2. Übungsblatt zu Algorithmen II im WS 2016/2017
|
|
- Edwina Maier
- vor 5 Jahren
- Abrufe
Transkript
1 Karlruher Intitut für Technologie Intitut für Theoretiche Informatik Prof. Dr. Peter Sander Dr. Chritian Schulz, Dr. Simon Gog Michael Axtmann. Übungblatt zu Algorithmen II im WS 06/07 WS6.php Aufgabe (Kleinaufgaben: A Suche) Muterlöungen a) Sei pot( ) eine gültige Potentialfunktion für die A Suche nach Knoten t in Graph G(V, E). Überprüfen Sie, ob pot c = pot + c, c = cont. ebenfall eine gültige Potentialfunktion dartellt. b) Kann e vorkommen, da eine A Suche mehr Knoten abucht al eine Suche mit Dijktra Algorithmu für die gleiche Anfrage? Begründen Sie warum nicht oder geben Sie ein Beipiel an. Muterlöung: a) E it zu überprüfen, ob gilt. c(u, v) + pot c (v) pot c (u) 0 () pot c (u) µ(u, t) () Bedingung () it immer erfüllt. Nach Einetzen ergibt ich c(u, v) + pot(v) pot(u) 0. Da nach Vorauetzung pot( ) eine gültige Potentialfunktion it, it die erfüllt. Bedingung () it hingegen nur erfüllt, wenn c µ(u, t) pot(u) f.a. u V. Damit it pot c ( ) nur für geeignete Wahl von c eine gültige Potentialfunktion. (Bemerkung: Fall pot(t) = 0 f.a. Potentiale gefordert it (antatt nur pot(t) 0), gilt c = 0!) b) Im bidirektionalen Fall kann die durchau einfach vorkommen. Im unidirektionalen Fall hängt e von der Reihenfolge der betrachteten Knoten gleicher Ditanz ab. Nehmen wir eine FIFO Ordnung der Knoten gleichen Gewichte an (z.b. in einer Bucket Queue), o it folgender Graph ein Beipiel. Die Dijktra Suche cannt die Knoten in der Reihenfolge:, a, b, t, während A die Knoten in der Reihenfolge, b, a, c, t cannt. (0) a () [] [] [0] b () c [0] (0) () t [0] Legende: Werte in eckigen Klammern geben Knotenpotentiale an, Werte in runden Klammern reduzierte Kantengewichte.
2 Aufgabe (Rechnen: Monotone ganzzahlige Priority Queue ) Bei einer Auführung von Dijktra Algorithmu wird folgender Auchnitt an Priority Queue Operationen protokolliert: inert(a, 06 [000] ) ( Parameter: Knotenbezeichnung, Ditanz [Ditanz binär] ) inert(b, 0 [000] ) inert(c, 07 [00] ) deletemin() deletemin() inert(d, [000] ) deletemin() inert(e, 6 [0000] ) Zuätzlich wien Sie, da da maximale Kantengewicht im Graphen C = 6 beträgt und da vor der erten protokollierten Operation da letzte enthaltene Element au der Priority Queue entfernt wurde. Diee hatte den Wert min =. a) Führen Sie die Operationen auf einer Bucket Queue au. Geben Sie den Zutand der Datentruktur nach jeder Operation an. b) Wieviele Bucket werden für eine Auführung auf einem Radix Heap benötigt? Führen Sie die Operationen auf einem Radix Heap au. Geben Sie den Zutand der Datentruktur und den Wertebereich der Bucket nach jeder Operation an.
3 Muterlöung: a) Bucket Queue: inert(a, 06 [000] ): min = (a, 6) inert(b, 0 [000] ): min = (b, 0) (a, 6) inert(c, 07 [0000] ): (für monotone Priority Queue nur wichtig, da Elemente au [min, min + C] tammen!) (c, 7) (b, 0) (a, 6) min = deletemin(): (c, 7) (b, 0) min = 6 deletemin(): min = 7 (b, 0) inert(d, [000] ): min = 7 (b, 0) (d, ) deletemin(): min = 0 (d, ) inert(e, 6 [0000] ): min = 0 (e, 6) (d, )
4 Muterlöung: b) Radix Heap: (E werden K + Bucket benötigt: B[ ], B[0],..., B[K]; mit K = + log C = ergeben ich Bucket.) inert(a, 06 [000] ): - 0 (a, 06 [000]) min = [000] inert(b, 0 [000] ): - 0 (a, 06 [000]) (b, 0 [000]) min = [000] inert(c, 07 [00] ): - 0 (a, 06 [000]) (b, 0, [000]) (c, 07 [00]) min = [000] deletemin(): (B[] it der erte gefüllte Bucket; min wird auf da kleinte enthaltene Element (6) geetzt; die Elemente in B[] werden neu verteilt und anchließend da Element in B[ ] entfernt) - 0 (c, 07 [00]) (b, 0 [000]) min = 6 [000] deletemin(): - 0 (b, 0 [000]) 7 8 min = 7 [00] inert(d, [000] ): - 0 (b, 0 [000]) (d, [000]) 7 8 min = 7 [00] deletemin(): - 0 (d, [000]) 0 6 min = 0 [000] inert(e, 6 [0000] ): - 0 (d, [000]) (e, 6 [0000]) 0 6 min = 0 [000] 4
5 Aufgabe (Analye: Laufzeit von Dijktra Algorithmu) Gegeben ei ein gerichteter Graph G = (V, E) mit V = n und E = m, owie eine Kantengewichtungfunktion c : E R + 0. a) Beweien Sie die Behauptung au der Vorleung, da für m = Ω(n log n log log n) Dijktra Algorithmu mit einem binary heap eine durchchnittliche Laufzeit von O(m) beitzt. b) Eine pezielle Priority Queue habe folgende Laufzeiteigenchaften: inert: O(log n) decreaekey: O() deletemin: O( m) (ob eine Datentruktur mit dieen Eigenchaften exitiert und Dijktra Algorithmu mit ihr korrekt arbeitet, it eine andere Frage, aber wir nehmen für diee Aufgabe an e ginge :-) ) Geben Sie eine kleinte obere Schranke für die Laufzeit von Dijktra Algorithmu unter Verwendung dieer Priority Queue an. Unter welcher Bedingung an da Verhältni der Anzahl Knoten n zu Kanten m wird die Laufzeit linear in der Eingabegröße? Die Eingabe erfolgt in Form einer Adjazenzlite. c) Geben Sie eine Klae von Graphen an, für welche die Anzahl an deletemin Operationen in Dijktra Algorithmu von einem beliebigen Knoten zu einem beliebigen erreichbaren Knoten t linear von der minimalen Pfadlänge µ(, t) abhängt. Für die Klae von Graphen mu weiter m = Θ(n log n) gelten.
6 Muterlöung: a) Für die durchchnittliche Laufzeit von Dijktra Algorithmu mit einem binary heap gilt: O(m + n log m n log n) Zu zeigen it, ob diee Laufzeit in O(m) liegt für die gegebene Wahl von m = Ω(n log n log log n). Wähle den kleintmöglichen Wert für m. Fall die Auage dieen Wert gilt, gilt Sie icher auch für alle größeren m. Eingeetzt und umgeformt ergibt ich: n log n log log n O(n log n log log n + n log log n) n kürzen = O(n log n log log n + n log(log n log log n) log n) log ab=log a+log b = O(n log n log log n + n log log n + n log log log n log n) log log log n=o(log log n) = O(n log n log log n) = O(m) Damit liegt die Laufzeit in O(m). Für eine geringere Abhängigkeit, z.b. m = O(n) würde der zweite Term den erten im O-Kalkül dominieren und die Umformung würde nicht zu O(m) führen. b) Allgemein gilt für die Laufzeit von Dijktra Algorithmu: O(m + m T decreaekey (n) + n (T deletemin (n) + T inert (n))) Mit den angegebenen Laufzeiten eingeetzt ergibt ich: O(m + n m + n log n) Unter den Forderungen n m = O(m) und n log n = O(m) it die Laufzeit linear in m. Die lät ich umformen zu Ω(n) = m und Ω(n log n) = m. Damit ergibt ich m = Ω(n ). c) Eine Klae von Graphen, die diee Anforderungen erfüllt, lät ich wie folgt kontruieren: Man bilde eine gerichtete Kette von n Knoten, verbunden durch Kanten mit Gewicht. Außerdem füge man von jedem Knoten i zu jeweil max(i, log n ) Nachfolgern eine Kante mit Gewicht größer der Ditanz zwichen i und dem jeweiligen Nachfolger j auf der Kette ein Beipiel mit Knoten Für die Anzahl an Kanten gilt nun: n m := log n i= log n i= n i = log n i= log n ( log n + ) Θ ( n log n log n ) Θ (n log n) 6
7 Aufgabe 4 (Entwurf: All Pair Shortet Path ) Sie ind von der Finanzaufichtbehörde beauftragt worden, einen Algorithmu zu entwickeln, der Unregelmäßigkeiten im Devienhandel möglicht zeitnah aufdecken kann. Zu dieem Zweck erhalten Sie die aktuellen direkten Wechelkure w i,j von Währung i nach Währung j für alle gehandelten Währungen. Dabei bedeutet z.b. w i,j = 4, da man für Einheit au Währung i genau 4 Einheiten au Währung j erhält. Eine Unregelmäßigkeit tritt dann auf, wenn eine Möglichkeit exitiert, eine Währung i in eine Währung j über mehrere Zwichenwechel zu tauchen, o da der Ertrag der Wechel weniger al die Hälfte de direkten Wechel von Währung i nach j erzielt. Auf Rückfrage verichert Ihnen Ihr Auftraggeber außerdem, da eine geldgenerierende Schleife (leider) nicht auftreten kann. a) Formulieren Sie da Problem al graphentheoretiche Problem. D.h. bilden Sie die gegebenen Informationen auf Knoten und Kanten eine Graphen ab und interpretieren Sie die getellte Aufgabe al Problem auf dem von Ihnen definierten Graphen. b) Bechreiben Sie einen Algorithmu, der da Problem löt. c) Erweitern Sie Ihren Algorithmu, o da er auch die Folge an Wecheln augeben kann, die eine Unregelmäßigkeit veruracht. d) Ihr Algorithmu mu k Währungen überwachen. Geben Sie eine Laufzeit für Ihren Algorithmu an, die nur von k abhängt. Hinwei: log ab = log a + log b. Muterlöung: a) Modellierung de Problem al Graph: Knoten entprechen Währungen, Kanten erlaubten Geldwecheln. Kantengewichte geben den Logarithmu de Wechelkure an. E ergibt ich ein volltändiger Graph mit k Knoten. Der Graph kann negative Kantengewichte aber laut Vorgabe keine negativen Zyklen enthalten. Geucht ind kürzete Verbindungen von jedem Knoten zu jedem anderen. b) Führe eine All-To-All Suche durch und prüfe für je zwei Währungen i, j, ob der berechnete kürzete Abtand kleiner al log 0.w i,j it. Trifft die zu, melde eine Unregelmäßigkeit. c) E müen zuätzlich parent Zeiger gepeichert werden. Über diee kann man rückwärt von der Zielwährung die Folge an Wecheln rekontruieren. d) Der Graph hat n = k Knoten und m = k(k )/ Kanten (volltändiger Graph). Der verwendete Algorithmu braucht allgemein O(nm + n log n) Laufzeit. Eingeetzt ergibt ich eine Laufzeit von O(k ). 7
8 Aufgabe (Rechnen: A Suche) Gegeben ei der unten abgebildete Graph. An den Kanten ind Koten für die Nutzung der Verbindung eingetragen und die Knoten tragen Ortkoordinaten. a) Ergänzen Sie den gegebenen Graphen um Knotenpotentiale für eine A Suche von nach t. Verwenden Sie Knoten t al Landmarke und die Manhatten-Ditanz ( ˆ= Einnorm ) al Abchätzung für die Entfernung zum Ziel. Hinwei: : (x, y ), (x, y ) = y y + x x. b) Tragen Sie die reduzierten Kantengewichte in den Graphen ein. c) Wieviele deletemin Operationen führt die A Suche auf dem Graphen au? Wieviele eine normale Suche mit Dijktra Algorithmu? [4, 4] [, ] [, ] 0 [4, 0] [, 0] [, 0] [, 0] [0, 0] t 8
9 Muterlöung: a) Knotenpotentiale pot( ) in Knoten eingetragen; Kantengewichte c( ) durch reduzierte Gewichte c( ) : c(u, v) = c(u, v) + pot(v) pot(u) eretzt: [4, 4] [8] 0 [6] [, ] 0 6 [4] [, ] 6 [4] [] [] [] [0] [4, 0] [, 0] [, 0] [, 0] [0, 0] t b) Siehe vorherige Teilaufgabe. c) Die A Suche benötigt deletemin Operationen, die normale Suche hingegen 8. Die entprechenden Suchräume ind in den folgenden Abbildungen eingezeichnet. Die Knotennummerierung gibt die Reihenfolge der deletemin Operationen an. A : Dijktra: [4, 4] 0 [4, 4] [, ] 0 4 [, ] 6 [, ] 6 6 [, ] [4, 0] [, 0] [, 0] [, 0] [0, 0] t 7 8 [4, 0] [, 0] [, 0] [, 0] [0, 0] t 9
10 Aufgabe 6 (Einführung+Analye: Bidirektionaler Dijktra) In Vorleung und Saalübung wurde eine bidirektionale Variante von Dijktra Algorithmu angeprochen, die in dieer Aufgabe näher unterucht werden oll. Zur Wiederholung: Gegeben ei wie üblich ein gerichteter Graph G = (V, E) mit V = n und E = m, owie eine Kantengewichtungfunktion c : E R + 0. Geucht it der kürzete Pfad p =,..., t zwichen zwei Punkten, t V. Eine bidirektionale Suche löt diee Problem wie folgt: E werden zwei unidirektionale Suchen mit Dijktra Algorithmu getartet. Die Vorwärtuche beginnt bei Knoten und operiert auf dem normalen Graphen G, auch Vorwärtgraph genannt. Die Rückwärtuche beginnt bei Knoten t und operiert auf dem Rückwärtgraph G r = (V, E r ) mit Kantengewichtungfunktion c r. Dieer Graph entteht au G durch Umkehrung aller Kanten. Der Algorithmu cannt abwechelnd einen Knoten in der Vorwärtuche und in der Rückwärtuche, beginnend mit der Vorwärtuche. Wird während de Scan von Knoten u Kante (u, v) relaxiert, o wird überprüft, ob die Ditanz d forward [v] + d backward [v] kleiner it al die momentan minimale gefundene Ditanz von nach t und diee gegebenenfall angepat (d forward [v] gibt die biher kürzete gefundene Ditanz von nach v in der Vorwärtuche und d backward [v] die biher kürzete gefundene Ditanz von v nach t in der Rückwärtuche an). Sobald ein Knoten in einer Richtung gecannt werden oll, der bereit in der anderen Richtung gecannt worden it, kann die Suche beendet werden (Abbruchbedingung). Die aktuelle minimale gefundene Ditanz it dann die tatächliche minimale Ditanz zwichen und t. a) Zeichnen Sie den Rückwärtgraph G r zum angegebenen Graphen. Geben Sie die Kantengewichte c(a, d), c r (a, d) owie c(b, e), c r (b, e) an. a b e c (Kante (b, e) it eine bidirektionale [bzw. ungerichtete] Kante) b) Geben Sie an, in welcher Reihenfolge der unten angegebene Graph durchlaufen wird. d t c) Zeigen Sie, da die Abbruchbedingung korrekt it. d) Wann kann e paieren, da die Suche nach dem Scan von Knoten u beendet wird, dieer aber nicht Teil de kürzeten Wege it. Geben Sie ein Beipiel an. 0
11 Muterlöung: a) Rückwärtgraph G r : a b e Kantengewichte: c(a, d) =, c r (a, d) = c(b, e) =, c r (b, e) = Allgemein gilt c(u, v) = c r (v, u). c E ind einfach alle Pfeile umgedreht worden. b) Vorwärtuche: Rückwärtuche: d 4 Die Zahlen in den Knoten geben die Reihenfolge an, in der Sie gecannt worden ind. Sobald die Vorwärtuche den Knoten mit Nummer cannt, it die Suche beendet, da er chon in Rückwärtrichtung gecannt wurde. c) Nehmen wir an, e exitiere ein Knoten u, der in beiden Queue gelöcht wurde, aber d(, t) < d(, u)+d(u, t) ei noch nicht bekannt. Da die Knoten in treng monotoner Reihenfolge gecannt werden, ind in der Vorwärtuche bereit alle Knoten v mit d(, v) < d(, u) gecannt worden. Gleiche gilt für Knoten v mit d(v, t) < d(u, t) in der Rückwärtuche. Betrachten wir den kürzeten Pfad p = { = n,..., n k = t}. Weiterhin betrachten wir den Knoten mit maximalem i, o da d(, n i ) < d(, u) owie den Knoten mit minimalem j, o da d(n j, t) < d(u, t). Da d(, t) noch nicht bekannt it, mu gelten: i < j (ont wäre die Ditanz bekannt). Folglich exitiert aber ein Knoten n x in p mit d(, n x ) d(, u) owie d(n x, t) d(u, t). Damit wäre aber auch d(, t) d(, u) + d(u, t) > d(, t), wa ein Widerpruch it. d) Der abgebildete Graph it ein mögliche Beipiel. C E A D 4 4 B Die Vorwärtuche bearbeitet die Knoten in der Reihenfolge A,C,B,E,D. Die Rückwärtuche bearbeitet die Knoten in der Reihenfolge D,E,B,C,A. Nach drei abwechelnden Schritten wurde B folglich in beiden Suchräumen gecannt. Der kürzete Weg folgt aber der Route A,C,E,D.
12 Aufgabe 7 (Analye: Bidirektionaler Dijktra) a) Gegeben ei ein Gittergraph G mit allen Kantengewichten gleich. Wieviele Knoten wird eine bidirektionale Suche beuchen in Abhängigkeit von Abtand d zwichen Start und Ziel? Wieviele die unidirektionale Suche? Beipiel eine Gittergraphen b) Geben Sie ein Beipiel an, in dem die bidirektionale Suche von nach t exponentiell weniger Knoten beucht al die unidirektionale Suche. c) Geben Sie ein Beipiel, in dem die bidirektionale Suche von nach t mehr Knoten beucht al die unidirektionale Suche. d) Zeigen Sie, da die bidirektionale Suche nie mehr al doppelt o viele Knoten beucht al die unidirektionale Suche.
13 Muterlöung: a) Dijktra Algorithmu cannt Knoten kreiförmig um den Startknoten. Für den Kreiumfang gemeen in Knoten gilt im Gridgraph: u(r) = (r + ) + (r ) = 4r (Einnorm). Im Falle der unidirektionalen Suche werden Kreie mit Radiu bi d volltändig und der Krei mit Radiu d teilweie abgeucht. Damit werden d r=0 u(r) + = + 4d(d )/ + bi d r=0 u(r) = + 4d(d )/ + 4d Knoten gecannt. Die zuätzliche + entpricht dem Scannen de Startknoten. Im Falle der bidirektionalen Suche werden für jede Richtung Kreie mit Radiu bi d/ volltändig und der Krei mit Radiu d/ + teilweie abgeucht. Damit werden zwichen d r=0 u(r) + = + 4( d/ )( d/ )/ + und d r=0 u(r) = + 4( d/ )( d/ )/ + 4( d/ + ) Knoten in jeder Richtung gecannt. Vergleicht man beide Ergebnie, o tellt man fet, da die bidirektionale Suche nur ungefähr halb o viele Knoten cannt wie die unidirektionale Suche. b) Von wird ein Baum mit allen Kantengewichten gleich aufgepannt, deen Blätter über jeweil eine Kante mit Gewicht n mit t verbunden ind bi auf ein Blatt, da über eine Kante mit Gewicht mit t verbunden it. Die unidirektionale Suche beucht alle n Knoten. Die bidirektionale Suche beucht nur O(log n) Knoten. n- n- n- n- t c) Der abgebildete Graph it ein mögliche Beipiel. Unidirektionale Suche cannt Knoten, bidirektionale Suche 9. t d) Sei k die Anzahl Knoten, die von der unidirektionalen Suche beucht werden. Die bidirektionale Suche führt zwei unabhängige unidirektionale Suchen au. Dabei entpricht die Vorwärtuche der unidirektionalen Suche. Beide Suchrichtungen wecheln ich ab und e wird mit der Vorwärtrichtung begonnen. Hat die bidirektionale Suche k Schritte durchgeführt, entfallen davon k auf die Vorwärtrichtung. Die Vorwärtuche hat damit die gleichen k Knoten abgeucht wie die unidirektionale Suche, einchließlich de Zielknoten. Da er in der Gegenrichtung auch chon abgeucht wurde (al erter Knoten), kann die Suche beendet werden.
14 Aufgabe 8 (Implementierung: A Algorithmu) Implementieren Sie die A Suche in C++ mit einer adreierbaren Prioritätlite Ihrer Wahl ( und der Graph-Datentruktur au dem KaHIP Framework. Laden Sie da Archiv von unerer Webite mit 6 Straßennetzwerken herunter. Da Archiv beinhaltet da komplette Straßennetzwerk der USA, aber auch kleinere gewichtete Teilnetzwerke wie da Straßennetzwerk von Colorado und Florida. Die Netzwerke ind im Meti Format gepeichert. Nutzen Sie die Methoden au dem KaHIP Framework um die Netzwerke einzuleen. Unteruchen Sie die Vorberechnung von Landmarken auf verchiedenen Netzwerken. Wie lange benötigt die Vorberechnung einer Landmarke für da Colorado Netzwerk im Vergleich zu einer Landmarke für Californien? Begründen Sie die Laufzeiten. Unteruchen Sie die A Suche auf dem Straßennetzwerk von Colorado etwa genauer: Berechnen Sie dazu die Landmarke für den Knoten 46. Nutzen Sie dazu die Implementierung von Dijktra Algorithmu au Übungblatt. Nutzen Sie diee Landmarke und die A Suche um den kürzeten Weg von Knoten 0 zu Knoten 0 zu finden. Wie lange benötigt diee Suche im Vergleich zur Suche de kürzeten Weg von Knoten 0 zu Knoten 0? Geben Sie eine Begründung für den Laufzeitunterchied an
2. Übungsblatt zu Algorithmen II im WS 2016/2017
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders Dr. Christian Schulz, Dr. Simon Gog Michael Axtmann. Übungsblatt zu Algorithmen II im WS 016/017 Aufgabe
MehrGrundlagen: Algorithmen und Datenstrukturen
Grundlagen: Algorithmen und Datentrukturen Prof. Dr. Hanjo Täubig Lehrtuhl für Effiziente Algorithmen (Prof. Dr. Ernt W. Mayr) Intitut für Informatik Techniche Univerität München Sommeremeter H. Täubig
Mehr6. Übungsblatt zu Algorithmen II im WS 2017/2018
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders Dr. Thomas Worsch, Dr. Simon Gog Demian Hespe, Yaroslav Akhremstev 6. Übungsblatt zu Algorithmen II im WS
Mehr23. Kürzeste Wege. Flussüberquerung (Missionare und Kannibalen) Das ganze Problem als Graph. Formulierung als Graph
Fluüberquerung (Miionare und Kannibalen). Kürzete Wege Problem: Drei Kannibalen und drei Miionare tehen an einem Ufer eine Flue. Ein dort bereittehende Boot fat maimal zwei Peronen. Zu keiner Zeit dürfen
MehrDijkstras Algorithmus: Pseudocode
Dijktra Algorithmu: Peudocode initialize d, parent all node are non-canned while 9 non-canned node u with d[u] < u := non-canned node v with minimal d[v] relax all edge (u,v) out of u u i canned now Behauptung:
Mehr2. Übungsblatt zu Algorithmen II im WS 2011/2012
Karlruher Iniu für Technologie Iniu für Theoreiche Informaik Prof. Dr. Peer Sander Moriz Kobizch, Denni Schieferdecker. Übungbla zu Algorihmen II im WS 0/0 hp://algo.ii.ki.edu/algorihmenii.php {kobizch,ander,chieferdecker}@ki.edu
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datentrukturen Teil IV Peter F. Stadler & Kontantin Klemm Bioinformatic Group, Dept. of Computer Science & Interdiciplinary Center for Bioinformatic, Univerity of Leipzig 7. April
MehrTechnische Universität München Fakultät für Mathematik Algorithmische Diskrete Mathematik WS 2014/2015 Prof. Dr. Peter Gritzmann 07.
Note: Name Vorname Matrikelnummer Studiengang Unterchrift der Kandidatin/de Kandidaten Höraal Reihe Platz Techniche Univerität München Fakultät für Mathematik Algorithmiche Dikrete Mathematik WS 1/1 Prof.
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datentrukturen Teil 4 Prof. Peter F. Stadler & Sebatian Will Bioinformatik/IZBI Intitut für Informatik & Interdiziplinäre Zentrum für Bioinformatik Univerität Leipzig 0. April 04 /
MehrErinnerung VL
Erinnerung VL 1.6.16 Graphtraverierung BFS (Breitenuche): in Schichten um Startknoten löt einfache Form de Kürzete-Wege-Problem DFS (Tiefenuche): ert abteigen, dann Alternativen anehen generich formuliert,
MehrKapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorleung. Falltudie Bipartite Graphen. Grundbegriffe 3. Elementare Graphalgorithmen und Anwendungen 4. Minimal pannende Bäume 5. Kürzete Pfade 6. Traveling Saleman Problem 7. Flüe in Netzwerken
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgechrittene Netzwerk- und Graph-Algorithmen Dr. Hanjo Täubig Lehrtuhl für Effiziente Algorithmen (Prof. Dr. Ernt W. Mayr) Intitut für Informatik Techniche Univerität München Winteremeter 2010/11 H.
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Kürzeste Wege Maike Buchin 4. und 6.7.2017 Einführung Motivation: Bestimmung von kürzesten Wegen ist in vielen Anwendungen, z.b. Routenplanung, ein wichtiges Problem. Allgemeine
Mehr6. Übungsblatt zu Algorithmen II im WS 2017/2018
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders Dr. Thomas Worsch, Dr. Simon Gog Demian Hespe, Yaroslav Akhremstev 6. Übungsblatt zu Algorithmen II im WS
MehrThemen der Übung. Rekursion. Dateien einlesen Sudokus. Assertions
Themen der Übung Rekurion CoMa-Übung X TU Berlin.0.0 Themen heute Evaluation Aertion Einleen von Dateien Queue und Breitenuche Rekurion Wegrekontruktion Tiefenuche Backtracking Evaluation Diee Woche bekommt
MehrAlgorithmen & Komplexität
Algorithmen & Komplexität Angelika Steger Institut für Theoretische Informatik steger@inf.ethz.ch Kürzeste Pfade Problem Gegeben Netzwerk: Graph G = (V, E), Gewichtsfunktion w: E N Zwei Knoten: s, t Kantenzug/Weg
Mehr2.6.1 Definition und Darstellung Ausspähen von Graphen Minimal spannende Bäume Kürzeste Pfade 2.6.
.6 Graphen.6. Definition und Dartellung.6. Aupähen von Graphen.6.3 Minimal pannende Bäume.6.4 Kürzete Pfade.6.5 Maximaler Flu .6.5 Maximaler Flu.6.5. Flunetzwerke.6.5. Ford-Fulkeron-Methode.6.5.3 Algorithmu
MehrRandomisiert inkrementelle Konstruktion der Trapezzerlegung. Strecken in der Ebene
Randomiiert inkrementelle Kontruktion der Trapezzerlegung einer Menge von Strecken in der Ebene (Literatur: deberg et al., Kapitel 6) Chritian Knauer 1 Problemtellung Gegeben: Eine Menge von n Strecken
Mehr1 Kürzeste Pfade in Graphen
Praktikum Algorithmen-Entwurf (Teil 3) 03.11.2011 1 1 Kürzeste Pfade in Graphen Es sei ein gerichteter Graph G = (V, E) mit V = n Knoten, E = m Kanten und Kantengewichten c : E R gegeben. Ein Pfad in G
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen nd Datentrktren (für ET/IT) Sommeremeter 7 Dr. Stefanie Demirci Compter Aided Medical Procedre Techniche Unierität München Programm hete 7 Fortgechrittene Datentrktren Sch-Algorithmen 9 Graph-Algorithmen
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen Lerneinheit : Kürzeste Pfade in Graphen Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Sommersemester 016.6.01 Einleitung Diese Lerneinheit beschäftigt
Mehr8.4 Digraphen mit negativen Kantengewichten Grundsätzliches Betrachte Startknoten s und einen Kreis C mit Gesamtlänge < 0.
8.4 Digraphen mit negativen Kantengewichten 8.4.1 Grundsätzliches Betrachte Startknoten s und einen Kreis C mit Gesamtlänge < 0. k 4 5 1 s 1 3 2 C k 0 k 3 1 1 1 k 1 k 2 v Sollte ein Pfad von s nach C und
MehrKarlsruher Institut für Technologie. Klausur Algorithmen I
Klausur-ID: Vorname: Matrikelnummer: Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Jörn Müller-Quade 11. April 2018 Klausur Algorithmen I Aufgabe 1. Kleinaufgaben 15 Punkte
MehrAlgorithmen I. Prof. Jörn Müller-Quade Institut für Theoretische Informatik Web: https://crypto.iti.kit.edu/index.php?
Algorithmen I Prof. Jörn Müller-Quade 19.6.1 Institut für Theoretische Informatik Web: https://crypto.iti.kit.edu/index.php?id=99 (Folien von Peter Sanders) KIT Institut für Theoretische Informatik 1 Organisatorisches
Mehr10. Übung Algorithmen I
INSTITUT FÜR THEORETISCHE INFORMATIK 1 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft Institut für Theoretische www.kit.edu Informatik Bäume
Mehr10. Übungsblatt zu Algorithmen I im SS 2010
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders G.V. Batz, C. Schulz, J. Speck 0. Übungsblatt zu Algorithmen I im SS 00 http//algo.iti.kit.edu/algorithmeni.php
MehrZentralabitur 2014 Physik Schülermaterial Aufgabe II ga Nachschreibtermin Bearbeitungszeit: 220 min
Thema: Interferenz In Aufgabe 1 wird Interferenz von Licht am Gitter behandelt. In Aufgabe 2 geht e um die Eigenchaften verchiedener Quantenobjete. Aufgabe 3 befat ich mit Michelon-Interferometern. Aufgabentellung
MehrInformatik II: Algorithmen & Datenstrukturen. Blättern Sie nicht um bevor Sie dazu aufgefordert werden!
Albert-Ludwigs-Universität Institut für Informatik Prof. Dr. F. Kuhn Informatik II: Algorithmen & Datenstrukturen Montag, 29. August, 2014, 14:00 17:00 Name:...........................................................
Mehr2. Das single-source-shortest-path-problem
. Das single-source-shortest-path-problem Zunächst nehmen wir an, dass d 0 ist. Alle kürzesten Pfade von a nach b sind o.b.d.a. einfache Pfade.. Dijkstra s Algorithmus Gegeben: G = (V, A), (A = V V ),
Mehr1. Übungsblatt zu Algorithmen II im WS 2011/2012
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders Moritz Kobitzsch, Dennis Schieferdecker. Übungsblatt zu Algorithmen II im WS 0/0 http://algo.iti.kit.edu/algorithmenii.php
MehrEffiziente Algorithmen und Datenstrukturen: Kürzeste Wege
Effiziente Algorithmen und Datenstrukturen: Kürzeste Wege Kürzeste Wege Zentrale Frage: Wie komme ich am schnellsten von A nach B? B A Kürzeste Wege Zentrale Frage: Wie komme ich am schnellsten von A nach
MehrZentrale schriftliche Abiturprüfungen im Fach Mathematik
Zentrale chriftliche Abiturprüfungen i Fach Matheatik Analyi Grundkur Aufgabe 5: Helikopter In der Abbildung it ein Auchnitt de Graphen einer quadratichen Funktion zu ehen, der i Zeitinterall on 0 bi 60
MehrWintersemester 2004/ Januar 2005
Lehrtuhl für Praktiche Informatik III Norman May B,, Raum C0.0 8 Mannheim Telefon: (0) 8 Email: norman@pi.informatik.uni-mannheim.de Matthia Brantner B,, Raum C0.0 8 Mannheim Telefon: (0) 8 Email: mb@pi.informatik.uni-mannheim.de
MehrDatenstrukturen und Algorithmen (SS 2013)
Datenstrukturen und Algorithmen (SS 2013) Übungsblatt 10 Abgabe: Montag, 08.07.2013, 14:00 Uhr Die Übungen sollen in Gruppen von zwei bis drei Personen bearbeitet werden. Schreiben Sie die Namen jedes
MehrLandeswettbewerb Mathematik Baden-Württemberg. Runde 2
1994 Runde ufgabe 1 Zeige, da 1!! 3!... 1995! mindeten 1 Teiler hat. Hinwei: Unter n! verteht man da Produkt der erten n natürlichen Zahlen. eipiel: 5! = 1 3 4 5 = 10 Löung Die Summe S = 1!! 3!... 1995!
Mehr2. Klausur Datenstrukturen und Algorithmen SS 2014
Prof. aa Dr. E. Ábrahám F. Corzilius, S. Schupp, T. Ströder 2. Klausur Datenstrukturen und Algorithmen SS 2014 Vorname: Nachname: Studiengang (bitte genau einen markieren): Informatik Bachelor Informatik
MehrÜbungsblatt 2 - Lösung
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 2 - Lösung Vorlesung Algorithmentechnik im WS 08/09 Ausgabe 04. November 2008 Abgabe 8. November, 5:0 Uhr (im Kasten vor Zimmer
MehrErinnerung VL
Erinnerung VL.6.16 Graphtraversierung (DFS, topologische Sortierung und mehr) Kürzeste Wege: Problemstellung, Algorithmen Analoger Algorithmus Dijkstras Algorithmus: Idee, Korrektheit Heute: mehr zu Dijkstra,
MehrLernmodul 7 Algorithmus von Dijkstra
Folie 1 von 30 Lernmodul 7 Algorithmus von Dijkstra Quelle: http://www.map24.de Folie 2 von 30 Algorithmus von Dijkstra Übersicht Kürzester Weg von A nach B in einem Graphen Problemstellung: Suche einer
Mehr3.2 Generischer minimaler Spannbaum-Algorithmus
3.2 Generischer minimaler Spannbaum-Algorithmus Initialisiere Wald F von Bäumen, jeder Baum ist ein singulärer Knoten (jedes v V bildet einen Baum) while Wald F mehr als einen Baum enthält do wähle einen
Mehr5. Übungsblatt zu Algorithmen II im WS 2017/2018
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders Dr. Thomas Worsch, Dr. Simon Gog Demian Hespe, Yaroslav Akhremstev 5. Übungsblatt zu Algorithmen II im WS
Mehr3. Musterlösung. Problem 1: Boruvka MST
Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 06/07 ITI Wagner. Musterlösung Problem : Boruvka MST pt (a) Beweis durch Widerspruch. Sei T MST von G, e die lokal minimale Kante eines
MehrGrundlagen der Algorithmen und Datenstrukturen Kapitel 10
Grundlagen der Algorithmen und Datenstrukturen Kapitel 0 Christian Scheideler + Helmut Seidl SS 009 5.06.09 Kapitel 0 Kürzeste Wege Zentrale Frage: Wie komme ich am schnellsten von A nach B? B A 5.06.09
MehrInformatik B Sommersemester Musterlösung zur Klausur vom
Informatik B Sommersemester 007 Musterlösung zur Klausur vom 0.07.007 Aufgabe : Graphen und Graphalgorithmen + + + () Punkte Für eine beliebige positive, ganze Zahl n definieren wir einen Graphen G n =
MehrNAME, VORNAME: Studiennummer: Matrikel:
TU Ilmenau, Fakultat IA Institut für Theoretische Informatik FG Komplexitätstheorie und Effiziente Algorithmen Prof. Dr. (USA) M. Dietzfelbinger Klausur Algorithmen und Datenstrukturen SS08, Ing.-Inf.
MehrAlgorithmentechnik - U bung 3 4. Sitzung Tanja Hartmann 03. Dezember 2009
Algorithmentechnik - U bung 3 4. Sitzung Tanja Hartmann 03. Dezember 2009 I NSTITUT F U R T HEORETISCHE I NFORMATIK, P ROF. D R. D OROTHEA WAGNER KIT Universita t des Landes Baden-Wu rttemberg und nationales
MehrAufgabe 1 Bestimmen Sie die Laplace-Transformierte der Rampenfunktion
Übung /Grundgebiete der Elektrotechnik 3 (WS7/8 aplace-tranformation Dr Alexander Schaum, ehrtuhl für vernetzte elektroniche Syteme Chritian-Albrecht-Univerität zu Kiel Aufgabe Betimmen Sie die aplace-tranformierte
MehrBeispiel-Schulaufgabe 2
Anregungen zur Ertellung von Aufgaben Aufgaben für Leitungnachweie Die zeichnet ich durch eine augewogene Berückichtigung der allgemeinen mathematichen Kompetenzen au. Aufgaben, deren Bearbeitung in auffallendem
Mehr2. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2006/ April 2007
2. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2006/2007 12. April 2007 Hier Aufkleber mit Name und Matrikelnr. anbringen Vorname: Nachname: Matrikelnummer: Beachten Sie: Bringen Sie den Aufkleber
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
MehrVorbereitung Mathematik Cusanus-Gymnasium Wittlich Fachlehrer : W. Zimmer
Vorbereitung Mathematik Cuanu-Gymnaium Wittlich Fachlehrer W. Zimmer Den folgenden Katalog habe ich bei www.lehrer.uni-karlruhe.de gefunden. Er oll Beipiele dafür aufzeigen, wa konkret verlangt werden
MehrAufgaben zur Klausurvorbereitung
Vorlesung Graphen und Optimierung Sommersemester 2013/14 Prof. S. Lange Aufgaben zur Klausurvorbereitung Hier finden Sie eine Reihe von Übungsaufgaben, die wir an den beiden Vorlesungsterminen am 29.01.2014
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 2009 Grundlagen: Algorithmen und Datenstrukturen Übungsblatt 11 Prof. Dr. Helmut Seidl, S. Pott,
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am 07..0 Minimale Schnitte in Graphen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales Forschungszentrum
Mehr10 Kürzeste Pfade SSSP-Problem
In diesem Kapitel setzen wir uns mit der Berechnung von kürzesten Pfaden in einem Graphen auseinander. Definition 10.1 (Pfadgewichte). i) Das Gewicht eines Pfades p = (v 0, v 1,..., v k ) ist die Summe
MehrRegelungstechnik (A)
Intitut für Elektrotechnik und Informationtechnik Aufgabenammlung zur Regelungtechnik (A) Prof. Dr. techn. F. Gauch Dipl.-Ing. C. Balewki Dipl.-Ing. R. Berat 08.01.2014 Übungaufgaben in Regelungtechnik
MehrAbgabe: (vor der Vorlesung) Aufgabe 7.1 (P) Binomial Heap
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 2009 Grundlagen: Algorithmen und Datenstrukturen Übungsblatt 7 Prof. Dr. Helmut Seidl, S. Pott,
Mehr1. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2005/2006
1. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2005/2006 Hier Aufkleber mit Name und Matrikelnummer anbringen Vorname: Nachname: Matrikelnummer: Beachten Sie: Bringen Sie den Aufkleber mit
MehrK l a u s u r N r. 1 Gk Ph 11
1.10.008 K l a u u r N r. 1 Gk Ph 11 Aufgabe 1 Drei Kräfte F 1 100 N, F 70 N und F 3 48 N wirken in einer Ebene und greifen an einem gemeinamen Punkt A an. Die Kräfte F 1 und F chließen dabei den Winkel
MehrMatrikelnummer: Klausur Algorithmen I, Blatt 1 von 16
Klausur Algorithmen I, 7.07.00 Blatt von 6 Aufgabe. Kleinaufgaben [9 Punkte] a. Geben Sie eine Familie von DAGs an, in der alle DAGs Ω(n ) Kanten haben bei n Knoten. Für jedes n N >0 ein Graph G n = (V
Mehr( ) = ( ) ( ) ( ) ( )
R. Brinkmann http://brinkmann-du.de Seite 0.0.0 Löungen Grundaufgaben für lineare und quadratiche Funktionen I e: E e f( x) = x+ Py 0 f( x) = x+ Px 0 E E E E E6 E7 E8 E9 E0 f x = mx + b mit m = und P(
MehrTechnische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 186.172 Algorithmen und Datenstrukturen 1 VL 4.0 Übungsblatt 4 für die Übung
MehrÜbungsblatt - Stabilität des Standardregelkreises
Prof. Dr.-Ing. Jörg Raich Dr.-Ing. Thoma Seel Fachgebiet Regelungyteme Fakultät IV Elektrotechnik und Informatik Techniche Univerität Berlin Integrierte Verantaltung Mehrgrößenregelyteme Übungblatt - Stabilität
MehrName:... Vorname:... Matr.-Nr.:... Studiengang:...
Technische Universität Braunschweig Sommersemester 2013 IBR - Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Dr. Christiane Schmidt Stephan Friedrichs Klausur Netzwerkalgorithmen 16.07.2013 Name:.....................................
MehrKap. 6.6: Kürzeste Wege
Kap. 6.6: Kürzeste Wege Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 1./. VO DAP SS 009./9. Juli 009 1 Nachtest für Ausnahmefälle Di 1. Juli 009, 16:00 Uhr,
MehrEffiziente Algorithmen I
9. Präsenzaufgabenblatt, WiSe 2013/14 Übungstunden am 13.01. & 15.01.2014 Aufgabe Q Gegeben sei ein Fluss-Netzwerk mit Digraph D = (V, A), Knotenkapazitäten c(u, v) 0, Quelle s und Senke t. Kann sich der
MehrAufgabe 2.4: Temposünder?
Idee, Aufgabenentwurf und Foto: Barbara Mathea, Ferdinand Weber Weil da Radargerät defekt war, filmte die Polizei in einer 30-km-Zone alle vorbeifahrenden Auto. Von 4 Auto ind je 5 aufeinander folgende
MehrAbgabe: (vor der Vorlesung)
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 009 Grundlagen: Algorithmen und Datenstrukturen Übungsblatt 0 Prof. Dr. Helmut Seidl, S. Pott,
MehrKap. 6.6: Kürzeste Wege
0.0.00 Nachtest für Ausnahmefälle Kap..: Kürzeste Wege Professor Dr. Lehrstuhl für Algorithm Engineering, LS Fakultät für Informatik, TU Dortmund./. VO DAP SS 00./. Juli 00 Di. Juli 00, :00 Uhr, OH, R.
Mehr3. Musterlösung. Problem 1: Heapsort
Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 05/06 ITI Wagner 3. Musterlösung Problem : Heapsort ** 2 3 4 5 Algorithmus : Heapsort (A) Eingabe : Array A der Länge n Ausgabe : Aufsteigend
MehrMustererkennung: Graphentheorie
Mustererkennung: Graphentheorie D. Schlesinger TUD/INF/KI/IS D. Schlesinger () ME: Graphentheorie 1 / 9 Definitionen Ein Graph ist ein Paar G = (V, E) mit der Menge der Knoten V und der Menge der Kanten:
MehrKlausur Algorithmen und Datenstrukturen
Technische Universität Braunschweig Wintersemester 2013/2014 Institut für Betriebssysteme und Rechnerverbund Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Stephan Friedrichs Klausur Algorithmen und
MehrAlgorithmen & Datenstrukturen 2 Praktikum 3
Algorithmen & Datenstrukturen 2 Praktikum 3 Thema: Graphalgorithmen Sommersemester 2016 Prof. Dr. Christoph Karg Hochschule Aalen Dieses Praktikum widmet sich dem Thema Graphalgorithmen. Ziel ist die Implementierung
MehrGrundlagen: Algorithmen und Datenstrukturen
Grundlagen: Algorithmen und Datenstrukturen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 00
MehrAlgorithmen für Routenplanung 2. Sitzung, Sommersemester 2010 Thomas Pajor 26. April 2010
Algorithmen für Routenplanung 2. Sitzung, Sommersemester 2010 Thomas Pajor 26. April 2010 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrSanders/van Stee: Algorithmentechnik 1. Shortest Paths
Sanders/van Stee: Algorithmentechnik 1 Shortest Paths Eingabe: Graph G = (V, E) Kostenfunktion c : E R Anfangsknoten s Frage: was ist die Distanz von s zu v (für alle anderen Knoten v V ) Fundamentales
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Graphdarstellungen Maike Buchin 0.6.017 Graphen Motivation: Graphen treten häufig als Abstraktion von Objekten (Knoten) und ihren Beziehungen (Kanten) auf. Beispiele: soziale
MehrEinfacher loop-shaping Entwurf
Intitut für Sytemtheorie technicher Prozee Univerität Stuttgart Prof. Dr.-Ing. F. Allgöwer 6.4.24 Regelungtechnik I Loophaping-Entwurf t http://www.it.uni-tuttgart.de/education/coure/rti/ Einfacher loop-haping
MehrElektrisches Feld P = IU= RI 2 = U2 R C = Q U
Elektriche Feld Formeln E-Lehre I Stromtärke I Q t Ohmcher Widertand R U I Elektriche Leitung (inkl. ohmcher Widertand) E-Feld/Kondeator P IU RI 2 U2 R Elektriche Feldtärke Kapazität eine Kondenator ~E
Mehr8.6.5 Diffusion von Bromdampf ******
8.6.5 ****** Motivation Die Langamkeit der Diffuion wird mit Hilfe von Bromdampf veranchaulicht. Die quantitative Meung der Diffuion erlaubt die Betimmung der mittleren freien Weglänge und die Meung der
MehrJan Auffenberg. Die Lösung der Bewegungsgleichung eines einzelnen Pendels liefert wie in Versuch M1 betrachtet die Eigenfrequenz der Pendel zu:
Protokoll zu Veruch M: Gekoppelte Pendel. Einleitung Im folgenden Veruch werden Schwingungen von durch eine weiche Feder gekoppelten Pendeln unterucht, deren Schwingungebenen eich ind. Die chwache Kopplung
MehrRouting A lgorithmen Algorithmen Begriffe, Definitionen Wegewahl Verkehrslenkung
Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über
MehrFachhochschule Wedel. Seminararbeit. Flussprobleme in Graphen und ihre Anwendung auf 0/1-Netzwerken
Fachhochchule Wedel Seminararbeit Thema: Fluprobleme in Graphen und ihre Anwendung auf 0/-Netzwerken Eingereicht von: Erarbeitet im: Claudia Padberg (wi09) An der Windmühle 880 Wedel Tel. (00) 98897 E-Mail:
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
MehrAlgorithmen für Routenplanung 2. Sitzung, Sommersemester 2012 Thomas Pajor 23. April 2012
Algorithmen für Routenplanung 2. Sitzung, Sommersemester 2012 Thomas Pajor INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und nationales
MehrDatenstrukturen (SoSe 12) Klausur (Modulabschlussprüfung)
Goethe-Universität Frankfurt am Main 27. Juli 2012 Institut für Informatik Theorie komplexer Systeme Dr. Mariano Zelke Datenstrukturen (SoSe 12) Klausur (Modulabschlussprüfung) Name: Vorname: Studiengang:
MehrAlgorithmen und Datenstrukturen 2-1. Seminar -
Algorithmen und Datenstrukturen 2-1. Seminar - Dominic Rose Bioinformatics Group, University of Leipzig Sommersemster 2010 Outline 1. Übungsserie: 3 Aufgaben, insgesamt 30 28 Punkte A1 Spannbäume (10 8
MehrWie wird ein Graph dargestellt?
Wie wird ein Graph dargestellt? Für einen Graphen G = (V, E), ob gerichtet oder ungerichtet, verwende eine Adjazenzliste A G : A G [i] zeigt auf eine Liste aller Nachbarn von Knoten i, wenn G ungerichtet
MehrInformatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 17 (8.7.2014) Minimale Spannbäume II Union Find, Prioritätswarteschlangen Algorithmen und Komplexität Minimaler Spannbaum Gegeben: Zus. hängender,
MehrPhysikpraktikum. Versuch 2) Stoß. F α F * cos α
Phyikpraktikum Veruch ) Stoß Vorbereitung: Definition von: Arbeit: wenn eine Kraft einen Körper auf einem betimmten Weg verchiebt, o verrichtet ie am Körper Arbeit Arbeit = Kraft * Weg W = * S = N * m
MehrInformatik II, SS 2016
Informatik II - SS 208 (Algorithmen & Datenstrukturen) Vorlesung 4 (..208) Graphenalgorithmen III Algorithmen und Komplexität Bäume Gegeben: Zusammenhängender, ungerichteter Graph G = V, E Baum: Zusammenhängender,
MehrÜBUNGSKLAUSUR Studienhalbjahr: 2. Semester. Datum: 20. Juli 2016 Bearbeitungszeit: 90 Minuten. Modul: T2INF Dozent: Stephan Schulz
Matrikelnummer: Fakultät Studiengang: Jahrgang / Kurs : Technik Angewandte Informatik 01 B/C/K ÜBUNGSKLAUSUR Studienhalbjahr:. Semester Datum: 0. Juli 01 Bearbeitungszeit: 90 Minuten Modul: TINF100.1 Dozent:
MehrEffiziente Algorithmen und Datenstrukturen I. Kapitel 9: Minimale Spannbäume
Effiziente Algorithmen und Datenstrukturen I Kapitel 9: Minimale Spannbäume Christian Scheideler WS 008 19.0.009 Kapitel 9 1 Minimaler Spannbaum Zentrale Frage: Welche Kanten muss ich nehmen, um mit minimalen
MehrÜbung zu Algorithmen I 31. Mai 2017
Übung zu Algorithmen I 31. Mai 2017 Sascha Witt sascha.witt@kit.edu (mit Folien von Lukas Barth und Lisa Kohl) 1 / 25 Organisatorisches Korrigierte Übungsblätter Tutoren behalten Übungsblätter ca. zwei
MehrVorlesung 2 KÜRZESTE WEGE
Vorlesung 2 KÜRZESTE WEGE 34 Kürzeste Wege im Graphen Motivation! Heute:! Kürzeste Wege von einem Knoten (SSSP)! Kürzeste Wege zwischen allen Knotenpaaren (APSP)! Viele Anwendungen:! Navigationssysteme!
MehrGrundlagen: Algorithmen und Datenstrukturen
Grundlagen: Algorithmen und Datenstrukturen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester H.
Mehr9. Übungsblatt zu Algorithmen I im SoSe 2016
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Dennis Hofheinz Lukas Barth, Lisa Kohl 9. Übungsblatt zu Algorithmen I im SoSe 06 https//crypto.iti.kit.edu/index.php?id=algo-sose6
Mehr7. Lineare Gleichungssysteme
7. Lineare Gleichungssysteme Lineare Gleichungssysteme A~x = ~ b mit A 2 R m;n ; ~x 2 R n ~x ist gesucht, r = Rg(A); a x + a 2 x 2 + : : : + a n x n = b a m x + a m2 x 2 + : : : + a mn x n = b m. Struktur
MehrGrundbegriffe der Informatik Musterlösung zu Aufgabenblatt 9
Grundbegriffe der Informatik Musterlösung zu Aufgabenblatt 9 Aufgabe 9.1 (5+ Punkte) Für Graphen mit gewichteten Kanten steht in der Adjazenzmatrix an der Stelle i,j eine 0, falls es keine Kante von i
Mehr