUM{i,j} ertrag[i]*anbau[i,j]; LPL-Einführung 21

22 Alternative Formulierungen lbound {i,j}: anbau[i,j] <= ugrenze[i,j];! lbound {i,j}: anbau <= ugrenze; flaeche {j}: SUM{i} anbau <= land;! flaeche {i}: SUM{i} anbau[i,j] <= land{j}; kont {j}: SUM{i} verbrauch[i] * anbau[i,j] <= wasser[j];! kont {j}: SUM{i} verbrauch * anbau <= wasser; LPL-Einführung 22

23 Zielfunktion Die Zielfunktion ist ein Funktional ohne rechte Seite: gewinn: SUM{i,j} ertrag * anbau; Die Optimierungsrichtung wird durch MAXIMIZE bzw. MINIMIZE bestimmt: MAXIMIZE gewinn; LPL-Einführung 23

24 END-Sektion Jedes Programm wird beschlossen durch: END (ohne Semikolon!) LPL-Einführung 24

25 Agenda (2) 1. Grundelemente eines Modells 2. Erstellung eines LPL-Programms 3. Beispiel "kommune.lpl" 4. Verbindung zum Optimierer XA LPL-Einführung 25

26 Das Problem Kibbuz j Fläche f j [ha] Wassermenge w j [1.000 m 3 ] Wasserfaktor m j , , ,10 Pflanzsorte i Wasserverbrauch v i [1.000 m 3 /ha] Nettoertrag e i [ME/ha] Maxfläche s i [ha] Zuckerrüben Baumwolle Hirse LPL-Einführung 26

27 Das algebraische Modell Anbaufläche: x f für alle Kibbuzim j Wasserkontingent: m v x w für alle Kibbuzim j Sortenfläche: x s für alle Pflanzsorten i Anbaurelation 12: Anbaurelation 23: j i j i ij j i Ertrag: z = e x Ziel i i ij i x x i i 2 x x ij i1 i i = Maximiere z j f f j 1 i2 2 = f f 2 i3 3 i (Kibbuz 2: Kibbuz 3) (Kibbuz 2: Kibbuz 3) ij LPL-Einführung 27

28 Das LPL-Modell MODEL Kommune; SET i = /1.ZU 2.BA 3.HI/; (*Pflanzsorten*) j = /1.K1 2.K2 3.K3/; (*Kommunen*) PARAMETER land{j} = [ ]; untergrenze{i,j} = /: : /; obergrenze{i,j} = /: : /; wasser{j} = [ ]; quote{i} = [ ]; verbrauch{i} = [ ]; faktor{j} = [ ]; ertrag{i} = [ ]; VARIABLE anbau{i,j} '3a1a2'; CONSTRAINT lowerbounds{i,j untergrenze} '4a1a2': anbau >= untergrenze; upperbounds{i,j obergrenze} '4a1a2': anbau <= obergrenze; flaeche{j} '6a1': SUM{i} anbau[i,j] <= land; kontingent{j} '6a1': SUM{i} verbrauch*faktor[j]*anbau[i,j] <= wasser; grenze{i} '6a1': SUM{j} anbau[i,j] <= quote; A12: land[2]*(sum{i} anbau[i,1]) = land[1]*(sum{i} anbau[i,2]); A23: land[3]*(sum{i} anbau[i,2]) = land[2]*(sum{i} anbau[i,3]); gewinn: SUM{i,j} ertrag[i] * anbau[i,j]; MAXIMIZE gewinn; END LPL-Einführung 28

29 Agenda (4) 1. Grundelemente eines Modells 2. Erstellung eines LPL-Programms 3. Beispiel "kommune.lpl" 4. Verbindung zum Optimierer XA LPL-Einführung 29

30 Der Optimierer XA Mächtiges LP/IP-Softwareprodukt für PC Jim Byer, Sunset Software Technology Wird automatisch von LPL aufgerufen Verkürzte Ausgabe des Ergebnisses in der Datei $$$.SOL Komplette Ausgabe des Ergebnisses in der Datei $$$.PRN LPL-Einführung 30

31 SOL-Datei "MPSXNAME","$$$ ","Tue Apr 06 09:36: ","MAX" 11, 9, , 10 "anbzuk1 ", , , ,"IN ","anbbak1 ", ,"(NB) ", "anbzuk2 ", , , ,"LOWER","(NB) ", ,"(RS) ", "anbzuk3 ", , , ,"IN ","kontink3", ,"anbBAK3 ", "anbbak1 ", , , ,"LOWER","(NB) ", ,"(RS) ", "anbbak2 ", , , ,"IN ","anbzuk2 ", ,"grenzeHI", "anbbak3 ", , , ,"UPPER","(RS) ", ,"(NB) ", "anbhik1 ", , , ,"LOWER","(NB) ", ,"(RS) ", "anbhik2 ", , , ,"IN ","grenzehi", ,"anbZUK2 ", "anbhik3 ", , , ,"IN ","grenzehi", ,"anbBAK3 ", "flaechk1", , , ,"IN ","LE","(RS) ", ,"(NB) ", "flaechk2", , , ,"IN ","LE","(RS) ", ,"(NB) ", "flaechk3", , , ,"IN ","LE","(RS) ", ,"(NB) ", "kontink1", , , ,"IN ","LE","(RS) ", ,"(NB) ", "kontink2", , , ,"UPPER","LE","anbHIK3 ", ,"anbZUK3 ", "kontink3", , , ,"UPPER","LE","anbZUK3 ", ,"anbZUK3 ", "grenzezu", , , ,"IN ","LE","(RS) ", ,"(NB) ", "grenzeba", , , ,"IN ","LE","(RS) ", ,"(NB) ", "grenzehi", , , ,"UPPER","LE","anbBAK2 ", ,"anbZUK3 ", "A12 ", , , ,"LOWER","EQ","anbZUK1 ", ,"kontinK1", "A23 ", , , ,"LOWER","EQ","anbZUK3 ", ,"anbHIK3 ", LPL-Einführung 31

32 PRN-Datei (Statistik) STATISTICS - FILE: $$$ TITLE: MPSXNAME Tue Apr 06 09:36: xa VERSION 10.0 Intel Extended-DOS x86 USABLE MEMORY 7,605K BYTES VARIABLES 9 MAXIMUM 50,000 3 LOWER, 0 FIXED, 4 UPPER, 0 FREE CONSTRAINTS 11 MAXIMUM 10,000 0 GE, 2 EQ, 9 LE, 0 NULL/FREE, 0 RANGED. CAPACITY USED BY CATEGORY- 0.0% VARIABLE, 0.1% CONSTRAINT, 48 NON-ZEROS, WORK 778,338 MAXIMIZATION. MPS FORMAT- OBJECTIVE: gew RHS:..rhs RANGE:? BOUND: Bounds O P T I M A L S O L U T I O N ---> OBJECTIVE SOLVE TIME 00:00:00 ITER 10 MEMORY USED 0.0% LPL-Einführung 32

33 PRN-Datei (Variablen) File: $$$ Tue Apr 06 09:36: Page 1 SOLUTION (Maximized): MPSXNAME Variable Activity Cost Variable Activity Cost I anbzuk anbzuk REDUCED COST REDUCED COST I anbzuk anbbak REDUCED COST REDUCED COST I anbbak U anbbak REDUCED COST REDUCED COST anbhik I anbhik REDUCED COST REDUCED COST I anbhik REDUCED COST LPL-Einführung 33

34 PRN-Datei (Nebenbedingungen) File: $$$ Tue Apr 06 09:36: Page 2 CONSTRAINTS: MPSXNAME Constraint Activity RHS Constraint Activity RHS I flaechk < I flaechk < DUAL VALUE DUAL VALUE I flaechk < I kontink < DUAL VALUE DUAL VALUE kontink < kontink < DUAL VALUE DUAL VALUE I grenzezu < I grenzeba < DUAL VALUE DUAL VALUE grenzehi < A = DUAL VALUE DUAL VALUE A = DUAL VALUE LPL-Einführung 34

N ---> INFEASIBILTY SOLVE TIME 00:00:00 ITER 1 MEMORY USED 0.0%

N ---> INFEASIBILTY SOLVE TIME 00:00:00 ITER 1 MEMORY USED 0.0% Aufgabe 2.1: MODEL Beispiel1.1.; = /1 2 3/; i= /1:3/; x{}; PARAMETER A{i,}= /: 1 2 3 : 1 2 3 0 2 1-8 7 3 4 2 1 /; b{i}=[8 5-1]; Zielfunktionswert{}=[2-1 -3]; NB{i}: SUM{} A*x

Mehr

Modellbildung. Produktions- und Absatzplanung. in der. Thema. Fachbereich Wirtschaftswissenschaften BWL insb. Quant. Meth., Prof. Dr. D.

Modellbildung. Produktions- und Absatzplanung. in der. Thema. Fachbereich Wirtschaftswissenschaften BWL insb. Quant. Meth., Prof. Dr. D. Thema Modellbildung in der Produktions- und Absatzplanung Produktions- und Absatzplanung 1 Agenda 1. Grundmodell (LPL-Basis) 2. Modifikationen des Grundmodells 3. Weitere Modelle Produktions- und Absatzplanung

Mehr

Modellieren mit AMPL

Modellieren mit AMPL Modellieren mit AMPL Elisabeth Gassner Mathematische Modelle in den Wirtschaftswissenschaften Prof. R. E. Burkard 27. April 2007 E. Gassner (Mathematische Modelle) AMPL 27. April 2007 1 / 21 Überblick

Mehr

Operations Research für Logistik

Operations Research für Logistik Operations Research für Logistik Lineare Optimierung (170.202) Ao. Univ. - Prof. Norbert SEIFTER Dipl. - Ing. Stefanie VOLLAND Sommersemester 2012 Lehrstuhl Industrielogistik Lineare Optimierung Inhalte:

Mehr

6. Softwarewerkzeuge für die Lineare Programmierung

6. Softwarewerkzeuge für die Lineare Programmierung 6. Softwarewerkzeuge für die Lineare Programmierung Inhalt 6. Softwarewerkzeuge für die Lineare Programmierung GNU Linear Programming Kit Operations Research I Hochschule Bonn-Rhein-Sieg, SS 2013 314 GNU

Mehr

Übersicht Shell-Scripten

Übersicht Shell-Scripten !!!! Wichtig: Bei Shell-Scripten enden die Zeilen nicht mit einem Strichpunkt!!!! Erste Zeile eines Shell-Scripts: #! /bin/bash Variablen in Shell-Scripts: Variablennamen müssen mit einem Buchstaben beginnen,

Mehr

Eine kurze Beschreibung zu AMPL und CPLEX

Eine kurze Beschreibung zu AMPL und CPLEX Welchen Kuchen backt Bernd Brezel? Lineare Optimierung Eine kurze Beschreibung zu AMPL und CPLEX Prof. Dr. Andrea Walther Institut für Mathematik Universität Paderborn 1 1 Das allgemeines Vorgehen Zur

Mehr

LINGO: Eine kleine Einführung

LINGO: Eine kleine Einführung LINGO: Eine kleine Einführung Jun.-Prof.Dr. T. Nieberg Lineare und Ganzzahlige Optimierung, WS 2009/10 LINDO/LINGO ist ein Software-Paket, mit dessen Hilfe (ganzzahlige) lineare Programme schnell und einfach

Mehr

Vorbemerkung. Allgemeines zu Shell Scripts. Aufruf. Einfaches Beispiel

Vorbemerkung. Allgemeines zu Shell Scripts. Aufruf. Einfaches Beispiel Inhalt: Vorbemerkung...1 Allgemeines zu Shell Scripts...1 Aufruf...1 Einfaches Beispiel...1 Testen eines Shell-Scripts...2 Kommandozeilen-Parameter...2 Prozeßsteuerung...3 Bedingte Ausführung: if...3 Mehrfachentscheidung:

Mehr

JavaScript. Dies ist normales HTML. Hallo Welt! Dies ist JavaScript. Wieder normales HTML.

JavaScript. Dies ist normales HTML. Hallo Welt! Dies ist JavaScript. Wieder normales HTML. JavaScript JavaScript wird direkt in HTML-Dokumente eingebunden. Gib folgende Zeilen mit einem Texteditor (Notepad) ein: (Falls der Editor nicht gefunden wird, öffne im Browser eine Datei mit der Endung

Mehr

1. Referenzdatentypen: Felder und Strings. Referenz- vs. einfache Datentypen. Rückblick: Einfache Datentypen (1) 4711 r

1. Referenzdatentypen: Felder und Strings. Referenz- vs. einfache Datentypen. Rückblick: Einfache Datentypen (1) 4711 r 1. Felder und Strings Eigenschaften von Referenzdatentypen 1. Referenzdatentypen: Felder und Strings Referenzdatentypen sind Konstrukte, mit deren Hilfe wir aus einfachen Datentypen neue eigene Typen erzeugen

Mehr

1. Referenzdatentypen: Felder und Strings

1. Referenzdatentypen: Felder und Strings 1. Felder und Strings Eigenschaften von Referenzdatentypen 1. Referenzdatentypen: Felder und Strings Referenzdatentypen sind Konstrukte, mit deren Hilfe wir aus einfachen Datentypen neue eigene Typen erzeugen

Mehr

Veranstaltung und Übung: Optimierungssysteme Modelle, Software, Praxisanwendungen. Uwe Suhl Veronika Waue SS 2008

Veranstaltung und Übung: Optimierungssysteme Modelle, Software, Praxisanwendungen. Uwe Suhl Veronika Waue SS 2008 Veranstaltung 10033025 und 101053 Übung: Optimierungssysteme Modelle, Software, Praxisanwendungen Uwe Suhl Veronika Waue SS 2008 Organisatorisches Veronika Waue Sprechstunde Mi.11h-12h (R214) E-mail: veronika@waue.net

Mehr

Projekt 3 Variablen und Operatoren

Projekt 3 Variablen und Operatoren Projekt 3 Variablen und Operatoren Praktisch jedes Programm verarbeitet Daten. Um mit Daten programmieren zu können, muss es Möglichkeiten geben, die Daten in einem Programm zu verwalten und zu manipulieren.

Mehr

PuLP ein Python LP-Modellierer

PuLP ein Python LP-Modellierer PuLP ein Python LP-Modellierer How to use PuLP Dr. Klaus Ladner Institut für Statistik und Operations Research 1. Dezember 2016 Was ist PuLP? Ein LP-Modellierer CBC (COIN-OR Branch und Cut) Solver PuLP

Mehr

F Zeiger, Felder und Strukturen in C

F Zeiger, Felder und Strukturen in C F Zeiger, Felder und Strukturen in C F Zeiger, Felder und Strukturen in C F.1 Zeiger(-Variablen) 1 Einordnung Konstante: Bezeichnung für einen Wert a 0110 0001 Variable: Bezeichnung eines Datenobjekts

Mehr

C++ - Objektorientierte Programmierung Konstruktoren und Destruktoren

C++ - Objektorientierte Programmierung Konstruktoren und Destruktoren C++ - Objektorientierte Programmierung Konstruktoren und Destruktoren hat eine Kantenlänge hat eine Füllfarbe Kantenlänge setzen Füllfarbe lesen Volumen berechnen Leibniz Universität IT Services Anja Aue

Mehr

3.1 Allgemeines. Abbildung 3.1: Eröffnungsmenü einer Excel-Mappe

3.1 Allgemeines. Abbildung 3.1: Eröffnungsmenü einer Excel-Mappe 3.1 Allgemeines Nach Aufruf des Programms-MS-Excel wird eine leere Datei, auch als Arbeitsmappe oder Excel-Worksheet als bezeichnet, geöffnet (= Abb. 3.1). Eine Arbeitsmappe besteht aus einem Stapel von

Mehr

Rechnerpraktikum zu Grundlagen der Nichtlinearen Optimierung

Rechnerpraktikum zu Grundlagen der Nichtlinearen Optimierung Rechnerpraktikum zu Grundlagen der Nichtlinearen Optimierung 18.3.14-20.3.14 Dr. Florian Lindemann Moritz Keuthen, M.Sc. Technische Universität München Garching, 19.3.2014 Kursplan Dienstag, 18.3.2014

Mehr

Optimierung für Nichtmathematiker

Optimierung für Nichtmathematiker Technische Universität Chemnitz Chemnitz, 19.10.2009 Prof. Dr. C. Helmberg, A. Lau Optimierung für Nichtmathematiker Übung 2 Einführung in die Modellierungssprache AMPL 1. Wir betrachten zunächst das Mozartproblem

Mehr

Rechnerpraktikum zur Nichtlinearen Optimierung

Rechnerpraktikum zur Nichtlinearen Optimierung Rechnerpraktikum zur Nichtlinearen Optimierung 9. März 2016 11. März 2016 Sebastian Garreis, B. Sc. Philipp Jarde, M. Sc. Technische Universität München Fakultät für Mathematik Lehrstuhl für Mathematische

Mehr

maximize Profit: sum {j in P} c[j] * X[j]; subject to Zeit: sum {j in P} (1/a[j]) * X[j] <= beta; subject to Grenzen {j in P}: 0 <= X[j] <= u[j];

maximize Profit: sum {j in P} c[j] * X[j]; subject to Zeit: sum {j in P} (1/a[j]) * X[j] <= beta; subject to Grenzen {j in P}: 0 <= X[j] <= u[j]; AMPL-Modell für beliebige Produkte (myprod.mod) set P; param a {j in P}; param beta; param c {j in P}; param u {j in P}; var X {j in P}; maximize Profit: sum {j in P} c[j] * X[j]; subject to Zeit: sum

Mehr

Optimization in Business Applications: 2. Modeling principles

Optimization in Business Applications: 2. Modeling principles Optimization in Business Applications: 2. Modeling principles IGS Course Dynamic Intelligent Systems Part 2 Universität Paderborn, June July 2010 Leena Suhl www.dsor.de Prof. Dr. Leena Suhl, suhl@dsor.de

Mehr

1 EINFÜHRUNG PROGRAMMAUFBAU IN C++

1 EINFÜHRUNG PROGRAMMAUFBAU IN C++ 1 EINFÜHRUNG PROGRAMMAUFBAU IN C++ Leitidee: Genaueres Verständnis der C++-Syntax an Hand von Syntaxdiagrammen Lexikalische Struktur von C++ Vereinbarungen: Definition / Deklaration Beispiele für Variablen-

Mehr

Einführung in Softwaretools zur Nichtlinearen Optimierung

Einführung in Softwaretools zur Nichtlinearen Optimierung Einführung in Softwaretools zur Nichtlinearen Optimierung 3. April 2017 5. April 2017 Sebastian Garreis, M. Sc. (hons) Johannes Haubner, M. Sc. Technische Universität München Fakultät für Mathematik Lehrstuhl

Mehr

Einführung in die Informatik: Programmierung und Software-Entwicklung, WS 12/13. Kapitel 3. Grunddatentypen, Ausdrücke und Variable

Einführung in die Informatik: Programmierung und Software-Entwicklung, WS 12/13. Kapitel 3. Grunddatentypen, Ausdrücke und Variable 1 Kapitel 3 Grunddatentypen, Ausdrücke und Variable 2 Eine Datenstruktur besteht aus Grunddatentypen in Java einer Menge von Daten (Werten) charakteristischen Operationen Datenstrukturen werden mit einem

Mehr

Variablen in MATLAB. Unterschiede zur Mathematik: Symbolisches und numerisches Rechnen. Skriptdateien. for-schleifen.

Variablen in MATLAB. Unterschiede zur Mathematik: Symbolisches und numerisches Rechnen. Skriptdateien. for-schleifen. Variablen in MATLAB. Unterschiede zur Mathematik: Symbolisches und numerisches Rechnen. Skriptdateien. for-schleifen. Wir wollen uns heute dem Thema Variablen widmen und uns damit beschäftigen, wie sich

Mehr

Einführung in die Programmierung (MA8003)

Einführung in die Programmierung (MA8003) Theorie 1.2: Vektoren & Matrizen II, Funktionen, Indizierung Dr. Lorenz John Technische Universität München Fakultät Mathematik, Lehrstuhl für Numerische Mathematik M2 04.10.2016 Theorie 1.2: Inhalt 1

Mehr

This image cannot currently be displayed. Java à Matlab. bereitgestellt von Dr. Lukas Faessler 12/4/17

This image cannot currently be displayed. Java à Matlab. bereitgestellt von Dr. Lukas Faessler 12/4/17 This image cannot currently be displayed. Java à Matlab bereitgestellt von Dr. Lukas Faessler 12/4/17 Allgemeine Programmierkonzepte kommen in verschiedenen Programmiersprachen vor sind langlebig Sprachen

Mehr

Einführung in die Programmierung (MA8003)

Einführung in die Programmierung (MA8003) Theorie 1.2: Vektoren & Matrizen II, Funktionen, Indizierung Dr. Laura Scarabosio Technische Universität München Fakultät Mathematik, Lehrstuhl für Numerische Mathematik M2 04.10.2017 Theorie 1.2: Inhalt

Mehr

Inhalt. 4.5 Arbeit mit Zeigern (engl. Pointer)

Inhalt. 4.5 Arbeit mit Zeigern (engl. Pointer) Inhalt Inhalt: 4. Programmiersprache C 4.1 Programmaufbau in C 4.2 Basisdatentypen und einfache Anweisungen 4.3 Steuerfluss-Konstrukte 4.4 Arbeit mit indizierten Größen (Felder) 4.5 Arbeit mit Zeigern

Mehr

Angewandte Mathematik und Programmierung

Angewandte Mathematik und Programmierung Angewandte Mathematik und Programmierung Einführung in das Konzept der objektorientierten Anwendungen zu wissenschaftlichen Rechnens mit C++ und Matlab SS2013 Inhalt Bis jetzt: Heute: Entwicklungsumgebung

Mehr

2. Programmierung in C

2. Programmierung in C 2. Programmierung in C Inhalt: Überblick über Programmiersprachen, Allgemeines zur Sprache C C: Basisdatentypen, Variablen, Konstanten, Operatoren und Ausdrücke Anweisungen und Kontrollstrukturen (Steuerfluss)

Mehr

Einführung in Mathematica

Einführung in Mathematica Einführung in Mathematica Carsten Rezny Institut für Angewandte Mathematik, Universität Bonn Einstieg Mathematica ist eine mathematische Allzweck-Software, die vor allem für ihre Stärken im Umgang mit

Mehr

Als Instanz für das p-median Problem wählen wir das Netzwerk von Abbildung 1-1 des Buches auf Seite 6.

Als Instanz für das p-median Problem wählen wir das Netzwerk von Abbildung 1-1 des Buches auf Seite 6. Übung zum p-median Problem Prof. Dr. R. Vahrenkamp, Universität Kassel Als Instanz für das p-median Problem wählen wir das Netzwerk von Abbildung 1-1 des Buches auf Seite 6. Abbildung1 1: Ausschnitt aus

Mehr

Kapitel 3. Grunddatentypen, Ausdrücke und Variable

Kapitel 3. Grunddatentypen, Ausdrücke und Variable Kapitel 3 Grunddatentypen, Ausdrücke und Variable Grunddatentypen, Ausdrücke und Variable 1 Eine Datenstruktur besteht aus Grunddatentypen in Java einer Menge von Daten (Werten) charakteristischen Operationen

Mehr

7. Einführung in C++ Programmieren / Algorithmen und Datenstrukturen 1 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt

7. Einführung in C++ Programmieren / Algorithmen und Datenstrukturen 1 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt 7. Einführung in C++ Programmieren / Algorithmen und Datenstrukturen 1 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt 1 Kontrollfragen Rekursion Was bedeutet Rekursion? Geben Sie Beispiele

Mehr

PIC16 Programmierung in HITECH-C

PIC16 Programmierung in HITECH-C PIC16 Programmierung in HITECH-C Operatoren: Arithmetische Operatoren - binäre Operatoren + Addition - Subtraktion * Multiplikation / Division % Modulo + - * / sind auf ganzzahlige und reelle Operanden

Mehr

Arrays (Felder/Vektoren)

Arrays (Felder/Vektoren) Arrays (Felder/Vektoren) Zusammenfassung mehrerer Variablen des gleichen Typs unter einem Namen im Speicher direkt hintereinander abgelegt Definition: Typname Arrayname [Größe]; Beispiel: int ar [5]; Zugriff

Mehr

hue04 November 18, 2016

hue04 November 18, 2016 hue04 November 18, 2016 1 Abgabehinweise Beachten Sie unbedingt diese Hinweise, sonst erhalten Sie keine Punkte aus dieser Abgabe! Für Details siehe z.b. Folien der nullten Zentralübung 1.1 Namen und Matrikelnummern

Mehr

Compilerbau 12. Übungsblatt, Sommersemester 2015 Abgabetermin:

Compilerbau 12. Übungsblatt, Sommersemester 2015 Abgabetermin: 12 12. Übungsblatt, Sommersemester 2015 Abgabetermin: 14.07.2015 Aufgabe 32 Übersetzen Sie den arithmetischen Ausdruck a*-(b+c) in 3-Adress-Code. Aufgabe 33 Entwickeln Sie für die folgende Teilgrammatik

Mehr

Optimierung für Wirtschaftsinformatiker: Lineare Programme

Optimierung für Wirtschaftsinformatiker: Lineare Programme Optimierung für Wirtschaftsinformatiker: Lineare Programme Dr. Nico Düvelmeyer Dienstag, 31. Mai 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Lineare Programme Allgemeine Form 2 Spezielle Darstellungen

Mehr

Programmieren in C++ Templates

Programmieren in C++ Templates Programmieren in C++ Templates Inhalt Templates Funktions- und Klassen-Templates Spezialisierung von Templates Generische Klassen Einbinden von Templates Instantiierung (implizit und explizit) Templates

Mehr

Kapitel 4. Mathematische Optimierungsmodelle. Einführung in AMPL (1) Uwe H. Suhl Lehrstuhl für Wirtschaftsinformatik Freie Universität Berlin

Kapitel 4. Mathematische Optimierungsmodelle. Einführung in AMPL (1) Uwe H. Suhl Lehrstuhl für Wirtschaftsinformatik Freie Universität Berlin Kapitel 4 Mathematische Optimierungsmodelle Einführung in AMPL () Uwe H. Suhl Lehrstuhl für Wirtschaftsinformatik Freie Universität Berlin Optimierungssysteme Version. / SS 200 Modellierungssysteme Sind

Mehr

Von SAS nach SPSS und umgekehrt

Von SAS nach SPSS und umgekehrt Von SAS nach SPSS und umgekehrt Umwandlung von Dateien inklusive Formaten/Wertelabels Timm Lochmann, Carina Ortseifen Universitätsrechenzentrum Heidelberg Inhalt 1. Unterschiede zwischen SAS- und SPSS-Dateien

Mehr

Optimierung. Vorlesung 08

Optimierung. Vorlesung 08 Optimierung Vorlesung 08 Heute Dualität Ganzzahligkeit Optimierung der Vorlesung durch Evaluierung 2 Das duale LP Das primale LP Maximiere c T x unter Ax b, x R d 0. wird zu dem dualen LP Minimiere b T

Mehr

1 Aufgaben 1.1 Objektorientiert: ("extended-hamster") Sammel-Hamster

1 Aufgaben 1.1 Objektorientiert: (extended-hamster) Sammel-Hamster 1 Aufgaben 1.1 Objektorientiert: ("extended-hamster") Sammel-Hamster Aufgabe: Bearbeitungszeit: ca. 1/4 Std) Schreiben Sie ein "objektorientiertes" Programm ("CuB_05_1") für das Sammeln der Körner. Aufgabenbeschreibung:

Mehr

Übungspaket 12 Der Datentyp char

Übungspaket 12 Der Datentyp char Übungspaket 1 Der Datentyp char Übungsziele: Skript: 1. Umgang mit dem Datentyp char,. Deklarationen von char-variablen, 3. char-konstanten 4. und char-rechenoperationen. Kapitel: 9 bis 31 sowie 4, 5 und

Mehr

Organisatorisches. drei Gruppen Gruppe 1: 10:10-11:40, Gruppe 2: 11:45-13:15 Gruppe 3: 13:20-14:50

Organisatorisches. drei Gruppen Gruppe 1: 10:10-11:40, Gruppe 2: 11:45-13:15 Gruppe 3: 13:20-14:50 Organisatorisches Vorlesung Donnerstag 8:35 bis 10:05 Übung drei Gruppen Gruppe 1: 10:10-11:40, Gruppe 2: 11:45-13:15 Gruppe 3: 13:20-14:50 Tutorium (Mehr oder weniger) abwechselnd Mo und Mi 10-11:30 Termine

Mehr

Organisatorisches. Neue Übungsblätter: Nur mehr elektronisch? Abgabe Di, , 14 Uhr bis Do, , 8Uhr

Organisatorisches. Neue Übungsblätter: Nur mehr elektronisch? Abgabe Di, , 14 Uhr bis Do, , 8Uhr Organisatorisches Neue Übungsblätter: Nur mehr elektronisch? Abgabe Di, 14.10., 14 Uhr bis Do, 23.10., 8Uhr. 14.10.2014 IT I - VO 1 1 IT I: Heute Wiederholung CuP ctd: this Arrays, ArrayLists Schleifen:

Mehr

Webserver-Schnittstelle für die ExecEngine der CL-Software

Webserver-Schnittstelle für die ExecEngine der CL-Software Webserver-Schnittstelle für die ExecEngine der CL-Software Für diese Schnittstelle ist eine CL-Studio-Version oder CLX-Version erforderlich. Mit dem Aufruf des Programms CLWebI.ccc können aktuelle Werte

Mehr

Einstieg in die Informatik mit Java

Einstieg in die Informatik mit Java Vorlesung vom 18.4.07, Variablen Übersicht 1 Variablendeklaration 2 Initialisierung von Variablen 3 Symbolische Konstanten Variablendeklaration Die Deklaration der Variablen erfolgt durch eine Typangabe

Mehr

Anwendungsbeispiel: MTO

Anwendungsbeispiel: MTO Anwendungsbeispiel MAXIMUM TREE ORIENTATION Universität Ulm 16. November 211 Inhaltsverzeichnis 1 Problemvorstellungen 2 Motivation 3 Integer Linear Programming 4 Tiefenbeschränkter Suchbaum 5 Konfliktgraph

Mehr

Praxis der Programmierung

Praxis der Programmierung Arrays, Pointer, Parameterbergabe Institut für Informatik und Computational Science Henning Bordihn Einige Folien gehen auf A. Terzibaschian zurück. 1 Arrays (Felder/Vectoren) 2 Arrays: Motivation Gegeben:

Mehr

Mathematische Computer-Software

Mathematische Computer-Software Mathematische Computer-Software Kommerzielle Computeralgebrasysteme (CAS) Beispiele: Mathematica, Maple, Numerisches und symbolisches Verarbeiten von Gleichungen: Grundrechenarten Ableitung und Integration

Mehr

Vorlesung Unix-Praktikum

Vorlesung Unix-Praktikum 1/2 Vorlesung 6. - und Rechnerbetriebsgruppe Technische Fakultät Universität Bielefeld 23. November 2015 2/2 Willkommen zur sechsten Vorlesung Was gab es beim letzten Mal? Dateiverwaltung Aliase echo und

Mehr

Neuerungen in Marco Patzwahl MuniQSoft GmbH Unterhaching

Neuerungen in Marco Patzwahl MuniQSoft GmbH Unterhaching Neuerungen in 12.2 Marco Patzwahl MuniQSoft GmbH Unterhaching Schlüsselworte Neuerungen in 12.2, DBA Einleitung Jede neue Datenbankversion bringt diverse Neuerungen mit. Nur welche sind wichtig und welche

Mehr

Grundlagen und Konzepte von C Datenstrukturen

Grundlagen und Konzepte von C Datenstrukturen Grundlagen und Konzepte von C Datenstrukturen Ausarbeitung von Andreas Gadelmaier Proseminar C Grundlagen und Konzepte Arbeitsbereich Wissenschaftliches Rechnen Fachbereich Informatik Fakultät für Mathematik,

Mehr

Einstieg in die Informatik mit Java

Einstieg in die Informatik mit Java 1 / 22 Einstieg in die Informatik mit Java Grundlagen Gerd Bohlender Institut für Angewandte und Numerische Mathematik Gliederung 2 / 22 1 Kommentare 2 Bezeichner für Klassen, Methoden, Variablen 3 White

Mehr

Einführung in. Pierre Bayerl

Einführung in. Pierre Bayerl Einführung in Pierre Bayerl 19. November 21 Matlab Numerische Manipulation von Matrizen und Vektoren und deren Visualisierung. Verwendung: Interaktive Eingabe von Befehlen Skriptprogramme ( Batch-Dateien

Mehr

9. Vektoren. (auch Felder/array)

9. Vektoren. (auch Felder/array) 9. Vektoren (auch Felder/array) Motivation Hat man mehrere Objekte gleichen Datentyps, so kann man sie explizit deklarieren, wenn die Anzahl bekannt ist double x1,x2,x3,x4; Nachteile: versagt, -wenn die

Mehr

1 Zahlenmengen und einige mathematische Symbole

1 Zahlenmengen und einige mathematische Symbole 1 Zahlenmengen und einige mathematische Symbole Inhalt 1.1 Vorbemerkung................................................... 3 1.2 Zahlenmengen................................................... 4 1.3 Summenzeichen..................................................

Mehr

Einstieg in die Informatik mit Java

Einstieg in die Informatik mit Java Vorlesung vom 18.4.07, Grundlagen Übersicht 1 Kommentare 2 Bezeichner für Klassen, Methoden, Variablen 3 White Space Zeichen 4 Wortsymbole 5 Interpunktionszeichen 6 Operatoren 7 import Anweisungen 8 Form

Mehr

Zeiger (engl. Pointer)

Zeiger (engl. Pointer) Zeiger (engl. Pointer) Zeiger Ein Zeiger (engl. Pointer) speichert eine Adresse, unter der ein Wert im Speicher des Computers gespeichert werden kann. Eine Variable im Gegensatz speichert einen Wert. Der

Mehr

- A-l - Beschreibung des MPS-Formats Bei der nachfolgenden Beschreibung werden nicht benutzbare Spalten schraffiert gekennzeichnet.

- A-l - Beschreibung des MPS-Formats Bei der nachfolgenden Beschreibung werden nicht benutzbare Spalten schraffiert gekennzeichnet. - A-l - Anhang A Beschreibung des MPS-Formats Bei der nachfolgenden Beschreibung werden nicht benutzbare Spalten schraffiert gekennzeichnet. NAflE-Abschni tt Die NA~E-Karte ist die erste Abschnittskarte

Mehr

Übersicht PERL. !!!! Wichtig: Nach dem Befehl einem Strichpunkt setzen!!!!

Übersicht PERL. !!!! Wichtig: Nach dem Befehl einem Strichpunkt setzen!!!! !!!! Wichtig: Nach dem Befehl einem Strichpunkt setzen!!!! Erste Zeile eines PERL-Scripts: #! /usr/bin/perl Variablen in PERL: Normale Variablen beginnen mit einem $-Zeichen Array-Variablen beginnen mit

Mehr

Einleitung Entwicklung in C Hello-World! Konstrukte in C Zusammenfassung Literatur. Grundlagen von C. Jonas Gresens

Einleitung Entwicklung in C Hello-World! Konstrukte in C Zusammenfassung Literatur. Grundlagen von C. Jonas Gresens Grundlagen von C Jonas Gresens Proseminar C Grundlagen und Konzepte Arbeitsbereich Wissenschaftliches Rechnen Fachbereich Informatik Fakultät für Mathematik, Informatik und Naturwissenschaften Universität

Mehr

Ganzzahlige Optimierung (IP)

Ganzzahlige Optimierung (IP) Thema Ganzzahlige Optimierung (IP) Systematik * Problematik * Pragmatik IP und Branch and Bound 1 Agenda 1. Relevanz der Ganzzahligkeit? 2. Formulierung ganzzahliger Modelle 3. Zur Lösung ganzzahliger

Mehr

Sprachkonstrukte. Einführung in Java. Folie 1 von Mai Ivo Kronenberg

Sprachkonstrukte. Einführung in Java. Folie 1 von Mai Ivo Kronenberg Sprachkonstrukte Einführung in Java Folie 1 von 20 12. Mai 2011 Ivo Kronenberg Inhalt Kommentare Identifier (Bezeichner) Variablen Numerische Ausdrücke und Typen Kontrollstrukturen Verzweigungen Bedingungen

Mehr

4.2 Programmiersprache C

4.2 Programmiersprache C 4.2.1. Elementare Datentypen (signed) int, unsigned int, (signed) short (int), unsigned short (int), (signed) long (int), unsigned long (int) Elementare Datentypen für ganze Zahlen mit oder ohne Vorzeichen.

Mehr

FACHHOCHSCHULE AUGSBURG Hochschule für Technik, Wirtschaft und Gestaltung

FACHHOCHSCHULE AUGSBURG Hochschule für Technik, Wirtschaft und Gestaltung C Sprachelemente für Übung 2 Typumwandlungen (type casts) Bei Ausdrücken, in denen Operanden mit unterschiedlichem Typ vorkommen, werden diese vom Compiler vor der Ausführung automatisch in einen gemeinsamen

Mehr

Modul Entscheidungsunterstützung in der Logistik. Einführung in die Programmierung mit C++ Übung 2

Modul Entscheidungsunterstützung in der Logistik. Einführung in die Programmierung mit C++ Übung 2 Fakultät Verkehrswissenschaften Friedrich List, Professur für Verkehrsbetriebslehre und Logistik Modul Entscheidungsunterstützung in der Logistik Einführung in die Programmierung mit C++ Übung 2 SS 2016

Mehr

Einführung in MATLAB + MATLAB Simulink. Dipl.-Inf. Markus Appel

Einführung in MATLAB + MATLAB Simulink. Dipl.-Inf. Markus Appel Einführung in MATLAB + MATLAB Simulink Dipl.-Inf. Markus Appel mappel@informatik.hu-berlin.de 28.10.2016 Was ist MATLAB? ein universelles Algebra-Programm zur Lösung mathematischer Probleme grafische Darstellung

Mehr

Einführung in Xpress-Mosel

Einführung in Xpress-Mosel Einführung in Xpress-Mosel Matthias Silbernagl Computerblockpraktikum zur linearen Optimierung Gliederung 1 Mosel-Grundlagen 1.1 Xpress im Überblick Inhaltsverzeichnis 1 Mosel-Grundlagen 1 1.1 Xpress im

Mehr

Einstieg in die Informatik mit Java

Einstieg in die Informatik mit Java 1 / 27 Einstieg in die Informatik mit Java Methoden / Funktionen Gerd Bohlender Institut für Angewandte und Numerische Mathematik Gliederung 2 / 27 1 Überblick 2 Zweck von Methoden 3 Methodendefinition

Mehr

yacc - eine Einführung

yacc - eine Einführung yacc - eine Einführung Axel Kohnert 18th May 2005 Abstract yacc ist ein Unixprogramm, welches die Erstellung einer Programmiersprache unterstützt. Der Benutzer gibt die definierende Grammatik an, und das

Mehr

Methoden. Gerd Bohlender. Einstieg in die Informatik mit Java, Vorlesung vom

Methoden. Gerd Bohlender. Einstieg in die Informatik mit Java, Vorlesung vom Einstieg in die Informatik mit Java, Vorlesung vom 2.5.07 Übersicht 1 2 definition 3 Parameterübergabe, aufruf 4 Referenztypen bei 5 Überladen von 6 Hauptprogrammparameter 7 Rekursion bilden das Analogon

Mehr

Arrays. Theorieteil. Inhaltsverzeichnis. Begriffe. Programmieren mit Java Modul 3. 1 Modulübersicht 3

Arrays. Theorieteil. Inhaltsverzeichnis. Begriffe. Programmieren mit Java Modul 3. 1 Modulübersicht 3 Programmieren mit Java Modul 3 Arrays Theorieteil Inhaltsverzeichnis 1 Modulübersicht 3 2 Eindimensionale Arrays 3 2.1 Arrays deklarieren.............................. 3 2.2 Arrays erzeugen................................

Mehr

Java 8. Elmar Fuchs Grundlagen Programmierung. 1. Ausgabe, Oktober 2014 JAV8

Java 8. Elmar Fuchs Grundlagen Programmierung. 1. Ausgabe, Oktober 2014 JAV8 Java 8 Elmar Fuchs Grundlagen Programmierung 1. Ausgabe, Oktober 2014 JAV8 5 Java 8 - Grundlagen Programmierung 5 Kontrollstrukturen In diesem Kapitel erfahren Sie wie Sie die Ausführung von von Bedingungen

Mehr

+ C - Array (Vektoren, Felder)

+ C - Array (Vektoren, Felder) + C - Array (Vektoren, Felder) Eindimensionale Arrays Beim Programmieren steht man oft vor dem Problem, ähnliche, zusammengehörige Daten (vom gleichen Datentyp) zu speichern. Wenn man zum Beispiel ein

Mehr

GAMS (General Algebraic Modeling System)

GAMS (General Algebraic Modeling System) GAMS (General Algebraic Modeling System) Crash-Kurs Dortmund, Januar 1999 Prof. Dr. Heinz-Michael Winkels, Fachbereich Wirtschaft FH Dortmund Emil-Figge-Str. 44, D44227-Dortmund, TEL.: (0231)755-4966,

Mehr

Martin Unold INFORMATIK. Geoinformatik und Vermessung

Martin Unold INFORMATIK. Geoinformatik und Vermessung Zusammenfassung Was ist eine Programmiersprache? Eine Sprache, die Formal eindeutig in Maschinenbefehle übersetzbar ist Für Menschen einfacher verständlich ist als Bytecode Zur Formulierung von Datenstrukturen

Mehr

Automatiche Teameinteilung für PSE

Automatiche Teameinteilung für PSE Automatiche Teameinteilung für PSE Einführung ILP-Modellierung LEHRSTUHL PROGRAMMIERPARADIGMEN 0 7.12.2016 - PSE/TSE WS 2016/17 KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft LEHRSTUHL PROGRAMMIERPARADIGMEN

Mehr

Tag 2 Repetitorium Informatik (Java)

Tag 2 Repetitorium Informatik (Java) Tag 2 Repetitorium Informatik (Java) Dozent: Daniela Novac Lehrstuhl für Informatik 2 (Programmiersysteme) Friedrich-Alexander-Universität Erlangen-Nürnberg Wintersemester 2017/2018 Übersicht Zeichen und

Mehr

Modellierung und Programmierung 1

Modellierung und Programmierung 1 Modellierung und Programmierung 1 Prof. Dr. Sonja Prohaska Computational EvoDevo Group Institut für Informatik Universität Leipzig 4. November 2015 Administratives Zur Abgabe von Übungsaufgaben Nein, wir

Mehr

Die einfachsten Anweisungen

Die einfachsten Anweisungen 2 Die einfachsten Anweisungen 2-1 Inhalt Die einfachsten Anweisungen Einführung Datentypen Arithmetische Operatoren Mathematische Funktionen Mehrfache Zuweisungen Übungsaufgaben Einführung Wir wollen unser

Mehr

Einführung in Mathematica

Einführung in Mathematica Einführung in Mathematica Carsten Rezny Institut für Angewandte Mathematik Universität Bonn Pure Funktionen Das vorige Beispiel verwendet eine neue Schreibweise. Das erste Argument von Map oder Apply ist

Mehr

Probeklausur Name: (c)

Probeklausur Name: (c) Einführung in die Praktische Informatik 30.1.2013 Probeklausur Name: Teil I: Datentypen (20 Punkte) Lösen sie die Probleme, indem sie die korrekten Lösungen ankreuzen bzw. in die vorgesehenen Freiräume

Mehr

Ganze Zahlen, Ausdrücke Variablen/Konstanten

Ganze Zahlen, Ausdrücke Variablen/Konstanten Ganze Zahlen, Ausdrücke Variablen/Konstanten InE1 M. Thaler, tham@zhaw.ch Office TG208 http://www.zhaw.ch/~tham 1 Um was geht es? Programmieren in C ganze Zahlen, Konstanten und Variablen 2 Lernziele Siekönnen

Mehr

Lineare Algebra mit dem Statistikprogramm R

Lineare Algebra mit dem Statistikprogramm R SEITE 1 Lineare Algebra mit dem Statistikprogramm R 1. Verwendung von Variablen Variablen werden in R definiert, indem man einem Variablennamen einen Wert zuweist. Bei Variablennamen wird zwischen Groß

Mehr

Martin Unold INFORMATIK. Geoinformatik und Vermessung

Martin Unold INFORMATIK. Geoinformatik und Vermessung Wiederholung So sieht ein leeres Java-Programm aus public class Programmname { public static void main (String[] args) { // Hier stehen die Anweisungen Welche Arten von Anweisungen gibt es? Anweisungen

Mehr

Algorithmen zur Datenanalyse in C++

Algorithmen zur Datenanalyse in C++ Algorithmen zur Datenanalyse in C++ Hartmut Stadie 16.04.2012 Algorithmen zur Datenanalyse in C++ Hartmut Stadie 1/ 39 Einführung Datentypen Operatoren Anweisungssyntax Algorithmen zur Datenanalyse in

Mehr

Einführung in die Programmierung (MA8003)

Einführung in die Programmierung (MA8003) Theorie 2.1: Relationale und logische Operatoren, Funktionen Dr. Lorenz John Technische Universität München Fakultät Mathematik, Lehrstuhl für Numerische Mathematik M2 05.10.2016 Ablauf Theorie 1.1+1.2

Mehr

Wertebereich und Genauigkeit der Zahlendarstellung

Wertebereich und Genauigkeit der Zahlendarstellung Wertebereich und Genauigkeit der Zahlendarstellung Sowohl F als auch C kennen bei ganzen und Floating Point-Zahlen Datentypen verschiedener Genauigkeit. Bei ganzen Zahlen, die stets exakt dargestellt werden

Mehr