Hallo Welt für Fortgeschrittene
|
|
- Benedict Koch
- vor 5 Jahren
- Abrufe
Transkript
1 Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Informatik 2 Programmiersysteme Martensstraße Erlangen
2 Vortrag SP: Gliederung Was ist Spieltheorie? Strategien Gefangenendilemma Äquilibrium Tit-For-Tat MiniMax-Theorem / Alpha-Beta-Pruning Nim / Misere Josephus-Problem Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 2
3 Was ist Spieltheorie? Die Spieltheorie ist eine Entscheidungstheorie, die Situationen untersucht, in denen das Ergebnis nicht von einem Entscheider allein bestimmt werden kann, sondern nur von mehreren Entscheidern gemeinsam. Spieltheorie ist auch in der Wirtschaft sehr wichtig D.h. Spiele werden: Analytisch beschrieben Mathematisch gelöst (Wahrscheinlichkeitsrechnung) Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 3
4 Was ist Spieltheorie? Elemente eines Spiels: Spieler Aktionen Ergebnis/ Payoff Informationen (Spaß) Ziel ist die Maximierung des eigenen Nutzens durch Treffen von Entscheidungen Menge von Möglichkeiten, die ein Spieler in seinem Zug hat: A i = {a i } Die Situation des Spielers wird am Ende des Spiels bewertet. Die Ergebnisse aller Spieler zusammen bilden den Payoff-Vektor: π(s 1,..., s n ) Informationen über andere Spieler Unbedeutend für die Spieltheorie Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 4
5 Strategien Was ist Strategie? Strategie Strategie- Menge Strategie- Profil Eine Regel, die angibt, was ein Spieler zu einem bestimmten Zeitpunkt tut Alle möglichen Strategien für einen bestimmten Spieler: S i = {s i } Eine geordnete Menge, die eine Strategie für jeden Spieler im Spiel enthält: S = (s i,..., s n ) Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 5
6 Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 6 Strategien Best Response Die beste Antwort eines Spielers i auf die Strategien der anderen Spieler s -i ist die Strategie s i *, die ihm das beste Ergebnis einbringt: * ' ' * ), ( ), ( i i i i i i s s s s s s > π π Dominante Strategie: (immer die Best Response ) Eine Strategie s i * ist eine Dominante Strategie, wenn sie die beste Antwort eines Spielers zu allen anderen Strategien der anderen Spieler ist: * ' ' * ), ( ), ( i i i i i i i s s s s s s s > π π
7 Strategien: Beispiel Plagiatscheck Plagiatscheck (Gefangenendilemma) Plagiatscheck in AuD vor langer Zeit sehr gnädig 10 Punkte pro Aufgabenblatt Bei Plagiatsverdacht unabhängiges Verhör beider Studenten Gestehen beide, werden jedem 8 Punkte abgezogen Gesteht nur einer, bekommt dieser volle Punktzahl, der andere 0 Punkte Gesteht keiner bekommen beide Studenten im Schnitt 1 Punkt abgezogen Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 7
8 Strategien: Beispiel Plagiatscheck Student 2 Schweigen Gestehen Student 1 Schweigen (-1, -1) (-10, 0) Gestehen (0, -10) (-8, -8) Was ist die Best Response für S2? S1 Schweigt Gestehen S1 Gesteht Gestehen Da das Spiel symmetrisch ist, gilt das selbe auch für S1 Gestehen ist die Dominante Strategie In der Wirtschaft hat man dieses Dilemma bei Kartellbildung Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 8
9 Äquilibrium (Gleichgewicht) Wenn also beide Spieler gestehen ( Dominante Strategie), bildet dies ein Äquilibrium (in diesem Fall dominantes Äq. NASH-Äquilibrium) Äquilibrium(Gleichgewicht) Ein Äquilibrium ist ein Strategie-Profil, das für jeden der n Spieler eine beste Strategie enthält: s* = (s* 1,..., s* n ) NASH-Äquilibrium Ein Nash-Äquilibrium ist ein Strategie-Profil, bei dem kein Spieler Grund hat von seiner eigenen Strategie abzuweichen, sofern auch die anderen Spieler nicht abweichen ( jedes dom. Äq.). i * * ' * ', π ( si, s i ) π ( si, s i ), si Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 9
10 Wiederholtes Gefangendilemma AuD Plagiatscheck Die zwei Studenten geben jede Woche Plagiataufgaben ab. Immer die Dominante Strategie zu wählen bringt zwar für das jeweilige Spiel den maximalen Gewinn. Aber vielleicht lässt sich kooperativ mehr gewinnen. Welche Strategie könnte man noch verfolgen? Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 10
11 Tit-For-Tat Tit-For-Tat (Wie du mir, so ich dir) Spieler handelt in erstem Zug kooperativ Danach imitieren des vorherigen Zugs des Gegners Eigenschaften Klarheit (Es ist klar, was in jeder Runde zu tun ist) Freundlichkeit (Zwei TFT-Spieler kooperieren IMMER) Provozierbarkeit (Bestraft Unkooperativität) Nachsichtigkeit (Bei Bestrafung ist im nächsten Zug alles vergessen) Es stellt sich heraus, das TFT wirklich einer der gewinnbringendsten Strategien überhaupt ist. Noch freundlichere Varianten: Tit-For-Two-Tats (Bestrafung für 2 unkooperative Spielzüge des Gegners) Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 11
12 MiniMax: Null-Summen-Spiele Löst Null-Summen-Spiele mit perfekter Information Null-Summen-Spiel Die Summe aller Werte im Payoff-Vektor ist 0. Bei einem Zwei-Spieler-Spiel, bedeutet dies, dass ein Spieler versucht einen möglichst großen Payoff zu erreichen(maximierung). Der anderer versucht das Ergebnis des ersten Spielers zu minimieren. Das Spiel ist für keinen der Spieler ein Gewinn/Verlust. Perfekte Information Alle bereits getroffenen Entscheidungen und Voraussetzungen sind bekannt Beispiel: 4Gewinnt, Nim, Schach, Solitair Gegenbeispiele: Schere-Stein-Papier, Poker, Skat Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 12
13 MiniMax Spielbaum: Zeitlicher Verlauf der Entscheidungen Darstellung Kante Entscheidung Knoten Enthält Spieler Blatt Enthält Ergebnis S1 dec 11 dec 12 S2 S2 dec 21 dec 22 dec 21 dec 22 a b a b Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 13
14 MiniMax Funktionsweise Ziel Ansatz Umsetzung Laufzeit O(b d ) Optimale Strategie für den jeweiligen Spieler Zwei Spielertypen: Max-Spieler: Versucht Payoff-Vektor zu maximieren Min-Spieler: Versucht Payoff-Vektor zu minimieren Tiefensuche auf Spielbaum; Ergebnisse werden aus den Blättern nach oben gereicht. Der jeweilige Spielertyp wählt jeweils entweder Maximum oder Minimum aus. b=verzweigungsgrad=wahlmöglichkeiten d=suchtiefe= 2x Spielrunden Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 14
15 MiniMax int minimax(int depth, int type, int alpha, int beta ){ if (depth == 0) return evaluate (); // evaluate computes the result of the game int moves = getpossiblemovecount(); if (moves == 0) return evaluate (); for (int i = 0; i < moves; ++i ){ domove(i); score = minimax(depth-1, type * -1, alpha, beta); undomove(i); if (type == 1) alpha = max(score, alpha); else beta = min(score, beta); } if (type == 1)return alpha ; else return beta; } Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 15
16 Alpha-Beta-Pruning Tuning von MiniMax Problem Überlegung Idee MiniMax findet ein optimales Ergebnis, ist jedoch sehr aufwändig. Der gesamte Baum muss traversiert werden. Kann eine Tiefensuche früher abgebrochen werden? Einführung zweier Werte α (für Max-Spieler) und β (für Min-Spieler), die den aktuell bestmöglichen Payoff eines Spielers zwischenspeichern. So kann die Traversierung eines Asts frühzeitig abgebrochen werden, wenn für α oder β kein besseres Ergebnis erzielt werden kann. Laufzeit Worst Case: O(b d ) Average-Case: O(b 3/4d ) b= Verzweigungsgrad=Wahlmöglichkeiten d=suchtiefe=2xspielrunden Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 16
17 Alpha-Beta-Pruning (Max-Spieler) S1 α = 3 (Min-Spieler) S2 β = 3 S2 α >= β Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 17
18 Alpha-Beta-Pruning int minimax(int depth, int type, int alpha=int_min, int beta=int_max ){ if (depth == 0) return evaluate (); // evaluate computes the result of the game int moves = getpossiblemovecount(); if (moves == 0) return evaluate (); for (int i = 0; i < moves; ++i ){ domove(i); score = minimax(depth-1, type * -1, alpha, beta); undomove(i); if (type == 1) alpha = max(score, alpha); else beta = min(score, beta); if(alpha >= beta) break; } if (type == 1)return alpha ; else return beta; } Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 18
19 Alpha-Beta-Pruning (Erweiterungen/Optimierungen) Vorsortierung der Züge Vielversprechende Ergebnisse zuerst evaluieren, um dann möglichst viel wegwerfen zu können Killer Heuristik: Heueristik um Killer-Züge(Besonders gute Züge) zu entdecken und diese zu erst prüfen Iterative Tiefensuche Ergebnis der vorherigen Iterationen verwenden, um in höherer Suchtiefe Züge vor zu sortieren. Ruhesuche Bei großen Spielbäumen nicht bis zu einer festen suchtiefe iterieren, sondern über eine Bewertungsfunktion solange tiefer suchen, bis der Spielzug als annähernd konstant bewertet wird (Ruhe eingekehrt ist) z.b. könnte sonst das Schlagen eines gedeckten Bauers mit der Dame wegen zu geringer suchtiefe als vorteilhaft bewertet werden. Aspiration Windows: Ab einer gewissen suchtiefe kann bei der Tiefensuche angenommen werden, dass die Berechnung in höherer Tiefe einen ähnliches Ergebnis annimmt, wie vorher, daher kann das Ergebnis mit dem vorherigen Ergebnisswert initialisiert werden. Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 19
20 Alpha-Beta-Pruning Was bringen die Optimierungen? Algorithmus Bewertungen Cutoffs Anteil der Cutoffs Rechenzeit MiniMax ,00 % 134,87 s AlphaBeta ,50 % 9,88 s AlphaBeta + Zugsortierung ,28 % 0,99 s Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 20
21 Nim: Regeln / Spielsituationen Regeln Es gibt N verschiedene Haufen von Objekten (z.b. Streichhölzer). In jeder Runde muss ein Spieler mindestens ein Objekt von genau einem Haufen entfernen. Der Spieler, der kein Objekt mehr ziehen kann, hat verloren. Allgemein: Winning Position Eine Winning Position ist eine Spielsituation, die bei perfekter eigener Spielweise immer zum Sieg führt. Allgemein: Losing Position Eine Losing Position ist eine Spielsituation, die bei perfektem Spiel des Gegners immer zur Niederlage führen muss. Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 21
22 Nim: Strategie Verständlicher Ansatz Gegeben seien k Haufen von Objekten, wobei sich in jedem Haufen jeweils n 1, n 2,..., n k Objekte befinden. Interpretation der n i als binäre Zahlen Losing Position: Gerade Anzahl von 1 in jeder Spalte Winning Position: Ungerade Anzahl in einer Spalte Aus mehreren Spalten, mit ungerader 1-Zahl, kann man durch Entfernen immer eine gerade Zahl von 1 produzieren. Aus jeder Winning Position entsteht also eine Losing Position. Haben alle Spalten eine gerade 1-Zahl, so muss mindestens eine 1 weggenommen werden und somit entsteht aus jeder Losing Position eine Winning Position. Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 22
23 Nim: Beispiele Winning Position n 0 = 3 (0 1 1) 2 n 1 = 7 (1 1 1) 2 n 2 = 2 (0 1 0) 2 Nim-Summe =6 (1 1 0) 2 Loosing Position n 0 =3 (0 1 1) 2 n 1 =1 (0 0 1) 2 n 2 =2 (0 1 0) 2 Nim-Summe =0 (0 0 0) 2 Rechnerisch am besten XOR pro Bit(Spaltenweise) Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 23
24 Nim: Varianten Misére Regeln Gewinn- Strategie Das selbe Spielprinzip, dieses Mal verliert jedoch der Spieler, der den letzten Stein nehmen muss. Bei der normalen Variante wird darauf abgezielt, dass am Ende eine gerade Anzahl an Haufen zurückbleibt. Deshalb können wir darauf schließen, dass der Algorithmus der selbe ist wie beim Grundspiel. Der einzige Unterschied ist, dass sobald es zu einer Situation kommt, bei der nach dem Zug in jedem Haufen nur noch 1 Objekt liegen würde, der Zug so gewählt werden muss, dass nach ihm eine ungerade Anzahl an Haufen übrig bleibt. Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 24
25 Josephus-Problem Problemstellung Flavius Josephus lebt zur Zeit der Römer und wird gerade von diesen angegriffen: Flavius Josephus und 9 weitere Dorfbewohner flüchten sich in eine Höhle Um der Sklaverei zu entgehen, beschließen sie Selbstmord zu begehen Dazu stellen sie sich in einem Kreis auf, wobei jeder Zweite ermordet wird An welcher Position muss Josephus stehen, um als Letzter übrig zu bleiben und nicht zu sterben? Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 25
26 Josephus-Problem Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 26
27 Josephus-Problem Naive Lösung Jedes zweite Element wird entfernt, solange bis nur noch eines übrig ist. Laufzeit: O(n) Bessere Lösung Wir berechnen solange rekursiv den Index, der bei der vorherigen Runde an der gerade betrachteten Stelle liegt, bis nur noch einer übrig bleibt. Laufzeit: O(log(n)) Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 27
28 Josephus-Problem Gerade Anzahl Nachfolger: 2x Basisfall 1 ist trivial: Ungerade Anzahl Nachfolger: 2x +1 Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 28
29 Josephus-Problem Damit ergeben sich folgende Rekurrenzgleichungen J(1) = 1 J(2n) = 2J(n) -1 J(2n + 1) = 2J(n) int josephus(int n){ if(n == 1) return 1; if((n%2) == 0) return 2 * josephus(n / 2) - 1; if((n%2) == 1) return 2 * josephus((n - 1) / 2) + 1; } Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 29
30 Josephus-Problem Geht es noch schneller? Zahlenreihenvergleich n j(n) Hier fällt auf, dass es anscheinend eine aufsteigende Reihe ist, die bei jeder Zweierpotenz mit 1 beginnt. m m n = 2 + l und 0 l 2 f ( n) = 2l + 1 (Beweis per vollständiger Induktion) int josephus(int n) { int m = log2(n); int l = n pow(2,m); return 2*l + 1; } Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 30
31 Quellen Frederik Simon Spieltheorie, 18. Juli 2012 Tit-For-Tat MiniMax-Theorem Josephus-Problem Nash-Gleichgewicht Alpha-Beta-Suche Hallo Welt für Fortgeschrittene Spieltheorie Axel Jena Folie 31
Spieltheorie. Hallo Welt!-Seminarvortrag. Frederik Simon. 18. Juli 2012. Universität Erlangen-Nürnberg
Spieltheorie Hallo Welt!-Seminarvortrag Frederik Simon Universität Erlangen-Nürnberg 18. Juli 2012 What the... Was ist Spieltheorie? Strategien Aequilibrium Tit-For-Tat Minimax-Theorem Alpha-Beta-Pruning
MehrSpieltheorie. Fabian Schmidt Fabian Schmidt Spieltheorie / 46
Spieltheorie Fabian Schmidt 09.07.2014 Fabian Schmidt Spieltheorie 09.07.2014 1 / 46 Übersicht Einführung Gefangenendilemma Tit-for-tat Minimax und Alpha-Beta-Pruning Nim-Spiel und Misère-Variante Josephus-Problem
MehrSpieltheorie. Miriam Polzer 16.7.2013. Miriam Polzer Spieltheorie 16.7.2013 1 / 40
Spieltheorie Miriam Polzer 16.7.2013 Miriam Polzer Spieltheorie 16.7.2013 1 / 40 1 Grundlagen 2 Minimax und Alpha-Beta-Pruning 3 Nim-Spiele 4 Josephus-Problem Miriam Polzer Spieltheorie 16.7.2013 2 / 40
MehrSpieltheorie. Sebastian Wankerl. 16. Juli 2010
Spieltheorie Sebastian Wankerl 16. Juli 2010 Inhalt 1 Einleitung 2 Grundlagen Extensive Form choice functions Strategien Nash-Gleichgewicht Beispiel: Gefangenendillema 3 Algorithmen Minimax Theorem Minimax
MehrDer Alpha-Beta-Algorithmus
Der Alpha-Beta-Algorithmus Maria Hartmann 19. Mai 2017 1 Einführung Wir wollen für bestimmte Spiele algorithmisch die optimale Spielstrategie finden, also die Strategie, die für den betrachteten Spieler
MehrEinführung in die Methoden der Künstlichen Intelligenz. Suche bei Spielen
Einführung in die Methoden der Künstlichen Intelligenz Suche bei Spielen Dr. David Sabel WS 2012/13 Stand der Folien: 5. November 2012 Zwei-Spieler-Spiele Ziel dieses Abschnitts Intelligenter Agent für
Mehr6. Spiele Arten von Spielen. 6. Spiele. Effizienzverbesserung durch Beschneidung des Suchraums
6. Spiele Arten von Spielen 6. Spiele Kombinatorische Spiele als Suchproblem Wie berechnet man eine gute Entscheidung? Effizienzverbesserung durch Beschneidung des Suchraums Spiele mit Zufallselement Maschinelles
MehrZwei-Spieler-Spiele. Einführung in die Methoden der Künstlichen Intelligenz. Suche bei Spielen. Schach. Schach (2)
Einführung in die Methoden der Künstlichen Intelligenz Suche bei Spielen PD Dr. David Sabel SoSe 24 Ziel dieses Abschnitts Intelligenter Agent für Zweipersonenspiele Beispiele: Schach, Dame, Mühle,...
MehrPraktikum Algorithmen-Entwurf (Teil 7)
Praktikum Algorithmen-Entwurf (Teil 7) 28.11.2005 1 1 Vier gewinnt Die Spielregeln von Vier Gewinnt sind sehr einfach: Das Spielfeld besteht aus 7 Spalten und 6 Reihen. Jeder Spieler erhält zu Beginn des
MehrEinführung in die Methoden der Künstlichen Intelligenz. Suche bei Spielen
Einführung in die Methoden der Künstlichen Intelligenz Suche bei Spielen Prof. Dr. Manfred Schmidt-Schauß SoSe 2016 Stand der Folien: 12. Mai 2016 Zwei-Spieler-Spiele Ziel dieses Abschnitts Intelligenter
MehrIntelligente Systeme
Intelligente Systeme Spiele Prof. Dr. R. Kruse C. Braune {rudolf.kruse,christian,braune}@ovgu.de Institut für Intelligente Kooperierende Systeme Fakultät für Informatik Otto-von-Guericke Universität Magdeburg
MehrZwei-Spieler-Spiele. Einführung in die Methoden der Künstlichen Intelligenz. Suche bei Spielen. Schach. Schach (2)
Einführung in die Methoden der Künstlichen Intelligenz Suche bei Spielen Prof. Dr. Manfred Schmidt-Schauß Ziel dieses Abschnitts Intelligenter Agent für Zweipersonenspiele Beispiele: Schach, Dame, Mühle,...
MehrSuche in Spielbäumen Spielbäume Minimax Algorithmus Alpha-Beta Suche. Suche in Spielbäumen. KI SS2011: Suche in Spielbäumen 1/20
Suche in Spielbäumen Suche in Spielbäumen KI SS2011: Suche in Spielbäumen 1/20 Spiele in der KI Suche in Spielbäumen Spielbäume Minimax Algorithmus Alpha-Beta Suche Einschränkung von Spielen auf: 2 Spieler:
MehrÜberblick. Mathematik und Spiel. Ohne Glück zum Sieg. Bedeutung der Strategie. Zwei Hauptaspekte
Überblick Ohne Glück zum Sieg R. Verfürth Fakultät für Mathematik Ruhr-Universität Bochum Bochum / 8. Oktober 2009 Kategorisierung Strategische Spiele Bewertung einer Stellung Aufwand Epilog Literatur
MehrDer Bestimmtheitssatz
2. Spielbäume und Intelligente Spiele Der Minimax-Algorithmus Der Bestimmtheitssatz Satz 2.1. Gegeben sei ein Spiel, das die folgenden Eigenschaften hat: 1. Das Spiel wird von zwei Personen gespielt. 2.
Mehr2. Spiele. Arten von Spielen. Kombinatorik. Spieler haben festgelegte Handlungsmöglichkeiten, die durch die Spielregeln definiert werden.
. Spiele Arten von Spielen. Spiele. Spiele Arten von Spielen Kombinatorik Spieler haben festgelegte Handlungsmöglichkeiten, die durch die Spielregeln definiert werden. Kombinatorische Spiele als Suchproblem
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 13 Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität
MehrZwei-Spieler-Spiele. Einführung in die Methoden der Künstlichen Intelligenz. Suche bei Spielen. Schach. Schach (2)
Einführung in die Methoden der Künstlichen Intelligenz Suche bei Spielen Prof. Dr. Manfred Schmidt-Schauß Ziel dieses Abschnitts Intelligenter Agent für Zweipersonenspiele Beispiele: Schach, Dame, Mühle,...
MehrEinführung in Heuristische Suche
Einführung in Heuristische Suche Beispiele 2 Überblick Intelligente Suche Rundenbasierte Spiele 3 Grundlagen Es muss ein Rätsel / Puzzle / Problem gelöst werden Wie kann ein Computer diese Aufgabe lösen?
MehrSeminar: Randomisierte Algorithmen Auswerten von Spielbäumen Nele Küsener
Seminar: Randomisierte Algorithmen Auswerten von Sielbäumen Nele Küsener In diesem Vortrag wird die Laufzeit von Las-Vegas-Algorithmen analysiert. Das Ergebnis ist eine obere und eine untere Schranke für
MehrGeometrie I. Polygone. Dominik Huber Hallo Welt! für Fortgeschrittene. Informatik 2 Programmiersysteme Martensstraße Erlangen
Geometrie I Polygone Dominik Huber 28.5.2018 Hallo Welt! für Fortgeschrittene Informatik 2 Programmiersysteme Martensstraße 3 91058 Erlangen Gliederung Wiederholung Analytische Geometrie Abstand Punkt
MehrInformatik II Übung 09. Benjamin Hepp 3 May 2017
Informatik II Übung 09 Benjamin Hepp benjamin.hepp@inf.ethz.ch 3 May 2017 Nachbesprechung U8 3 May 2017 Informatik II - Übung 01 2 Nachbesprechung U8 1. Binaere Suche 2. Knapsack Problem 3. Reversi Teil
MehrInformatik I: Einführung in die Programmierung
Informatik I: Einführung in die Programmierung 8. Exkurs: Spieltheorie Albert-Ludwigs-Universität Freiburg Bernhard Nebel 4. November 2016 1 4. November 2016 B. Nebel Info I 3 / 33 Spieltheorie beschäftigt
MehrInformatik I: Einführung in die Programmierung
Informatik I: Einführung in die Programmierung 8. Exkurs: Spieltheorie Albert-Ludwigs-Universität Freiburg Bernhard Nebel 7. November 2017 1 7. November 2017 B. Nebel Info I 3 / 33 Spieltheorie beschäftigt
MehrInformatik II Übung 09
Informatik II Übung 09 Michael Baumann mbauman@student.ethz.ch n.ethz.ch/~mbauman 04.05.2015 Ablauf 1) Nachbesprechung Serie 8 2) Minimax & Alpha-Beta 3) Vorbesprechung Serie 9 2 Serie 8 3 Aufgabe 1 a,
MehrHackenbusch und Spieltheorie
Hackenbusch und Spieltheorie Was sind Spiele? Definition. Ein Spiel besteht für uns aus zwei Spielern, Positionen oder Stellungen, in welchen sich das Spiel befinden kann (insbesondere eine besondere Startposition)
MehrInformatik II Übung 10. Benjamin Hepp 10 May 2017
Informatik II Übung 10 Benjamin Hepp benjamin.hepp@inf.ethz.ch 10 May 2017 Nachbesprechung U9 10 May 2017 Informatik II - Übung 01 2 Nachbesprechung U9 1. Spieltheorie 2. Reversi Teil 3 (Vorbesprechung
MehrG. Zachmann Clausthal University, Germany
lausthal Informatik II Suchen lausthal University, ermany zach@in.tu-clausthal.de Problemstellung egeben ist eine Menge von Datensätzen {A1,...,An} esucht sind die Datensätze, deren Schlüssel (Key) = A[i].key
MehrSpiele als Suchproblem
Spiele als Suchproblem betrachten Spiele für zwei Personen, diese sind abwechselnd am Zug Spiel endet in einem aus einer Menge möglicher Terminalzustände deterministische, im Prinzip zugängliche Umgebung
MehrSemesterprojekt Implementierung eines Brettspiels (inklusive computergesteuerter Spieler)
Semesterprojekt Implementierung eines Brettspiels (inklusive computergesteuerter Spieler) Wintersemester 16/17 (Kleine) Einführung zu Künstlicher Intelligenz in Brettspielen Patrick Schäfer patrick.schaefer@hu-berlin.de
MehrÜbung Algorithmen und Datenstrukturen
Übung Algorithmen und Datenstrukturen Sommersemester 017 Marc Bux, Humboldt-Universität zu Berlin Agenda 1. Vorrechnen von Aufgabenblatt 1. Wohlgeformte Klammerausdrücke 3. Teile und Herrsche Agenda 1.
MehrAufgabe 1: Betrachtet werde das Matrixspiel mit der Auszahlungsmatrix a. 1. Für welche Werte von a gibt es ein Nash sches Gleichgewicht?
Lösungen zu den Übungsaufgaben im Kapitel 7 des Lehrbuches Operations Research Deterministische Modelle und Methoden von Stephan Dempe und Heiner Schreier Aufgabe : Betrachtet werde das Matrixspiel mit
MehrNICHTKOOPERATIVE SPIELTHEORIE EINFÜHRUNG. Minimaxlösungen & Gleichgewichte
NICHTKOOPERATIVE SPIELTHEORIE EINFÜHRUNG Minimaxlösungen & Gleichgewichte Spieltheorie Einführungsbeispiel Gefangenendilemma (Prisoner s Dilemma) Nicht kooperierende Spielteilnehmer Spieler Gefangener
MehrEinführung in die Spieltheorie
Seminar über Algorithmen - Einführung in die Spieltheorie Nadja Scharf Institut für Informatik Einführung in die Spieltheorie nach Nisan, Roughgarden, Tardos, Vazirani: Algorithmic Game Theory, Kapitel
MehrÜbersicht: 6.1 Einleitung 6.2 Klassische Theorie nichtkooperativer Spiele 6.3 Egoistisches Routing 6.4 Mechanismen-Entwurf 6.
6. Algorithmische Spieltheorie Übersicht: 6.1 Einleitung 6.2 Klassische Theorie nichtkooperativer Spiele 6.3 Egoistisches Routing 6.4 Mechanismen-Entwurf 6.5 Auktionen 561 6.1 Einleitung Übliche Modelle:
MehrDas Gefangenendilemma (Prisoner s Dilemma)
SPIELTHEORIE Das Gefangenendilemma (Prisoner s Dilemma) 2 Zwei Herren (Braun und Blau) haben eine Bank überfallen. Der Sheriff hat sie gefasst, kann aber nur ein minder schweres Verbrechen nachweisen (unerlaubter
MehrProgrammierkurs Prolog, SS 2000
Programmierkurs Prolog SS 2000 Universitaet Dortmund nach Joachims 1998 Suche Repräsentation von Bäumen Repräsentation von Graphen Suchstrategien DFS, BFS, Iterative Deepening, Locale Heuristiken, Globale
Mehr5 Zwei spieltheoretische Aspekte
5 Zwei spieltheoretische Aspekte In diesem Kapitel wollen wir uns mit dem algorithmischen Problem beschäftigen, sogenannte Und-Oder-Bäume (kurz UOB) auszuwerten. Sie sind ein Spezialfall von Spielbäumen,
MehrInformatik II Übung 9
Informatik II Übung 9 Florian Scheidegger florsche@student.ethz.ch Folien mit freundlicher Genehmigung adaptiert von Gábor Sörös und Simon Mayer gabor.soros@inf.ethz.ch, simon.mayer@inf.ethz.ch Informatik
MehrInformatik II Übung 9 Gruppe 3
Informatik II Übung 9 Gruppe 3 Julia Gygax jgygax@student.ethz.ch Julia Gygax 02.05.2018 1 Administratives Am 23. Mai beginnt die Übung erst um 13.15 Julia Gygax 02.05.2018 2 Warm up Spielbaum / Generics
MehrVorlesung: Nicht-kooperative Spieltheorie. Teil 4: 2-Personen-Nullsummenspiele
Vorlesung: Nicht-kooperative Spieltheorie Teil 4: 2-Personen-Nullsummenspiele Dr. Thomas Krieger Wintertrimester 2009 Dr. Thomas Krieger Vorlesung: Nicht-kooperative Spieltheorie 1 Definition 2-Personen-Nullsummenspiele
MehrInformatik II Übung 9. Pascal Schärli
Informatik II Übung 9 pascscha@student.ethz.ch Was gibts heute? Warm-Up Nachbesprechung Serie 8 Best-Of Vorlesung: Minimax Alpha Beta Vorbesprechung Serie 9 Info zur Auffahrt 2 Warm - Up Warm-Up (Basisprüfung
MehrInformatik II Übung 11 Gruppe 3
Informatik II Übung 11 Gruppe 3 Leyna Sadamori leyna.sadamori@inf.ethz.ch Informatik II Übung 11 Leyna Sadamori 17. Mai 2017 1 Nachtrag zu Übung 10 Alpha-Beta-Algorithmus Knotenwerte: Beide Varianten sind
MehrGeometrie I. Sebastian Redinger Informatik 2 Programmiersysteme Martensstraße Erlangen
Geometrie I Sebastian Redinger 01.07.2015 Informatik 2 Programmiersysteme Martensstraße 3 91058 Erlangen Gliederung Grundlagen CCW Polygone Picks Theorem Konvexe Hülle - Graham Scan - Jarvis March 2 Gliederung
MehrHallo Welt für Fortgeschrittene
Hallo Welt für Fortgeschrittene Geometrie II Benjamin Zenke Informatik 2 Programmiersysteme Martensstraße 3 91058 Erlangen Inhalt Closest Pair Divide & Conquer Bereichssuche Gitterverfahren k-d-tree Sweep-Line-Algorithmen
MehrSortieren und Suchen. Jens Wächtler Hallo Welt! -Seminar LS 2
Sortieren und Suchen Jens Wächtler 17.05.2017 Hallo Welt! -Seminar LS 2 Überblick Sortieren kurze Wiederholung Binäre & Ternäre Suche Binäre Suche in einer Liste Bisektionsverfahren (Nullstellensuche)
MehrWie verhalte ich mich bei einem Verhör und einer Mutprobe richtig?
Wie verhalte ich mich bei einem Verhör und einer Mutprobe richtig? Ringvorlesung Technische Mathematik 10. November 2009 Inhaltsverzeichnis Das Gefangenendilemma 1 Das Gefangenendilemma 2 Situationsanalyse
MehrÜbersicht. Datenstrukturen und Algorithmen. Übersicht. Heaps. Vorlesung 8: Heapsort (K6) Joost-Pieter Katoen. 7. Mai 2015
Datenstrukturen und Algorithmen Vorlesung 8: (K6) 1 Joost-Pieter Katoen Lehrstuhl für Informatik Software Modeling and Verification Group http://moves.rwth-aachen.de/teaching/ss-15/dsal/ 7. Mai 015 3 Joost-Pieter
MehrSkript zur Vorlesung Mikroökonomik II (WS 2009) Teil 4
Skript zur Vorlesung Mikroökonomik II (WS 09) Teil 4 PR 13: Spieltheorie Weiterentwicklung der ökonomischen Theorie untersucht Situationen strategischen Verhaltens John von Neumann und Oskar Morgenstern
MehrDas Suchproblem. Gegeben Menge von Datensätzen. Beispiele Telefonverzeichnis, Wörterbuch, Symboltabelle
122 4. Suchen Lineare Suche, Binäre Suche, Interpolationssuche, Untere Schranken [Ottman/Widmayer, Kap. 3.2, Cormen et al, Kap. 2: Problems 2.1-3,2.2-3,2.3-5] 123 Das Suchproblem Gegeben Menge von Datensätzen.
MehrDas Suchproblem 4. Suchen Das Auswahlproblem Suche in Array
Das Suchproblem Gegeben. Suchen Lineare Suche, Binäre Suche, Interpolationssuche, Untere Schranken [Ottman/Widmayer, Kap. 3.2, Cormen et al, Kap. 2: Problems 2.-3,2.2-3,2.3-] Menge von Datensätzen. Beispiele
MehrGeometrie in der Spieltheorie
Evolutionäre Spieltheorie November 3, 2011 Evolution der Spieltheorie John von Neumann, Oskar Morgenstern 1944: The Theory of Games and Economic Behavior John Nash 1950: Non-cooperative Games Nash Gleichgewicht:
MehrStud.-Nummer: Datenstrukturen & Algorithmen Seite 1
Stud.-Nummer: Datenstrukturen & Algorithmen Seite 1 Aufgabe 1. / 16 P Instruktionen: 1) In dieser Aufgabe sollen Sie nur die Ergebnisse angeben. Diese können Sie direkt bei den Aufgaben notieren. 2) Sofern
MehrDas Suchproblem. Gegeben Menge von Datensätzen. Beispiele Telefonverzeichnis, Wörterbuch, Symboltabelle
119 4. Suchen Lineare Suche, Binäre Suche, Interpolationssuche, Exponentielle Suche, Untere Schranken [Ottman/Widmayer, Kap. 3.2, Cormen et al, Kap. 2: Problems 2.1-3,2.2-3,2.3-5] 120 Das Suchproblem Gegeben
MehrDas Suchproblem 4. Suchen Das Auswahlproblem Suche in Array
Das Suchproblem Gegeben. Suchen Lineare Suche, Binäre Suche, Interpolationssuche, Exponentielle Suche, Untere Schranken [Ottman/Widmayer, Kap. 3.2, Cormen et al, Kap. 2: Problems 2.-3,2.2-3,2.3-] Menge
Mehr2. Vorlesung. 1.3 Beste-Antwort Funktion. Vorlesung: Einführung in die Spieltheorie WS 2006/ Oktober 2006 Guido Schäfer
LETZTE ÄNDERUNG: 15. NOVEMBER 2006 Vorlesung: Einführung in die Spieltheorie WS 2006/2007 2. Vorlesung 24. Oktober 2006 Guido Schäfer 1.3 Beste-Antwort Funktion Notation: Definiere A i := j N\{i} A j.
MehrHallo Welt für Fortgeschrittene
Hallo Welt für Fortgeschrittene Geometrie I Markus Götze Informatik 2 Programmiersysteme Martensstraße 3 91058 Erlangen Gliederung Grundlagen Polygone ccw Pick's Theorem Konvexe Hülle Hallo Welt für Fortgeschrittene
MehrKap. 3: Sortieren (3)
Kap. 3: Sortieren (3) Professor Dr. Lehrstuhl für Algorithm Engineering, LS Fakultät für Informatik, TU Dortmund 6. VO DAP2 SS 2009 30. April 2009 Überblick Quick-Sort Analyse von Quick-Sort Quick-Sort
MehrSeminar Algorithmische Spieltheorie
Seminar Algorithmische Spieltheorie Einführung in die klassische Spiel- und Mechanismentheorie Hagen Völzer Universität zu Lübeck 10. November 2004 0 Überblick 1. Spiele 2. Auktionen 3. Mechanismen 1 Gefangenendilemma
MehrIndustrieökonomik II Wintersemester 2007/08 1. Industrieökonomik II. Prof. Dr. Ulrich Schwalbe. Wintersemester 2007/ 2008
Industrieökonomik II Wintersemester 2007/08 1 Industrieökonomik II Prof. Dr. Ulrich Schwalbe Wintersemester 2007/ 2008 Industrieökonomik II Wintersemester 2007/08 2 Gliederung 1. Wettbewerbsbeschränkungen
MehrWiederholung. Divide & Conquer Strategie
Wiederholung Divide & Conquer Strategie Binäre Suche O(log n) Rekursives Suchen im linken oder rechten Teilintervall Insertion-Sort O(n 2 ) Rekursives Sortieren von a[1..n-1], a[n] Einfügen von a[n] in
MehrGroße Lösungsräume. Leon Schmidtchen Hallo Welt Seminar - LS Leon Schmidtchen Große Lösungsräume Hallo Welt Seminar - LS2
Große Lösungsräume Leon Schmidtchen 1.06.201 Hallo Welt Seminar - LS 2!1 Gliederung Motivation Brute Force Backtracking Pruning Leon Schmidtchen Branch & Bound 1.06.201 Hallo Welt Seminar - LS 2 Wann soll
MehrAlgorithmen und Datenstrukturen (Informatik II) SS Klausur
Lehrstuhl für Algorith. und Datenstrukturen Prof. Dr. Hannah Bast Axel Lehmann Algorithmen und Datenstrukturen (Informatik II) SS 2013 http://ad-wiki.informatik.uni-freiburg.de/teaching Klausur Mittwoch
MehrSpieltheorie in der Ökonomie
in der Ökonomie Kevin Klein Technische Universität Wien 19. Dezemberl 2012 Inhaltsverzeichnis 1 Gliederung 2 Normalform Grundlagen Präferenzen,Nutzen Lösungskonzepte 3 Grundlagen Cornout Oligopol Bertrand
MehrKünstliche Intelligenz - Optimierungsprobleme - Suche in Spielbäumen
Künstliche Intelligenz - Optimierungsprobleme - Suche in Spielbäumen Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Optimierungsprobleme
MehrDatenstrukturen und Algorithmen (SS 2013) Prof. Dr. Leif Kobbelt Thomas Ströder, Fabian Emmes, Sven Middelberg, Michael Kremer
Präsenzübung Datenstrukturen und Algorithmen (SS 2013) Prof. Dr. Leif Kobbelt Thomas Ströder, Fabian Emmes, Sven Middelberg, Michael Kremer Dienstag, 28. Mai 2013 Nachname: Vorname: Matrikelnummer: Studiengang:
MehrVorkurs Mikroökonomik
Vorkurs Mikroökonomik Spieltheorie Harald Wiese Universität Leipzig Harald Wiese (Universität Leipzig) Spieltheorie 1 / 30 Gliederung Einführung Haushaltstheorie Unternehmenstheorie Haushaltstheorie 2
MehrGraphdurchmusterung, Breiten- und Tiefensuche
Prof. Thomas Richter 18. Mai 2017 Institut für Analysis und Numerik Otto-von-Guericke-Universität Magdeburg thomas.richter@ovgu.de Material zur Vorlesung Algorithmische Mathematik II am 18.05.2017 Graphdurchmusterung,
MehrThinking Machine. Idee. Die Thinking Machine Visualisierung versucht, die Denkprozesse eines Schachcomputers sichtbar zu machen
Thinking Machine (http://www.turbulence.org/spotlight/thinking/) Idee Die Thinking Machine Visualisierung versucht, die Denkprozesse eines Schachcomputers sichtbar zu machen Sie wurde von Martin Wattenberg
MehrHallo Welt für Fortgeschrittene
Hallo Welt für Fortgeschrittene Geometrie II Tiago Joao Informatik 2 Programmiersysteme Martensstraße 3 91058 Erlangen Inhalt Koordinatenkompression Beispiel: SafeJourney Typische compress-funktion Bereichssuche
MehrAufgaben und Lösungen für die Zweite Klausur zur Spieltheorie im HWS 2011, Universität Mannheim, Prof. Dr. C. Hertling
Aufgaben und Lösungen für die Zweite Klausur zur Spieltheorie im HWS 2011, 06.02.2012 Universität Mannheim, Prof. Dr. C. Hertling Name: Sitzplatznummer: Die Bearbeitungszeit für diese Klausur beträgt 90
MehrLotterien I: differenzenskaliert. Lotterien II: quotientenskaliert. Durchzähl -Methode. Drei Verfahren zur Messung von Nutzen.
Drei Verfahren zur Messung von Nutzen Durchzähl -Methode Lotterien I: differenzenskaliert Typ: ordinal quasi-kardinal ohne Null und Eins Einheit/Nullpunkt: Vorteil: Vergleich: Nullpunkt und Einheit frei
MehrMasterarbeit. Alpha-Beta-Pruning. Oliver Kock. Bochum, Februar 2009. Fakultät für Mathematik Ruhr-Universität Bochum
Masterarbeit Alpha-Beta-Pruning Oliver Kock Bochum, Februar 2009 Fakultät für Mathematik Ruhr-Universität Bochum Inhaltsverzeichnis Kapitel I. Einleitung 4 Kapitel II. Grundlagen der Spieletheorie 6 II.1.
MehrSpieltheorie. Winter 2013/14. Professor Dezsö Szalay. 2.4 Dynamische Spiele mit vollständiger aber unvollkommener
Spieltheorie Winter 2013/14 Professor Dezsö Szalay 2.4 Dynamische Spiele mit vollständiger aber unvollkommener Information Im allgemeinen ist die Annahme von vollkommener Information restriktiv. Um dynamische
MehrSpieltheorie Teil 6. Tone Arnold. Universität des Saarlandes. 25. März 2008
Spieltheorie Teil 6 Tone Arnold Universität des Saarlandes 25. März 2008 Tone Arnold (Universität des Saarlandes) Spieltheorie Teil 6 25. März 2008 1 / 104 Wiederholte Spiele In vielen Fällen finden Interaktionen
MehrStatistische Entscheidungstheorie
KAPITEL 6 Statistische Entscheidungstheorie 6.1. Verlustfunktion, Risiko, Minimax Schätzer Es sei (, A, (P θ ) θ ) ein statistisches Modell. Das heißt, ist die Menge aller möglichen Stichproben, A ist
MehrKombinatorische Spiele mit Zufallselementen
Kombinatorische Spiele mit Zufallselementen Die Realität ist nicht so streng determiniert wie rein kombinatorische Spiele. In vielen Situationen spielt der Zufall (Risko) eine nicht zu vernachlässigende
MehrUninformierte Suche in Java Informierte Suchverfahren
Uninformierte Suche in Java Informierte Suchverfahren Stephan Schwiebert WS 2008/2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln 8-Damen-Problem Gegeben: Schachbrett
Mehr9. Rekursion. 1 falls n 1 n (n 1)!, andernfalls. Experiment: Die Türme von Hanoi. Links Mitte Rechts. Mathematische Rekursion
Experiment: Die Türme von Hanoi. Rekursion Mathematische Rekursion, Terminierung, der Aufrufstapel, Beispiele, Rekursion vs. Iteration Links Mitte Rechts Mathematische Rekursion Viele mathematische Funktionen
MehrEntscheidungstheorie Teil 6. Thomas Kämpke
Entscheidungstheorie Teil 6 Thomas Kämpke Seite 2 Inhalt Entscheidungstheorie und Spiel Ultimatumspiel Mögliche Gültigkeitsbereiche von formaler Entscheidungstheorie Spieltheorie Gefangenen Dilemma Nash-Gleichgewicht
MehrGeneral Video Game AI Competition 2016
General Video Game AI Competition 2016 BFS, MCTS und GA - Einführung Miriam Moneke, Nils Schröder, Tobias Joppen Christan Wirth, Prof. J. Fürnkranz 27.04.2016 Fachbereich Informatik Knowledge Engineering
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Die Forschungsuniversität Meyerhenke, in der Institut für Theoretische Informatik
MehrAlgorithmen und Datenstrukturen 1
Algorithmen und Datenstrukturen 1 6. Vorlesung Martin Middendorf / Universität Leipzig Institut für Informatik middendorf@informatik.uni-leipzig.de studla@bioinf.uni-leipzig.de Merge-Sort Anwendbar für
MehrGrundlagen der Künstlichen Intelligenz Einführung Minimax-Suche Bewertungsfunktionen Zusammenfassung. Brettspiele: Überblick
Grundlagen der Künstlichen Intelligenz 22. Mai 2015 41. Brettspiele: Einführung und Minimax-Suche Grundlagen der Künstlichen Intelligenz 41. Brettspiele: Einführung und Minimax-Suche Malte Helmert Universität
MehrSpiele mit simultanen und sequentiellen Spielzügen
Kapitel 6 Spiele mit simultanen und sequentiellen Spielzügen Einführung in die Spieltheorie Prof. Dr. Aleksander Berentsen 1 Teil 2 - Übersicht Teil 2 Sequentielle Spiele (Kapitel 3) Simultane Spiele Reine
MehrProgrammierung von Strategiespielen
Departement für Informatik Universität Freiburg 13. September 2013 Zeitplan Morgen Theorie Kafeepause Theorie Nachmittag Praktische Übungen Vertiefung des Stoes Dank SVIA Schweizerischer Verein für Informatik
MehrAndroid will doch nur spielen. Ein Spieleframework stellt sich vor
Android will doch nur spielen Ein Spieleframework stellt sich vor 1 Agenda Motivation Eine allgemeine Spieleschnittstelle Reguläre Brettspiele TicTacToe Visualisierung und Steuerung Spieleagenten Weitere
MehrKulami. Fabio Valdés. LG Datenbanksysteme für neue Anwendungen
Fakultät Fakultätfür fürmathematik Mathematikund undinformatik Informatik Kulami Fabio Valdés Einführung Kulami Problemstellung Anforderungen Details Folie 2 Spielregeln Ziel des Spiels Punktezählung Aufgabenstellung
Mehr7. Sortieren Lernziele. 7. Sortieren
7. Sortieren Lernziele 7. Sortieren Lernziele: Die wichtigsten Sortierverfahren kennen und einsetzen können, Aufwand und weitere Eigenschaften der Sortierverfahren kennen, das Problemlösungsparadigma Teile-und-herrsche
MehrNeutrale kombinatorische Spiele
Neutrale kombinatorische Spiele Vortrag zum Seminar Anwendungen der Wahrscheinlichkeitstheorie Oskar Braun 10. Juli 2012 Inhaltsverzeichnis 1 Einleitung 2 2 Einführung 2 3 Das Nim-Spiel 4 4 Graphenspiele
Mehr9 Minimum Spanning Trees
Im Folgenden wollen wir uns genauer mit dem Minimum Spanning Tree -Problem auseinandersetzen. 9.1 MST-Problem Gegeben ein ungerichteter Graph G = (V,E) und eine Gewichtsfunktion w w : E R Man berechne
MehrInformatik II Übung 9
Informatik II Übung 9 Katja Wolff Katja.wolff@inf.ethz.ch 1 Othelligence Event Program: Game strategies and game theory Duell Human (German Champion) vs. Machine Panel Apéro Time: Friday, 19.05.2017, 16:00
MehrSpiele mit simultanen Spielzügen und reinen Strategien: Diskrete Strategien
Kapitel 4 Spiele mit simultanen Spielzügen und reinen Strategien: Diskrete Strategien Einführung in die Spieltheorie Prof. Dr. Aleksander Berentsen 1 Teil 2 - Übersicht Teil 2 Sequentielle Spiele (Kapitel
MehrProgramm heute. Algorithmen und Datenstrukturen (für ET/IT) Suchen. Lineare Suche. Such-Algorithmen. Sommersemester Dr.
Programm heute Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 0 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Fortgeschrittene Datenstrukturen Such-Algorithmen
MehrInformatik II: Algorithmen und Datenstrukturen SS 2013
Informatik II: Algorithmen und Datenstrukturen SS 2013 Vorlesung 11b, Mittwoch, 3. Juli 2013 (Editierdistanz, dynamische Programmierung) Prof. Dr. Hannah Bast Lehrstuhl für Algorithmen und Datenstrukturen
MehrAlgorithmische Methoden für schwere Optimierungsprobleme
Algorithmische Methoden für schwere Optimierungsprobleme Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund
MehrInformatik II - Übung 07
Informatik II - Übung 07 Katja Wolff katja.wolff@inf.ethz.ch Besprechung Übungsblatt 6 Informatik II Übung 07 12.04.2017 2 Übungsblatt 6 1.) Klassen, Schnittstellen, Typumwandlung 2.) Schnittstellen und
Mehr