Universität des Saarlandes

Größe: px
Ab Seite anzeigen:

Download "Universität des Saarlandes"

Transkript

1 Universität des Saarlandes R nformatik Kurt Mehlhorn WiSe 0/ Übungen zu deen der nformatik latt Abgabeschluss:..0 Aufgabe ( Punkte) etrachten Sie das folgende ungerichtete Netzwerk A a) ühren Sie folgenden Algorithmus auf diesem Netzwerk aus. L = Liste der Kanten aufsteigend nach ewicht sortiert; T = leere Menge von Kanten; fuer jede Kante (u,v) in L: Wenn es noch keinen Weg zwischen u und v bestehend aus Kanten in T gibt: nimm (u,v) in T auf; Markieren Sie die gewählten Kanten der Menge T in obiger Abbildung. er Algorithmus findet einen aum (d.h. ein raph ohne Kreise), der alle Knoten miteinander verbindet. Unter allen äumen findet er denjenigen, der das geringstes esamtgewicht aufweist. ierbei bezeichnet esamtgewicht die Summe der ewichte der Kanten im aum.

2 A Lösung: b) eben Sie ein Szenario für eine mögliche praktische Anwendung des Algorithmus an. Lösung: Wir möchten alle Knoten in einem Netzwerk miteinander verbinden. as Kantengewicht sind die Kosten einer Leitung. ann möchte man das billigste Netzwerk finden, das die Knoten verbindet. c) rsetzen Sie: L = Liste der Kanten aufsteigend nach ewicht sortiert; durch L = Liste der Kanten absteigend nach ewicht sortiert; und führen Sie den Algorithmus wieder aus. Welche igenschaft hat der konstruierte aum? Lösung: s ist nun der schwerste aum, der alle Knoten verbindet. A

3 Aufgabe ( Punkte) in P-Paket aus dem MP nach São Paulo (rasilien) braucht etwa 0ms. Überlegen Sie sich eine gute Abschätzung für die bestmögliche Übertragungszeit und vergleichen Sie sie mit der tatsächlichen Zeit. eachten Sie, dass ein roßteil der Übertragung über lasfaserkabel geschieht. Lösung: ch bestimme den Abstand von S nach São Paulo und dividiere durch die Lichtgeschwindigkeit in las. er Abstand ist etwa 00 km. ie Lichtgeschwindigkeit in las ist 0 km/ms. Also ist die reine Laufzeit circa ms. ie restliche Zeit wird verbraucht: Switches, Verstärker, tatsächlicher Weg ist länger. s gibt nur ein Seekabel zwischen uropa und Südamerika und mehr als zehn zwischen uropa und Nordamerika. s kann also durchaus sein, dass das Signal zuerst nach Nordamerika ging. Aufgabe ( Punkte) a) s sollen zwei Zahlen a und a übertragen werden. Sie wissen, dass der Sender ein Polynom p(x) = p 0 + p x mit p() = a, p() = a konstruiert hat und dann die Werte p(), p(), p(), p() gesendet hat. Sie empfangen,,, und wissen, dass höchstens eine Zahl falsch übertragen wurde. Welche Zahlen wurden gesendet? Lösung: Sei p(x) = p 0 + p x das vom Sender benutzte Polynom. p() = und p() = = p(x) = x + p() = und p() = = p(x) = x + p() = und p() = = p(x) = x + p() = und p() = = p(x) = x p() = und p() = = p(x) = x p() = und p() = = p(x) = x + Also hat der Sender das Polynom p(x) = x + benutzt. ie Zahlen und sollten gesendet werden. eachten sie, dass wir dreimal das richtige Polynom rekonstruieren und dreimal ein falsches. edes der falschen aber nur jeweils einmal. aher liefert der Mehrheitsentscheid das richtige Polynom. raphische Lösung: n der folgenden Abbildung sind die falschen Polynome gestrichelt gezeichnet und das richtige durchgezogen.

4 b) s sollen zwei Zahlen a und a übertragen werden. Sie wissen, dass der Sender ein Polynom p(x) = p 0 + p x mit p() = a, p() = a konstruiert hat und dann die Werte p(), p(), p() gesendet hat. Sie empfangen,, und wissen, dass höchstens eine Zahl falsch übertragen wurde. Können sie immer noch herausfinden, welche Zahlen gesendet wurden? Lösung: Sei p(x) = p 0 + p x das vom Sender benutzte Polynom. p() = und p() = = p(x) = x + p() = und p() = = p(x) = x + p() = und p() = = p(x) = x Wir können nicht mehr herausfinden, welches Polynom der Sender benutzt hat. aher können wir nicht rekonstruieren. Aufgabe ( Punkte) ie edeutung der Manipulation von nhalten im nternet wird regelmäßig in den Medien thematisiert. n dieser Aufgabe wollen wir uns der rage widmen, inwiefern das nternet mit seinen sozialen Netzwerken zum subtilen Lenken des Verhaltens seiner User verwendet werden kann. Als Vorbereitung lesen sie bitte den unten angefügten Ausschnit aus einem Artikel der AS vom. ezember 0. Setzen Sie sich kritisch mit dem Artikel auseinander und diskutieren Sie die in hren Augen wichtigsten mplikationen auf einer halben bis einer Seite. Wie Trump gewann er Republikaner hat den Wahlkampf neu erfunden, genauer: sein Schwiegersohn. s geht um Persönlichkeitsprofile, wie es sie noch nie gab, und um maßgeschneiderte otschaften. Von Volker Zastrow n den letzten Tagen sind mehrere wichtige Aufsätze über Trumps Wahlkampf erschienen. Sie erzählen, wie ihm sein überraschender Sieg gelang. as New Yorker Wirtschaftsmagazin orbes zeigt auf dem Titelblatt einen selbstbewusst lächelnden jungen Mann im grauen eschäftsanzug, den ahre alten ared Kushner. This guy got Trump elected steht in lockschrift daneben: ieser Typ hat für Trump die Wahl gewonnen. [... ] Als Kushner vor gut einem ahr zum Wahlkampfteam im Trump Tower stieß, gab es dort nur eine andvoll Leute. Sie organisierten ein, zwei Wahlveranstaltungen pro Woche. Ansonsten bestand die Taktik darin, Schlagzeilen durch Schlagsätze zu erobern. in wichtiges Mittel waren Anrufe von Trump in TV-Shows. All das kostete so gut wie nichts. as hat Trump gelernt: mit sehr geringem Aufwand ein Maximum an eachtung zu gewinnen. r sagte Kushner, dass er nicht wolle, dass andere durch seinen Wahlkampf reich würden. Und dass sie jeden einzelnen ollar im Auge behalten müssten, genau wie im eschäftsleben. orbes nennt Trumps ursprüngliches Wahlkampfteam ein superlight start up. Also ein exploratives ründungsunternehmen mit sehr geringen Kosten. s hatte, wie Trumps Auftritt in Springfield zeigt, schon sehr gut funktioniert, als Kushner die operative Leitung übernahm. Wie zuvor Trump setzte Kushner ein, was er, eine eneration später, im eschäftsleben gelernt hatte und nutzte seine erstklassigen Verbindungen, um Spezialisten insbesondere für das acebook micro-targeting anzuheuern. as klappte in Verbindung mit Trumps einfachen otschaften so gut, dass sich die Verkaufserlöse von Trump-evotionalien, etwa der roten aseballcap mit dem Slogan Make America great again, in Windeseile verzehnfachte: von 000 auf ollar täglich. Ähnlich lief es mit den Kleinspenden. m rühsommer hatte Kushner das Wahlkampfteam auf etwa hundert Personen erweitert. Anders als onald Trump war sein Vorgänger arack Obama als Kandidat fast unbekannt gewesen. Und doch gewann auch er 00 überraschend das Präsidentenamt. afür gab es vielerlei ründe, aber unbestreitbar gehört der insatz datenbasierter Wahlkampftechniken dazu. Obama war der erste Präsidentschaftsbewerber, der die moderne Technik des Targetings nutzte die technologische Möglichkeit, immer kleinere ruppen von Wählern gezielt anzusprechen. illary linton hat das übernommen und zugleich weiter auf die traditionellen Medien, vor allem das ernsehen, gesetzt. Aber Trumps Kampagne ging viel weiter als Obamas, konnte auch viel weiter gehen. enn in den acht ahren, die seit 00 vergangen sind, haben die sozialen Netzwerke ihre überragende Stellung in der Kommunikationskultur erlangt. adurch ist ein atenschatz angehäuft worden, ig ata, der ermöglicht, Wähler schnell und gezielt anzusprechen, über Twitter etwa, oder ganz persönlich, direkt und maßgeschneidert, über ihren acebook-account. Zwei rittel der erwachsenen Amerikaner haben einen. Amerikanische ans der ernsehserie Navy S sind mit einer gewissen Wahrscheinlichkeit gegen Obamacare. ie Aficionados von The Walking ead machen sich im Allgemeinen eher Sorgen wegen der inwanderung. as klingt lächerlich. Warum es statistisch trotzdem stimmt und was es bedeutet, wird in der jüngsten Ausgabe des Schweizer Magazins erklärt. ort geht es um Psychometrie: ein Verfahren, die Persönlichkeit eines Menschen zu vermessen. s widerstrebt unseren schmeichelhaften Vorstellungen von der eigenen ndividualität, dergleichen für möglich zu halten,

5 aber die rgebnisse sprechen eine andere Sprache. Ausgangspunkt ist das sogenannte Ocean -Modell. s misst jeden harakterzug eines Menschen anhand fünf sogenannter imensionen, der ig ive : Offenheit, ewissenhaftigkeit, eselligkeit, Verträglichkeit, Verletzlichkeit. Wissenschaftler vom Zentrum für Psychometrie am avendish Laboratory in ambridge haben eine App bei acebook eingestellt, mit der sich diese Merkmale durch ragen und Antworten bestimmen lassen ( Lassen Sie sich bei Stress leicht aus der Ruhe bringen?, Neigen Sie dazu, andere zu kritisieren? ). Als elohnung für die Teilnahme erhielt man ein Persönlichkeitsprofil. Millionen von Nutzern haben diesen Test inzwischen gemacht. Auch normale Online-Aktionen, so die Autoren des Artikels Mikael Krogerus und annes rassegger, also etwa Käufe, der esuch von Websites, ewegungs- und Kommunikationsmuster sowie Likes auf acebook erlauben verblüffend genaue Schlüsse auf ihre Urheber. nternet war spannend okay langweilig schwierig okay einfach

Universität des Saarlandes

Universität des Saarlandes Universität des Saarlandes FR 6.2 Informatik Prof. Dr. Kurt Mehlhorn Michael Dirnberger WiSe 2016/17 Übungen zu Ideen der Informatik http://www.mpi-inf.mpg.de/departments/algorithms-complexity/teaching/winter16/ideen/

Mehr

Universität des Saarlandes

Universität des Saarlandes Universität des Saarlandes FR 6.2 Informatik Prof. Dr. Kurt Mehlhorn WiSe 2015/2016 Übungen zu Ideen der Informatik http://www.mpi-inf.mpg.de/departments/algorithms-complexity/teaching/winter15/ideen/

Mehr

10. Übungsblatt zu Algorithmen I im SoSe 2016

10. Übungsblatt zu Algorithmen I im SoSe 2016 Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. r. ennis ofheinz Lukas arth, Lisa Kohl 0. Übungsblatt zu lgorithmen I im SoSe 0 https://crypto.iti.kit.edu/index.php?id=algo-sose

Mehr

P-Median Problem. Michael Enser Anzahl der ausgewählten Standorte oder Mediane

P-Median Problem. Michael Enser Anzahl der ausgewählten Standorte oder Mediane P-Median Problem Michael nser 4..20 Inhaltsverzeichnis Allgemeines p-median-problem. Allgemeine ention............................. 2.2 in kleines eispiel.............................. 2 2 -median Problem

Mehr

Wie wird ein Graph dargestellt?

Wie 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

Mehr

Algorithmische Graphentheorie

Algorithmische Graphentheorie Algorithmische Graphentheorie Vorlesung 7 und 8: Euler- und Hamilton-Graphen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 17. April 2018 1/96 WIEDERHOLUNG Eulersche

Mehr

Proseminar Online Algorithmen, Prof. Dr. Rolf Klein

Proseminar Online Algorithmen, Prof. Dr. Rolf Klein Proseminar Online Algorithmen, Prof. Dr. Rolf Klein Vortrag von Michael Daumen am 13.12.2000 Thema : Minimum Spanning Tree und 2-Approximation der TSP-Tour Inhalt des Vortrags : 1. genaue Vorstellung des

Mehr

Lösungen 11. Aufgabenblatt

Lösungen 11. Aufgabenblatt hr.elius: raphentheorie ( 2018/19) 1 ösungen 11. Aufgabenblatt 41. Aufgabe: und um den eihnachtsstern ir interpretieren den eihnachtsstern auf der ersten eite dieses Aufgabenblattes als einen raphen, dessen

Mehr

f h c 7 a 1 b 1 g 2 2 d

f h c 7 a 1 b 1 g 2 2 d ) Man bestimme mit Hilfe des Dijkstra-Algorithmus einen kürzesten Weg von a nach h: c 7 a b f 5 h 3 4 5 i e 6 g 2 2 d Beim Dijkstra-Algorithmus wird in jedem Schritt von den noch unmarkierten Knoten jener

Mehr

Vom Leichtesten zum Schwersten Sortieralgorithmen

Vom Leichtesten zum Schwersten Sortieralgorithmen Aktivität 7 Vom Leichtesten zum Schwersten Sortieralgorithmen Zusammenfassung Häufig verwendet man Computer dazu Listen von Elementen in eine bestimmte Ordnung zu bringen. So kann man beispielsweise Namen

Mehr

Übersicht Datenstrukturen und Algorithmen. Übersicht. Probleme auf kantengewichteten Graphen. Vorlesung 14: Minimale Spannbäume

Übersicht Datenstrukturen und Algorithmen. Übersicht. Probleme auf kantengewichteten Graphen. Vorlesung 14: Minimale Spannbäume Übersicht atenstrukturen und lgorithmen Vorlesung : Prof. r. rika Ábrahám Theorie ybrider Systeme Informatik http://ths.rwth-aachen.de/teaching/ss-/ datenstrukturen-und-algorithmen/ 1 reedy lgorithmen

Mehr

Graphen. Definitionen

Graphen. Definitionen Graphen Graphen werden häufig als Modell für das Lösen eines Problems aus der Praxis verwendet, wie wir im Kapitel 1 gesehen haben. Der Schweizer Mathematiker Euler hat als erster Graphen verwendet, um

Mehr

Messung der Lichtgeschwindigkeit mit TV-Gerät

Messung der Lichtgeschwindigkeit mit TV-Gerät Versuch: Messung der Lichtgeschwindigkeit mit TV-Gerät 23 Versuch: Messung der Lichtgeschwindigkeit mit TV-Gerät Experimentelle Aufgabe: Messung der Lichtgeschwindigkeit durch Vergleichen der zwei Fernsehsignale

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr)

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) WS 2011/12 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2011ws/ds/uebung/ 25. Januar 2012 ZÜ DS ZÜ XIII

Mehr

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe 3. Elementare Graphalgorithmen und Anwendungen 4. Minimal spannende Bäume 5. Kürzeste Pfade 6. Traveling Salesman Problem 7. Flüsse

Mehr

Vorlesung Datenstrukturen

Vorlesung Datenstrukturen Vorlesung Datenstrukturen Graphdurchläufe Maike Buchin 22. und 27.6.2017 Graphexploration Motivation: Für viele Zwecke will man den gesamten Graphen durchlaufen, zb. um festzustellen ob er (stark) zusammenhängt.

Mehr

Discrete Probability - Übungen (SS5) Wahrscheinlichkeitstheorie. 1. KR, Abschnitt 6.1, Aufgabe 5: 2. KR, Abschnitt 6.1, Aufgabe 7:

Discrete Probability - Übungen (SS5) Wahrscheinlichkeitstheorie. 1. KR, Abschnitt 6.1, Aufgabe 5: 2. KR, Abschnitt 6.1, Aufgabe 7: Discrete Probability - Übungen (SS5) Felix Rohrer Wahrscheinlichkeitstheorie 1. KR, Abschnitt 6.1, Aufgabe 5: Bestimmen Sie die Wahrscheinlichkeit dafür, dass die Augensumme von zwei geworfenen Würfeln

Mehr

Übungsblatt 7 - Voronoi Diagramme

Übungsblatt 7 - Voronoi Diagramme Karlsruher Institut für Technologie Algorithmische Geometrie Fakultät für Informatik Sommersemester 2012 ITI Wagner Martin Nöllenburg/Andreas Gemsa Übungsblatt 7 - Voronoi Diagramme 1 Voronoi-Zellen Sei

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza)

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza) WS 2013/14 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2013ws/ds/uebung/ 22. Januar 2014 ZÜ DS ZÜ XIII

Mehr

5. Bäume und Minimalgerüste

5. Bäume und Minimalgerüste 5. Bäume und Minimalgerüste Charakterisierung von Minimalgerüsten 5. Bäume und Minimalgerüste Definition 5.1. Es ein G = (V, E) ein zusammenhängender Graph. H = (V,E ) heißt Gerüst von G gdw. wenn H ein

Mehr

Datenstrukturen und Algorithmen (SS 2013)

Datenstrukturen 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

Mehr

ADS: Algorithmen und Datenstrukturen 2

ADS: Algorithmen und Datenstrukturen 2 ADS: Algorithmen und Datenstrukturen 2 Teil 5 Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität

Mehr

Beweis: Annahme: T (n) c n, wobei c = c(m) konstant ist. Die Annahme ist ok, falls T (n)

Beweis: Annahme: T (n) c n, wobei c = c(m) konstant ist. Die Annahme ist ok, falls T (n) Beweis: Annahme: T (n) c n, wobei c = c(m) konstant ist. Die Annahme ist ok, falls T (n) ( ( ) n 3 T + T m ) 4 n n 3 c + m 4 n c + n n + C m + cn; dies gilt, falls m 2 n m C m + n 2 (bis auf, ) c m + 3

Mehr

Zeichnen von Graphen

Zeichnen von Graphen von Graphen Fabio Valdés Programmierpraktikum WS 2016/17 Lehrgebiet Datenbanksysteme für neue Anwendungen FernUniversität in Hagen Programmierpraktikum Zeichnen von Graphen 08.10.2016 1 / 28 Gliederung

Mehr

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung Gliederung der Vorlesung. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege 4. Minimale spannende Bäume 5. Färbungen und Cliquen 6. Traveling Salesman Problem 7. Flüsse in Netzwerken

Mehr

Algorithmen & Komplexität

Algorithmen & 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

Mehr

Arbeitsprojekt: DIE UNTERSCHIEDE ZWISCHEN BRASILIEN UND DEUTSCHLAND

Arbeitsprojekt: DIE UNTERSCHIEDE ZWISCHEN BRASILIEN UND DEUTSCHLAND Arbeitsprojekt: DIE UNTERSCHIEDE ZWISCHEN BRASILIEN UND DEUTSCHLAND Projekt entwickelt durch das Lehrerfortbildungsseminar in Ausland: Deutsch für eine Schule im Wandel Brasilien global Verantwortlicher

Mehr

Einführung in die Informatik 2

Einführung in die Informatik 2 Einführung in die nformatik 2 raphenexploration Sven Kosub A Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr, o.n.v. Sommersemester

Mehr

Aufgaben zur Klausurvorbereitung

Aufgaben 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

Mehr

ADS: Algorithmen und Datenstrukturen 2

ADS: Algorithmen und Datenstrukturen 2 ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 24. April 2019 [Letzte Aktualisierung: 24/04/2019,

Mehr

Suchen und Sortieren

Suchen und Sortieren Ideen und Konzepte der Informatik Suchen und Sortieren [Ordnung muss sein ] Kurt Mehlhorn (viele Folien von Kostas Panagiotou) Suchen Welche Telefonnummer hat Kurt Mehlhorn? Wie schreibt man das Wort Equivalenz?

Mehr

Berechnung von Abständen

Berechnung von Abständen 3. Kreis- und Wegeprobleme Abstände in Graphen Abstände in Graphen Definition 3.4. Es sei G = (V, E) ein Graph. Der Abstand d(v, w) zweier Knoten v, w V ist die minimale Länge eines Weges von v nach w.

Mehr

Familywell-Anleitung. Anleitung. Gateway

Familywell-Anleitung. Anleitung. Gateway Gateway Smartphone Anleitung Verbindungen Laden der App Familywell Registrieren Wifi Verbindung Eingabe der Notfallnummer Melder mit Gateway verbinden Testen FAQ / Problemlösungen Hinweis: Technische Änderungen

Mehr

1.Aufgabe: Minimal aufspannender Baum

1.Aufgabe: Minimal aufspannender Baum 1.Aufgabe: Minimal aufspannender Baum 11+4+8 Punkte v 1 v 2 1 3 4 9 v 3 v 4 v 5 v 7 7 4 3 5 8 1 4 v 7 v 8 v 9 3 2 7 v 10 Abbildung 1: Der Graph G mit Kantengewichten (a) Bestimme mit Hilfe des Algorithmus

Mehr

Globalübungsaufgabe1 (All Pair Shortest Path):

Globalübungsaufgabe1 (All Pair Shortest Path): Prof. aa r. Ir. G. Woeginger atenstrukturen und lgorithmen SS7 Tutoriumslösung - Übung 0 (bgabe 2.07.207) T. Hartmann,. Korzeniewski,. Tauer Globalübungsaufgabe (ll Pair Shortest Path): etrachten Sie den

Mehr

Trellis Diagramme und Viterbi-Decoder

Trellis Diagramme und Viterbi-Decoder Trellis Diagramme und Viterbi-Decoder Michael Dienert. März Fehlertolerante Datenübertragung bei Gigabit-Ethernet Um MBit/s auf Kat Kupferkabeln übertragen zu können, sind eine Reihe technischer Kunstgriffe

Mehr

Algorithmen und Datenstrukturen

Algorithmen und Datenstrukturen Algorithmen und Datenstrukturen Prof. Martin Lercher Institut für Informatik Heinrich-Heine-Universität Düsseldorf Teil 10 Suche in Graphen Version vom 13. Dezember 2016 1 / 2 Vorlesung 2016 / 2017 2 /

Mehr

Graphentheorie. Kardinalitätsmatchings. Kardinalitätsmatchings. Kardinalitätsmatchings. Rainer Schrader. 11. Dezember 2007

Graphentheorie. Kardinalitätsmatchings. Kardinalitätsmatchings. Kardinalitätsmatchings. Rainer Schrader. 11. Dezember 2007 Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 11. Dezember 2007 1 / 47 2 / 47 wir wenden uns jetzt einem weiteren Optimierungsproblem zu Gliederung Matchings in bipartiten Graphen

Mehr

Optimale Lösungen mit Greedy-Strategie erfordern Optimalität der Greedy-Wahl. Beispiele für optimale Greedy-Lösungen

Optimale Lösungen mit Greedy-Strategie erfordern Optimalität der Greedy-Wahl. Beispiele für optimale Greedy-Lösungen Wiederholung Optimale Lösungen mit Greedy-Strategie erfordern Optimalität der Greedy-Wahl unabhängig von Subproblemen Optimalität der Subprobleme Beispiele für optimale Greedy-Lösungen Scheduling Problem

Mehr

7. Transitive Hülle. Kante des Graphen. Zusatz-Kante der transitiven Hülle

7. Transitive Hülle. Kante des Graphen. Zusatz-Kante der transitiven Hülle In Anwendungen ist es oft interessant zu wissen, ob man überhaupt von einem Knoten v zu einem Knoten w gelangen kann, ganz gleich wie lang der Weg auch ist. Gegeben sei dabei ein gerichteter Graph G =

Mehr

3. Minimale Spannbäume. Definition 99 T heißt minimaler Spannbaum (MSB, MST) von G, falls T Spannbaum von G ist und gilt:

3. Minimale Spannbäume. Definition 99 T heißt minimaler Spannbaum (MSB, MST) von G, falls T Spannbaum von G ist und gilt: 3. Minimale Spannbäume Sei G = (V, E) ein einfacher ungerichteter Graph, der o.b.d.a. zusammenhängend ist. Sei weiter w : E R eine Gewichtsfunktion auf den Kanten von G. Wir setzen E E: w(e ) = e E w(e),

Mehr

Universität des Saarlandes

Universität des Saarlandes Universität des Saarlandes FR 6.2 Informatik Prof. Dr. Kurt Mehlhorn Dr. Antonios Antoniadis André Nusser WiSe 2017/18 Übungen zu Ideen der Informatik http://www.mpi-inf.mpg.de/departments/algorithms-complexity/teaching/winter17/ideen/

Mehr

Algorithmentechnik - U bung 3 4. Sitzung Tanja Hartmann 03. Dezember 2009

Algorithmentechnik - 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

Mehr

Dieser Graph hat 3 Zusammenhangskomponenten

Dieser Graph hat 3 Zusammenhangskomponenten Vl 2, Informatik B, 19. 04. 02 1.1.3 Definitionen und wichtige Graphen Sei im folgenden G =(V;E) ein schlichter ungerichteter Graph. Definition: Der Grad eines Knoten v in einem ungerichteten Graphen ist

Mehr

2. Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung

2. Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 2 Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 2 Woche: Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 24/ 44 Zwei Beispiele a 0

Mehr

Schnellste Wege, Teil II Stable Marriages

Schnellste Wege, Teil II Stable Marriages Schnellste Wege, Teil II Stable Marriages Kurt Mehlhorn und Kosta Panagiotou Max-Planck-Institut für Informatik Vorlesung Computational Thinking Übersicht Wiederholung: Grundalg und Korrektheit Dijkstras

Mehr

Suchen und Sortieren

Suchen und Sortieren Ideen und Konzepte der Informatik [Ordnung ist das halbe Leben] Kurt Mehlhorn (viele Folien von Kostas Panagiotou) Suchen Welche Telefonnummer hat Kurt Mehlhorn? Wie schreibt man das Wort Gerechtigkeit?

Mehr

ADS: Algorithmen und Datenstrukturen 2

ADS: Algorithmen und Datenstrukturen 2 ADS: Algorithmen und Datenstrukturen 2 Teil 6 Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 16. Mai 2018 [Letzte Aktualisierung: 18/05/2018,

Mehr

Fortgeschrittene Netzwerk- und Graph-Algorithmen

Fortgeschrittene 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

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Kohls Mathe-Tandem Geometrie - Partnerrechnen im 5.-6.

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Kohls Mathe-Tandem Geometrie - Partnerrechnen im 5.-6. Unterrichtsmaterialien in digitaler und in gedruckter orm uszug aus: Kohls Mathe-Tandem eometrie - Partnerrechnen im.-6. Schuljahr as komplette Material finden Sie hier: School-Scout.de Mathe-Tandem eometrie

Mehr

Algorithmen I - Tutorium 28 Nr. 11

Algorithmen I - Tutorium 28 Nr. 11 Algorithmen I - Tutorium 28 Nr. 11 13.07.2017: Spaß mit Schnitten, Kreisen und minimalen Spannbäumen Marc Leinweber marc.leinweber@student.kit.edu INSTITUT FÜR THEORETISCHE INFORMATIK (ITI), PROF. DR.

Mehr

Ideen der Informatik Suchen und Sortieren [Ordnung muss sein ] Kurt Mehlhorn Adrian Neumann viele Folien von Kostas Panagiotou

Ideen der Informatik Suchen und Sortieren [Ordnung muss sein ] Kurt Mehlhorn Adrian Neumann viele Folien von Kostas Panagiotou Ideen der Informatik Suchen und Sortieren [Ordnung muss sein ] Kurt Mehlhorn Adrian Neumann viele Folien von Kostas Panagiotou Suchen Welche Telefonnummer hat Kurt Mehlhorn? Wie schreibt man das Wort Equivalenz?

Mehr

Vorlesung Datenstrukturen

Vorlesung Datenstrukturen Vorlesung Datenstrukturen Minimale Spannbäume Maike Buchin 18.7., 20.7.2017 Einführung Motivation: Verbinde Inseln mit Fähren oder Städte mit Schienen und verbrauche dabei möglichst wenig Länge. Problem:

Mehr

Vorlesung Datenstrukturen

Vorlesung 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

Mehr

Wähle pro Bild ehrlich die Antwort aus, die am besten zu dir passt, und trage die Zahl, die dahintersteht, hier ein.

Wähle pro Bild ehrlich die Antwort aus, die am besten zu dir passt, und trage die Zahl, die dahintersteht, hier ein. Fragebogen Welcher Unternehmer-Typ bist du? Frage 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 PUNKTZahl Mach den Persönlichkeits-Check und verschaffe dir ein Bild von deinen Stärken. Hier werden

Mehr

Datenstrukturen. Mariano Zelke. Sommersemester 2012

Datenstrukturen. Mariano Zelke. Sommersemester 2012 Datenstrukturen Mariano Zelke Sommersemester 2012 Tiefensuche: Die globale Struktur Der gerichtete oder ungerichtete Graph G werde durch seine Adjazenzliste A repräsentiert. Im Array besucht wird vermerkt,

Mehr

Seminar über Algorithmen Alexander Manecke

Seminar über Algorithmen Alexander Manecke Seminar über Algorithmen 1 Einleitung Ein großes Problem bei Ad-Hoc und Sensornetzwerken sind die begrenzten Ressourcen. Wenn beispielsweise Sensorknoten an schwer zugänglichen Stellen ausgebracht werden,

Mehr

Algorithmen und Datenstrukturen Tafelübung 14. Jens Wetzl 8. Februar 2012

Algorithmen und Datenstrukturen Tafelübung 14. Jens Wetzl 8. Februar 2012 Algorithmen und Datenstrukturen Tafelübung 14 Jens Wetzl 8. Februar 2012 Folien Keine Garantie für Vollständigkeit und/oder Richtigkeit Keine offizielle Informationsquelle LS2-Webseite Abrufbar unter:

Mehr

9 Minimum Spanning Trees

9 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

Mehr

Betreuungs-Vertrag. für das ambulant Betreute Wohnen für Menschen mit einer geistigen Behinderung. Erklärung in Leichter Sprache

Betreuungs-Vertrag. für das ambulant Betreute Wohnen für Menschen mit einer geistigen Behinderung. Erklärung in Leichter Sprache Betreuungs-Vertrag für das ambulant Betreute Wohnen für Menschen mit einer geistigen Behinderung Erklärung in Leichter Sprache Was steht auf welcher Seite? Was steht auf welcher Seite?... 2 Was ist das

Mehr

Bürgermeisterwahlkampf 2.0

Bürgermeisterwahlkampf 2.0 Thema des Fachprojektes Betreuer Fachprojekt Teilnehmende Studierende Ziele des Projektes Bürgermeisterwahlkampf 2.0 Christoph Beil, Norman Liebing 20 Semester 2.+3. Semester -In welchem Umfang werden

Mehr

Herbstsemester 6 5. Übung zur Vorlesung igitaltechnik Musterlösung Übung 5 ufgabe a) arstellung der negativen Tahlen im Zweierkomplement: nschliessende erechnung: 7 : 7 = 7 = + = 2 : 2 = 2 = + = 4 : 4

Mehr

ZAHLENMAUERN UND ZAHLENDREIECKE. Korrekturen, Verbesserungsvorschläge und Anregungen bitte an herrmann bei mathematik.tu-darmstadt.

ZAHLENMAUERN UND ZAHLENDREIECKE. Korrekturen, Verbesserungsvorschläge und Anregungen bitte an herrmann bei mathematik.tu-darmstadt. ZAHLENMAUERN UN ZAHLENREIEKE HRISTIAN HERRMANN Korrekturen, Verbesserungsvorschläge und Anregungen bitte an herrmann bei mathematik.tu-darmstadt.de 1. Vorbemerkung Lösugen von Zahlenmauern und Zahlendreiecken

Mehr

Algorithmen und Datenstrukturen 2

Algorithmen und Datenstrukturen 2 Algorithmen und Datenstrukturen 2 Sommersemester 2007 11. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Das Rucksack-Problem Ein Dieb, der einen Safe

Mehr

9. Algorithmus der Woche Die Eulertour Wie Leonhard Euler das Haus vom Nikolaus zeichnet

9. Algorithmus der Woche Die Eulertour Wie Leonhard Euler das Haus vom Nikolaus zeichnet 9. Algorithmus der Woche Die Eulertour Wie Leonhard Euler das Haus vom Nikolaus zeichnet Autoren Michael Behrisch, Humboldt-Universität zu Berlin Amin Coja-Oghlan, Humboldt-Universität zu Berlin, Humboldt-Universität

Mehr

13 Berechenbarkeit und Aufwandsabschätzung

13 Berechenbarkeit und Aufwandsabschätzung 13 Berechenbarkeit und Aufwandsabschätzung 13.1 Berechenbarkeit Frage: Gibt es für jede Funktion, die mathematisch spezifiziert werden kann, ein Programm, das diese Funktion berechnet? Antwort: Nein! [Turing

Mehr

Algorithmische Graphentheorie

Algorithmische Graphentheorie Algorithmische Graphentheorie Vorlesung 4: Suchstrategien Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 14. April 2017 HALBORDNUNG TOPOLOGISCHE ORDNUNG TOPOLOGISCHES

Mehr

Algorithmen und Datenstrukturen 2

Algorithmen und Datenstrukturen 2 Algorithmen und Datenstrukturen 2 Sommersemester 2009 11. Vorlesung Uwe Quasthoff Universität Leipzig Institut für Informatik quasthoff@informatik.uni-leipzig.de Das Rucksack-Problem Ein Dieb, der einen

Mehr

ZAHLENDREIECKE DURCH VERGLEICHEN UND PROBIEREN

ZAHLENDREIECKE DURCH VERGLEICHEN UND PROBIEREN ZAHLENDREIECKE DURCH VERGLEICHEN UND PROBIEREN Zahlendreiecke, die innen leer sind und aussen durch drei Zahlen aus 0, 1, 2,... gegeben sind, lassen sich nicht durch direktes Rechnen lösen. Auch kann es

Mehr

Kurt Mehlhorn und Adrian Neumann Max Planck Institute for Informatics and Saarland University 1. Dezember 2013

Kurt Mehlhorn und Adrian Neumann Max Planck Institute for Informatics and Saarland University 1. Dezember 2013 P versus NP Kurt Mehlhorn und Adrian Neumann Max Planck Institute for Informatics and Saarland University 1. Dezember 2013 Gliederung Informelle Formulierung des P = NP Problems Das Erfüllbarkeitsproblem

Mehr

Betreuungs-Vertrag. für die WOHNASSISTENZ für Menschen mit einer Beeinträchtigung. Erklärung in Leichter Sprache

Betreuungs-Vertrag. für die WOHNASSISTENZ für Menschen mit einer Beeinträchtigung. Erklärung in Leichter Sprache Betreuungs-Vertrag für die WOHNASSISTENZ für Menschen mit einer Beeinträchtigung Erklärung in Leichter Sprache Was steht auf welcher Seite? Was steht auf welcher Seite?... 2 Was ist das Betreute Wohnen?...

Mehr

Suchen und Sortieren

Suchen und Sortieren Ideen und Konzepte der Informatik Suchen und Sortieren Ordnung ist das halbe Leben Antonios Antoniadis (Basierend auf Folien von Kurt Mehlhorn und Konstantinos Panagiotou) 6. November 2017 6. November

Mehr

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden

Mehr

Gleichungen entstehen dann, wenn einfach oder kompliziert aufgebaute Rechenausdrücke einander gleichgesetzt werden. a) 3. 7 = 21

Gleichungen entstehen dann, wenn einfach oder kompliziert aufgebaute Rechenausdrücke einander gleichgesetzt werden. a) 3. 7 = 21 Gleichungen Gleichungen entstehen dann, wenn einfach oder kompliziert aufgebaute Rechenausdrücke einander gleichgesetzt werden. a) 3. 7 = 21 b) 2 5 + 4 6 = 2 17 c) 6 2 7 3 5 2 4 = 3 4 9 + 8 13 Das Gleichheitszeichen

Mehr

3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel

3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel 3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel EADS 3.1 Konstruktion von minimalen Spannbäumen 16/36

Mehr

Schnellste Wege Wie funktioniert ein Navi?

Schnellste Wege Wie funktioniert ein Navi? Schnellste Wege Wie funktioniert ein Navi? Kurt Mehlhorn und Adrian Neumann Max-Planck-Institut für Informatik Vorlesung Ideen der Informatik Schnellste Wege Routenfinden im Navi Karten und Graphen Algorithmen

Mehr

Heute. Algorithmen für Ad-hoc- und Sensornetze. Erinnerung: MAC-Layer. Erinnerung: Färbungen. Definition

Heute. Algorithmen für Ad-hoc- und Sensornetze. Erinnerung: MAC-Layer. Erinnerung: Färbungen. Definition Heute Algorithmen für Ad-hoc- und Sensornetze VL 0 Eine kurze Geschichte vom Färben (Teil ) Medium Access Control / Färbungen, Teil kurze Wiederholung Schöner verteilter Färbungsalgorithmus Markus Völker

Mehr

1 DFS-Bäume in ungerichteten Graphen

1 DFS-Bäume in ungerichteten Graphen Praktikum Algorithmen-Entwurf (Teil 3) 06.11.2006 1 1 DFS-Bäume in ungerichteten Graphen Sei ein ungerichteter, zusammenhängender Graph G = (V, E) gegeben. Sei ferner ein Startknoten s V ausgewählt. Startet

Mehr

1 DFS-Bäume in ungerichteten Graphen

1 DFS-Bäume in ungerichteten Graphen Praktikum Algorithmen-Entwurf (Teil 3) 31.10.2005 1 1 DFS-Bäume in ungerichteten Graphen Sei ein ungerichteter, zusammenhängender Graph G = (V, E) gegeben. Sei ferner ein Startknoten s V ausgewählt. Startet

Mehr

Dokumente mobil erfassen und ablegen. ELO QuickScan. Dokumente mobil erfassen und ablegen. Dokumentenmanagement

Dokumente mobil erfassen und ablegen. ELO QuickScan. Dokumente mobil erfassen und ablegen. Dokumentenmanagement Dokumente mobil erfassen und ablegen ELO QuickScan ELO QuickScan Dokumente mobil erfassen und ablegen Dokumentenmanagement www.elooffice.com 1 Dokumente mobil erfassen und ablegen Mit ELO QuickScan für

Mehr

Das Problem des Handlungsreisenden

Das Problem des Handlungsreisenden Seite 1 Das Problem des Handlungsreisenden Abbildung 1: Alle möglichen Rundreisen für 4 Städte Das TSP-Problem tritt in der Praxis in vielen Anwendungen als Teilproblem auf. Hierzu gehören z.b. Optimierungsprobleme

Mehr

Randomisierte Algorithmen

Randomisierte Algorithmen Randomisierte Algorithmen Kapitel 1 Markus Lohrey Universität Leipzig http://www.informatik.uni-leipzig.de/~lohrey/rand WS 2005/2006 Markus Lohrey (Universität Leipzig) Randomisierte Algorithmen WS 2005/2006

Mehr

NEXT PRACTICE CAMPAIGNING. Julius van

NEXT PRACTICE CAMPAIGNING. Julius van NEXT PRACTICE CAMPAIGNING Julius van de Laar Julius van de Laar julius.com www.juliusvandelaar.com Julius van de Laar Experte für Strategie- & Kampagnenentwicklung Gründer der Campaigning Academy Berlin

Mehr

Familywell-Anleitung. Anleitung. Gateway

Familywell-Anleitung. Anleitung. Gateway Gateway Smartphone Anleitung Verbindungen Laden der App Familywell Registrieren Wifi Verbindung Eingabe der Notfallnummer Melder mit Gateway verbinden Testen FAQ / Problemlösungen Hinweis: Technische Änderungen

Mehr

4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140

4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140 4 Woche Decodierung; Maximale, Perfekte und Optimale Codes 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140 Szenario für fehlerkorrigierende Codes Definition (n, M)-Code Sei C {0, 1}

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen

Zentralübung zur Vorlesung Diskrete Strukturen WS 2010/11 Zentralübung zur Vorlesung Diskrete Strukturen Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2010ws/ds/uebung/ 2. Februar 2011 ZÜ DS ZÜ XIII 1. Übungsbetrieb:

Mehr

Klausur Algorithmentheorie

Klausur Algorithmentheorie Prof. Dr. G. Schnitger Frankfurt, den 07.04.2011 M. Poloczek Klausur Algorithmentheorie WS 2010/2011 Name: Vorname: Geburtsdatum: Studiengang: BITTE GENAU LESEN Die Klausur besteht aus 4 Aufgaben, in denen

Mehr

Definition 77 Sei n N. Der Median (das mittlere Element) einer total geordneten Menge von n Elementen ist deren i-kleinstes Element, wobei n i =.

Definition 77 Sei n N. Der Median (das mittlere Element) einer total geordneten Menge von n Elementen ist deren i-kleinstes Element, wobei n i =. 2. Der Blum-Floyd-Pratt-Rivest-Tarjan Selektions-Algorithmus Definition 77 Sei n N. Der Median (das mittlere Element) einer total geordneten Menge von n Elementen ist deren i-kleinstes Element, wobei n

Mehr

Schnellste Wege Wie funktioniert ein Navi?

Schnellste Wege Wie funktioniert ein Navi? Schnellste Wege Wie funktioniert ein Navi? Kurt Mehlhorn und Adrian Neumann Max-Planck-Institut für Informatik Vorlesung Ideen der Informatik Schnellste Wege Routenfinden im Navi Karten und Graphen Algorithmen

Mehr

Vorlesung Informatik 2 Algorithmen und Datenstrukturen. (25 Sortieren vorsortierter Daten)

Vorlesung Informatik 2 Algorithmen und Datenstrukturen. (25 Sortieren vorsortierter Daten) Vorlesung Informatik 2 Algorithmen und Datenstrukturen (25 Sortieren vorsortierter Daten) 1 Untere Schranke für allgemeine Sortierverfahren Satz Zum Sortieren einer Folge von n Schlüsseln mit einem allgemeinen

Mehr

Juventus: KBM 2 Mathematik

Juventus: KBM 2 Mathematik Seite von 2 mathepauker Juventus: KBM 2 Mathematik Startseite Kurse Juventus KBM 2 Mathe Thema 3 Geradengleichung: Übung A Vorschau Punkte: 8.00 Eine Gerade g ist gegeben wie folgt: g: y = 2x - 3. Die

Mehr

Was sind die Vorteile der neuen Sender- App? - Du kannst auf 2 Portalen gleichzeitig senden (MydirtyHobby / Privatamateure). Die App sendet trotzdem

Was sind die Vorteile der neuen Sender- App? - Du kannst auf 2 Portalen gleichzeitig senden (MydirtyHobby / Privatamateure). Die App sendet trotzdem Was sind die Vorteile der neuen Sender- App? - Du kannst auf 2 Portalen gleichzeitig senden (MydirtyHobby / Privatamateure). Die App sendet trotzdem nur einen Stream. Dies spart Dir Bandbreite ein. Zugriff

Mehr

Kapitel III Selektieren und Sortieren

Kapitel III Selektieren und Sortieren Kapitel III Selektieren und Sortieren 1. Einleitung Gegeben: Menge S von n Elementen aus einem total geordneten Universum U, i N, 1 i n. Gesucht: i-kleinstes Element in S. Die Fälle i = 1 bzw. i = n entsprechen

Mehr

Datenstrukturen & Algorithmen Lösungen zu Blatt 4 FS 15

Datenstrukturen & Algorithmen Lösungen zu Blatt 4 FS 15 Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik 18. März

Mehr

a) Fügen Sie die Zahlen 39, 38, 37 und 36 in folgenden (2, 3)-Baum ein:

a) Fügen Sie die Zahlen 39, 38, 37 und 36 in folgenden (2, 3)-Baum ein: 1 Aufgabe 8.1 (P) (2, 3)-Baum a) Fügen Sie die Zahlen 39, 38, 37 und 36 in folgenden (2, 3)-Baum ein: Zeichnen Sie, was in jedem Schritt passiert. b) Löschen Sie die Zahlen 65, 70 und 100 aus folgendem

Mehr

Algorithmen und Datenstrukturen Übung #4 BFS/DFS, Wachstum von Funktionen

Algorithmen und Datenstrukturen Übung #4 BFS/DFS, Wachstum von Funktionen Platzhalter für Bild, Bild auf Titelfolie hinter das Logo einsetzen Algorithmen und Datenstrukturen Übung #4 BFS/DFS, Wachstum von Funktionen Christian Rieck, Arne Schmidt 22.11.2018 Heute 12 Breiten-

Mehr

2. Das single-source-shortest-path-problem

2. 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 ),

Mehr

Zusammenfassung des 2. Abends

Zusammenfassung des 2. Abends lgorithmen in der iologie r. Hans-Joachim öckenhauer r. ennis Komm Zusammenfassung des. bends Zürich, 0. pril 0 lignment-verfahren Für einen Überblick über die lignment-lgorithmen zur estimmung der Ähnlichkeit

Mehr