Algorithmen in Zellularautomaten
|
|
- Lilli Lehmann
- vor 5 Jahren
- Abrufe
Transkript
1 Algorithmen in Zellularautomaten 13. ZA-Modelle mit wenigen Zuständen Thomas Worsch Fakultät für Informatik Institut für Theoretische Informatik Sommersemester 2018
2 Ziele einige (sehr) einfache ZA als Modelle realer Phänomene (Diffusion, Strömung, Magnetisierung, Verkehr) einige nützliche Techniken (Random Walks, Block-ZA, partitionierte ZA) 2 / 30
3 Pseudo-Zufallsbits Überblick Pseudo-Zufallsbits Random Walks Verkehrssimulation 3 / 30
4 Pseudo-Zufallsbits Algorithmus: ein Pseudozufallsbit pro Zelle N = H (2) 1 Q = {0, 1} C = (0, 0) N, O, S,W : die vier Himmelsrichtungen Überführungsfunktion: δ(l) = l(c) l(n ) l(o) l(s) l(w ) 4 / 30
5 Pseudo-Zufallsbits Algorithmus: zwei Pseudozufallsbits pro Zelle Zustand q einer Zelle bestehe aus zwei Bits q[0] und q[1]: δ(l)[0] = l(c)[0] l(o)[0] l(n )[0] l(s)[0] l(w )[1] δ(l)[1] = l(c)[1] l(o)[1] l(n )[1] l(s)[1] l(w )[0] 5 / 30
6 Random Walks Überblick Pseudo-Zufallsbits Random Walks Verkehrssimulation 6 / 30
7 Random Walks Random Walk Objekt bewegt sich in diskreten Schritten zufällig mit Wahrscheinlichkeit p n zu Nachbarzelle n (mit Zum Beispiel: p 1 = p 1 = 1/4 und p 0 = 1/2 p 1 = p 1 = 1/2 p 2 = 1/9, p 1 = 2/9, p 0 = 2/9, p 1 = 4/9 n N p n = 1) 7 / 30
8 Random Walks Rechnung (Random Walk im Eindimensionalen) N = H (1) 1 p(t, x): Wahrscheinlichkeit, dass Partikel zum Zeitpunkt t an Stelle x ein Schritt: Fortschreiten der Zeit um t Nachbarzellen x entfernt p 1 = p 1 = α mit 0 < α < 1/2 Dann gilt: p(t + t, x) = αp(t, x x) + αp(t, x + x) + (1 2α)p(t, x) 8 / 30
9 Random Walks Taylorentwicklung und (geeignetes) Abbrechen nach den ersten Summanden ergibt: Einsetzen in liefert... p(t + t, x) p(t, x) + t p (t, x) t p(t, x x) p(t, x) x p ( x)2 (t, x) + x 2 p(t, x + x) p(t, x) + x p ( x)2 (t, x) + x 2 2 p (t, x) x2 2 p (t, x) x2 p(t + t, x) = αp(t, x x) + αp(t, x + x) + (1 2α)p(t, x) 9 / 30
10 Random Walks p(t, x) + t p (t, x) t αp(t, x) α x p ( x)2 2 p (t, x) + α (t, x) x 2 x2 +αp(t, x) + α x p ( x)2 2 p (t, x) + α (t, x) x 2 x2 +(1 2α)p(t, x) Also: p ( x)2 2 p (t, x) α (t, x) t t x2 10 / 30
11 Random Walks Wie könnte man eindimensionale Random Walks implementieren? 11 / 30
12 Random Walks Ein Random Walker in einem eindimensionalen ZA 12 / 30
13 Random Walks Problem: mehrere Random Walker??? Was tun? 13 / 30
14 Random Walks Problem: mehrere Random Walker??? Was tun? 13 / 30
15 Überblick Pseudo-Zufallsbits Random Walks Verkehrssimulation 14 / 30
16 Definition lokale Blocküberführungsfunktion deterministisch: β : Q N Q N probabilistisch: β : Q N [0; 1] Q N legt für jede lokale Konfiguration l : N Q neue Zustände (Wahrscheinlichkeitsverteilungen) von Zuständen für alle Zellen der Nachbarschaft fest Benutzung: Parkettierung von R mit Kacheln N, auf denen β angewendet wird Blockzellularautomat 15 / 30
17 Beispiel R = Z, N = {0, 1}. zwei Parkettierungen: / 30
18 Beispiel Odd-Even-Transposition-Sort Blockzellularautomat mit N = {0, 1}: { [a,b] falls a b a = # b = # β([a,b]) = [b, a] falls a > b # # # # # # # # # # # # 17 / 30
19 Definition Margolus-Nachbarschaft im Zweidimensionalen: 2 2-Blöcke abwechselnde Benutzung diagonal versetzter Parkettierungen 18 / 30
20 Lemma Jeder Block-Zellularautomat mit zyklisch durchlaufener Folge von Kachelungen kann von einem normalen ZA (mit gegebenenfalls größerer Zustandsmenge und Nachbarschaft) Schritt für Schritt mit einer Verlangsamung um konstanten Faktor simuliert werden. Beweis: Übung Lemma Die Umkehrung gilt auch. Beweis: Übung 19 / 30
21 Beispiel (Random Walk vieler Teilchen) eindimensional: zweidimensional: 20 / 30
22 Beispiel (Random Walk vieler Teilchen) eindimensional: vertausche Zustände in Zweierblock oder nicht zweidimensional: 20 / 30
23 Beispiel (Random Walk vieler Teilchen) eindimensional: vertausche Zustände in Zweierblock oder nicht zweidimensional: rotiere Teilchen in jeder Kachel zufällig im Uhrzeigersinn oder entgegen dem Uhrzeigersinn 20 / 30
24 Gittergase (engl. lattice gases) Partikelmodelle für (manche) strömende Flüssigkeiten und Gase. einfachster Fall: in jeder Zelle für jeden Nachbarn ein Bit: 1: Partikel, das sich im nächsten Schritt zum Nachbarn bewegt. 0: kein Partikel Überführungsfunktion mit 2 Phasen 1. Bewegungen der Partikel 2. Kollisionen mehrerer Partikel häufig Überführungsfunktionen mit Rotationssymmetrie Massenerhaltung Impulserhaltung 21 / 30
25 Beispiel: HPP (Hardy, de Pazzis, Pomeau) Beschreibung (einer Variante) von HPP-GAS als Block-ZA: Margolus-Nachbarschaft mit 2 2-Blöcken Q = {0, 1} Kollision: wenn genau zwei Partikel zusammentreffen, die aus entgegengesetzten Richtungen kommen; sie werden dann um 90 abgelenkt. 22 / 30
26 Definition: partitionierter Zellularautomat Zustandsmenge Q = P N Arbeitsweise beschrieben durch δ : P N P N Für Bestimmung des neuen Zustandes einer Zelle i wird von Zelle i + n nur die Zustandskomponente c i+n (n) verwendet. 23 / 30
27 Beispiel: FHP (Frisch, Hasslacher, Pomeau) hexagonales Gitter jede Zelle hat sechs Nachbarn Q = {0, 1} 6 Kollisionsregel: Wenn der Gesamtimpuls der ankommenden Teilchen 0 ist und nicht 4 Teilchen ankommen, dann werden alle Teilchen um 60 im Uhrzeigersinn oder entgegengesetzt dem Uhrzeigersinn (zufällige Wahl) abgelenkt. 24 / 30
28 Beispiel: FHP III siebtes Bit für ein ruhendes Teilchen in jeder Zelle Regeln (bis auf Rotation): vorher nachher vorher nachher vorher nachher 25 / 30
29 Beispiel: Ising Systeme Nachbarschaft: H (2) 1 Zustandsmenge: {, } Spin Vorstellung: kleine (Elementar-)Magnete benachbarte Spins antiparallel ( oder ): Energie gespeichert benachbarte Spins parallel ( oder ): keine Energie gespeichert energieerhaltende Änderung möglichst vieler Spins: 26 / 30
30 Beispiel: Ising Systeme Nachbarschaft: H (2) 1 Zustandsmenge: {, } Spin Vorstellung: kleine (Elementar-)Magnete benachbarte Spins antiparallel ( oder ): Energie gespeichert benachbarte Spins parallel ( oder ): keine Energie gespeichert energieerhaltende Änderung möglichst vieler Spins: mit Schachbrettmuster initialisiertes Aktivitätsbit, das in jeder Zelle hin- und herkippt Spin wird genau dann gewechselt, wenn Zelle aktiv und genau 2 der 4 Nachbarzellen den gleichen Spin haben wie die Zelle selbst. 26 / 30
31 Verkehrssimulation Überblick Pseudo-Zufallsbits Random Walks Verkehrssimulation 27 / 30
32 Verkehrssimulation Beispiel: Modell von Nagel und Schreckenberg Zelle entspricht 7.5 m Straße. Zelle kann leer oder von einem Auto besetzt. Geschwindigkeit v: ganze Zahl zwischen 0 und v max = 5. modellierte Höchstgeschwindigkeit: 1 Schritt s 5 Zelle Schritt 7.5 m Zelle km = 1000 h = 135km h 28 / 30
33 Verkehrssimulation Modell von Nagel und Schreckenberg lokale Überführungsfunktion besteht aus drei Phasen: 1. Beschleunigung: v min(v + 1,v max, д), wobei д die Anzahl freier Zellen vor dem Auto ist. 2. Trödeln: v max(v 1, 0) mit kleiner Wahrscheinlichkeit p. 3. Fahren: Das Fahrzeug bewegt sich um v Zellen weiter; v v. ähnliche Ansätze für Fußgängersimulation 29 / 30
34 Zusammenfassung In manchen Fällen kommt man auch schon mit wenigen Zuständen pro Zelle zu guten Modelle für reale Phänomene. Wichtige Konzepte, die hierbei teils wesentlich oder teils sehr nützlich sein können, sind (Pseudo-)Randomisierung, z.b. für Random Walks, und Block- und partitionierte Zellularautomaten. 30 / 30
13 ZA-Modelle mit kleinen Zustandsmengen
13 ZA-Modelle mit kleinen Zustandsmengen Im vorangegangenen Kapitel wurde das Konzept der Zellularautomaten auf eine Art und Weise benutzt, die bei manchen Leuten eine gewisse Kritik hervorruft. Zwar ist
MehrAlgorithmen in Zellularautomaten
Algorithmen in Zellularautomaten 12. Thomas Worsch Fakultät für Informatik Institut für Theoretische Informatik Sommersemester 2018 Ziele Diffusion weitere Beispiele: Wellen, BZ-Reaktion, Reaktions-Diffusions-Systeme
MehrAlgorithmen in Zellularautomaten. Thomas Worsch Institut für Theoretische Informatik Karlsruher Institut für Technologie
Algorithmen in Zellularautomaten Thomas Worsch Institut für Theoretische Informatik Karlsruher Institut für Technologie Sommersemester 08 Grundlegende Definitionen. Beispiel. Betrachten wir die folgende
MehrAlgorithmen in Zellularautomaten
Algorithmen in Zellularautomaten 9. Sortieren in zweidimensionalen ZA Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Sommersemester 2017 Ziele Problemstellung: Sortieren von
MehrAlgorithmen in Zellularautomaten
Algorithmen in Zellularautomaten Algorithmen in Zellularautomaten 2. Berechnungsmächtigkeit von Zellularautomaten Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Sommersemester
Mehr5 Sortieren in eindimensionalen Zellularautomaten
5 Sortieren in eindimensionalen Zellularautomaten 5.1 Für alle x A und w A bezeichne im folgenden N x (w) die Anzahl der Vorkommen des Symboles x in dem Wort w. 5.2 Problem. (Eindimensionales Sortieren
Mehr3 Endliche Muster und Konfigurationen
3 Endliche Muster und Konfigurationen Wir gehen von nun an immer davon aus, dass 0 N ist. 3.1 Definition Eine Teilmenge P Q heißt genau dann Ruhemenge oder passiv, wenn für alle l : N Q mit ran(l) P gilt:
MehrAlgorithmen in Zellularautomaten
Algorithmen in Zellularautomaten 1. Grundlegende Definitionen 2. Berechnungsmächtigkeit von ZA 3. Endliche Muster und Konfigurationen 4. Selbstreproduktion 5. Sortieren in eindimensionalen ZA 6. Einfache
MehrModelle der Parallelverarbeitung 7. Baumförmige Zellularautomaten
Modelle der Parallelverarbeitung Modelle der Parallelverarbeitung 7. Baumförmige Zellularautomaten Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Sommersemester 2016 1 / 29 Überblick
MehrRandomisierte Algorithmen
Randomisierte Algorithmen Randomisierte Algorithmen Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Wintersemester 2018/2019 1 / 25 Überblick Überblick Metropolis-Algorithmus
Mehr2 Zur Berechnungsmächtigkeit von Zellularautomaten
2 Zur Berechnungsmächtigkeit von Zellularautomaten 2. Ziele. In diesem Kapitel wollen wir (unter Benutzung des Beispieles WIREWORLD aus Kapitel ) zu zwei Aussagen die Beweise skizzieren:. Es gibt einen
MehrModelle der Parallelverarbeitung 7. Baumförmige Zellularautomaten
Modelle der Parallelverarbeitung Modelle der Parallelverarbeitung 7. Baumförmige Zellularautomaten Thomas Worsch Institut für Theoretische Informatik Karlsruher Institut für Technologie Sommersemester
MehrAlgorithmen in Zellularautomaten
Algorithmen in Zellularautomaten Algorithmen in Zellularautomaten 14. Das Sandhaufen-Modell Thomas Worsch Fakultät für Informatik Institut für Theoretische Informatik Sommersemester 2018 1 / 46 Ziele das
MehrPSE Verkehrssimulation
PSE Verkehrssimulation Einführung in die Thematik Michael Moltenbrey, Dirk Pflüger 16. Oktober 2007-1- Gliederung Motivation Ablauf des Praktikums Aufgabenstellungen Scheinkriterien Gruppeneinteilung Einführung
MehrLattice-Boltzmann-Methode
Lattice-Boltzmann-Methode Ausarbeitung zum CES-Seminarvortrag Markus Frings (274290) 27. Juli 2013 Inhaltsverzeichnis 1 Einleitung 1 2 Zelluläre Automaten 2 3 Lattic-Gas-Automaten 2 3.1 FHP-I.....................................
Mehr2. Berechnungsmächtigkeit von Zellularautomaten. Ziele Simulation von Schaltwerken Simulation von Turingmaschinen
2. Berechnungsmächtigkeit von Zellularautomaten Ziele Simulation von Schaltwerken Simulation von Turingmaschinen Beispiel WIREWORLD Elektronen laufen über Drähte von einem Gatter zum nächsten 2.3 Satz
MehrModelle der Parallelverarbeitung
Modelle der Parallelverarbeitung Modelle der Parallelverarbeitung 3. Zellularautomaten Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Sommersemester 2017 1 / 73 Überblick Überblick
Mehr14 Das Sandhaufen-Modell
14 Das Sandhaufen-Modell In diesem Kapitel werden wir einen bestimmten Zellularautomaten betrachten. Neben einigen modellspezifischen Punkten Das Sandpile Model wurde von Bak, Tang und Wiesenfeld 1987
MehrModelle der Parallelverarbeitung
Modelle der Parallelverarbeitung Modelle der Parallelverarbeitung 3. Zellularautomaten Thomas Worsch Institut für Theoretische Informatik Karlsruher Institut für Technologie Sommersemester 2018 1 / 73
MehrKontextsensitive und Typ 0 Sprachen Slide 2. Die Turingmaschine
Kontextsensitive und Typ 0 Sprachen Slide 2 Die Turingmaschine DTM = Deterministische Turingmaschine NTM = Nichtdeterministische Turingmaschine TM = DTM oder NTM Intuitiv gilt: DTM = (DFA + dynamischer
Mehr1 Sortieren in zweidimensionalen Zellularautomaten
1 Sortieren in zweidimensionalen Zellularautomaten Der Einfachheit halber beschränken wir uns in diesem Kapitel auf das Sortieren quadratischer Muster. Mit n bezeichnen wir immer die Anzahl zu sortierender
MehrEine kleine Reise durch die Welt der zellulären Automaten
Eine kleine Reise durch die Welt der zellulären Automaten Wolfgang Oehme, Universität Leipzig 1. Einleitung 2. Zelluläre Automaten 2.1. Game of Life als klassischer zellulärer Automat 2.2. Populationsdynamik
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 18. Januar 2018 INSTITUT FÜR THEORETISCHE 0 18.01.2018 Dorothea Wagner - Theoretische Grundlagen der Informatik INSTITUT FÜR THEORETISCHE KIT Die Forschungsuniversität
MehrLattice-Boltzmann-Methode
1 Lattice-Boltzmann-Methode Grundlagen der numerischen Strömungssimulation Seminar Themen aus dem Gebiet Technische Informatik Niklas Schultheiß Betreuung: Sarah Neuwirth Lattice-Boltzmann-Methode Seminar
MehrZusammenfassung. Warum polynomielle Reduktionen? Definition NP-vollständig [K5.1.1] NP-Vollständigkeitstheorie [K5]
Warum polynomielle Reduktionen? erlauben feinere Unterteilungen von Komplexitätsklassen als Turing- Reduktionen, genügen für die betrachteten Probleme, für alle von uns betrachteten Komplexitätsklassen
MehrZelluläre Automaten. Zelluläre Automaten sind einfache Simulationssysteme zur Untersuchung von komplexen Interaktionsmuster
Motivation sind einfache Simulationssysteme zur Untersuchung von komplexen Interaktionsmuster einfache Zellen räumlich angeordnet einfache Interaktionsmuster (Beziehungen zwischen benachbarten Zellen)
MehrZelluläre Automaten. 1. Einleitung: Definitionen und Geschichte
Zelluläre Automaten 1. Einleitung: Definitionen und Geschichte Zelluläre Automaten sind mathematische Idealisierungen von physikalischen (chemischen, biologischen...) Systemen, in welchen sowohl die Raum-
MehrZellen. Gegeben sei ein Raum und ein Gitter, das den Raum in gleichförmige und gleichgroße Zellen aufteilt.
Zellen Gegeben sei ein Raum und ein Gitter, das den Raum in gleichförmige und gleichgroße Zellen aufteilt. Zellen Gegeben sei ein Raum und ein Gitter, das den Raum in gleichförmige und gleichgroße Zellen
MehrZelluläre Automaten. Sommerakademie Ftan Daniel Abler
Zelluläre Automaten Sommerakademie Ftan 2004 Daniel Abler Zelluläre Automaten 1.Merkmale komplexer Systeme bzw. zellulärer Automaten 2.Grundcharakteristika - Game of Life 3.Definition 4.Eigenschaften und
MehrPhysik I Mechanik und Thermodynamik
Physik I Mechanik und Thermodynamik Physik I Mechanik und Thermodynamik 1 Einführung: 1.1 Was ist Physik? 1.2 Experiment - Modell - Theorie 1.3 Geschichte der Physik 1.4 Physik und andere Wissenschaften
MehrRandomisierte Algorithmen 2. Erste Beispiele
Randomisierte Algorithmen Randomisierte Algorithmen 2. Erste Beispiele Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Wintersemester 2016/2017 1 / 35 Randomisierter Identitätstest
MehrRandomisierte Algorithmen
Randomisierte Algorithmen Randomisierte Algorithmen 12. am Beispiel des Seitenwechselproblems Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Wintersemester 2018/2019 1 / 80 Überblick
MehrGeometrie 2. Julian Fischer Julian Fischer Geometrie / 30
Geometrie 2 Julian Fischer 6.7.2009 Julian Fischer Geometrie 2 6.7.2009 1 / 30 Themen 1 Bereichssuche und kd-bäume 1 Bereichssuche 2 kd-bäume 2 Divide and Conquer 1 Closest pair 2 Beispiel: Points (IOI
MehrPseudo-Zufallsgeneratoren basierend auf dem DLP
Seminar Codes und Kryptografie SS 2004 Struktur des Vortrags Struktur des Vortrags Ziel Motivation 1 Einleitung Ziel Motivation 2 Grundlegende Definitionen Zufallsgeneratoren 3 Generator Sicherheit 4 Generator
MehrHeute. 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
MehrRandomisierte Algorithmen
Randomisierte Algorithmen Randomisierte Algorithmen 11. Randomisierte Online-Algorithmen am Beispiel des Seitenwechselproblems Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie
MehrFakultät Math-Nat Fachrichtung Physik, Computational Physics. DLA Diffusionsbegrenztes Wachstum
Fakultät MathNat Fachrichtung Physik, Computational Physics DLA Diffusionsbegrenztes Wachstum Dresden, 13.07.2010 Gliederung 01 Idee 02 Umsetzung 03 Programmierung 04 Ergebnisse 05 kritische Auswertung
MehrRandomisierte Algorithmen
Randomisierte Algorithmen Randomisierte Algorithmen 7. Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Wintersemester 2018/2019 1 / 43 Überblick Überblick Ein randomisierter Algorithmus
Mehr1. Eindimensionale Bewegung
1. Eindimensionale Bewegung Die Gesamtheit aller Orte, die ein Punkt während seiner Bewegung einnimmt, wird als Bahnkurve oder Bahn bezeichnet. Bei einer eindimensionalen Bewegung bewegt sich der Punkt
MehrRandomisierte Algorithmen
Randomisierte Algorithmen Randomisierte Algorithmen 7. Random Walks Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Wintersemester 2016/2017 1 / 43 Überblick Überblick Ein randomisierter
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 16. November 2009 2. Monte Carlo-Methoden 2.1 Zufallszahlen - Warum? 2.2 Zahlendarstellung im Rechner 2.3 Generatoren 2.3.1 Linear kongruente Generatoren
MehrAlgorithmen für Ad-hoc- und Sensornetze
Algorithmen für Ad-hoc- und Sensornetze Übung 6 Kommunikation und Färbungen im SINR Modell (basierend auf VL11) Fabian Fuchs 17. Jan. 2015 (Version 1) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR
MehrEin Einfaches Univerales Schaltelement und Zellularautomaten für Rechnerreversibilität
Ein Einfaches Univerales Schaltelement und Zellularautomaten für Rechnerreversibilität Vortrag von Dennis Felsing im Proseminar Zellularautomaten und Diskrete Komplexe Systeme Sommersemester 2011 1/27
MehrAlgorithmen mit konstantem Platzbedarf: Die Klasse REG
Algorithmen mit konstantem Platzbedarf: Die Klasse REG Sommerakademie Rot an der Rot AG 1 Wieviel Platz brauchen Algorithmen wirklich? Daniel Alm Institut für Numerische Simulation Universität Bonn August
Mehr1. Eindimensionale Bewegung
1. Eindimensionale Bewegung Die Gesamtheit aller Orte, die ein Punkt während seiner Bewegung einnimmt, wird als Bahnkurve oder Bahn bezeichnet. Bei einer eindimensionalen Bewegung bewegt sich der Punkt
MehrTheoretische Informatik. Berechenbarkeit
Theoretische Informatik Berechenbarkeit 1 Turing Maschine Endlicher Automat mit unendlichem Speicher Ein Modell eines realen Computers Was ein Computer berechnen kann, kann auch eine TM berechnen. Was
MehrHeute. Medium Access Control / Färbungen, Teil 2. Kapazität & Scheduling. kurze Wiederholung Schöner verteilter Färbungsalgorithmus
Heute Medium Access Control / Färbungen, Teil kurze Wiederholung Schöner verteilter Färbungsalgorithmus Kapazität & Scheduling Interferenz etwas realistischer neue Probleme und Herangehensweisen VL 0 Eine
MehrPräsentation der Studienarbeit
Präsentation der Studienarbeit Effiziente algorithmische Klassifizierung zweidimensionaler Zellularautomaten mit einfachen statistischen Mitteln von Sebastian Frehmel Problemstellung Bisherige Arbeiten
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Wintersemester 2007 / 2008 Prof. Dr. Heribert Vollmer Institut für Theoretische Informatik 29.10.2007 Reguläre Sprachen Ein (deterministischer) endlicher Automat
MehrFahrzeugfolgemodelle I
Christoph Berkholz Eckart Stets SE Verkehrssimulation und Optimierung, 29.10.2008 Es gibt kein einheitliches Verkehrsmodell. Dafür aber viele Ansätze. Heute: klassische mikroskopische Fahrzeugfolgemodelle,
MehrÜbungen zu Experimentalphysik 1 für MSE
Physik-Department LS für Funktionelle Materialien WS 017/18 Übungen zu Experimentalphysik 1 für MSE Prof. Dr. Peter Müller-Buschbaum, Dr. Volker Körstgens, Dr. Neelima Paul, Sebastian Grott, Lucas Kreuzer,
MehrWahrscheinlichkeitsrechnung und Statistik
Babeş-Bolyai Universität Fakultät für Mathematik und Informatik Oktober 2018 Im Alltag... Laut den meteorologischen Vorhersagen wird es morgen regnen. Ob ich riskiere und die Wette verlieren werde? Ich
MehrKryptographische Protokolle
Kryptographische Protokolle Lerneinheit 2: Generierung von Primzahlen Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Wintersemester 2018/2019 15.11.2018 Einleitung Einleitung Diese Lerneinheit
Mehr6 Einige grundlegende Techniken für Zellularautomaten
6 Einige grundlegende Techniken für Zellularautomaten Ziel dieses Kapitels ist es, einige Techniken und Konzepte vorzustellen, die bei der Konstruktion von Algorithmen für ZA immer wieder auftauchen. Dazu
MehrAlgorithmen für Ad-hoc- und Sensornetze
Algorithmen für Ad-hoc- und Sensornetze VL 11 Kommunikation und Färbungen im SINR Modell Fabian Fuchs 17. Dez. 2015 (Version 1) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER)
MehrTuringmaschinen Vorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: Komplexitätstheorie und effiziente Algorithmen
Vorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: und effiziente Algorithmen Wintersemester 2011/12 Schematische Darstellung einer Turing-Maschine: Kopf kann sich nach links und
MehrEigene Modellierung zur Evaluierung widersprechender Bausachverständigengutachten
Eigene Modellierung zur Evaluierung widersprechender Bausachverständigengutachten Stephen Keeling Institut für Mathematik und Wissenschaftliches Rechnen Karl Franzens Universität Graz http://math.uni-graz.at/modellworkshop/
MehrVereinfachung und Schematisierung von Polygonen
Vorlesung Algorithmische Kartografie Vereinfachung und Schematisierung von Polygonen INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 28.04.2015 1 Übersicht
Mehr9.2 Die Klassen QP und BQP
Definition (r-universell): sei R eine Menge von reversieblen booleschen Funktionen, die auf einer konstanten Anzahl von Bits operieren. R heißt r-universell, falls jede reversible Funktion als Verknüpfung
MehrImpuls und Impulserhaltung
Urs Wyder, 4057 Basel Urs.Wyder@edubs.ch Impuls und Impulserhaltung Impuls. Einführung und Definition Der Impuls (engl. momentum) eines Körpers ist das, was in der Umgangssprache als Schwung oder Wucht
Mehr3 Probabilistische Komplexitätsklassen
3 Probabilistische Komplexitätsklassen 3.1 Probabilistische Turingmaschinen 3.1 Wir gehen davon aus, dass die Konzepte deterministischer und nichtdeterministischer Turingmaschinen im wesentlichen bekannt
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 der theoretischen Informatik
Grundlagen der theoretischen Informatik Kurt Sieber Fakultät IV, Department ETI Universität Siegen SS 2013 Vorlesung vom 04.06.2013 An den Transitionen sieht man zunächst, dass nur die folgenden Zustandsübergänge
MehrVereinfachung und Schematisierung von Polygonen
Vorlesung Algorithmische Kartografie Vereinfachung und Schematisierung von Polygonen INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 28.04.2015 1 Übersicht
MehrModelle der Parallelverarbeitung 10. Realistische parallele Modelle
Modelle der Parallelverarbeitung Modelle der Parallelverarbeitung 10. Realistische parallele Modelle Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Sommersemester 2016 1 / 42
MehrHochschule Düsseldorf University of Applied Sciences. 22. Dezember 2016 HSD. Physik. Schwingungen
Physik Schwingungen Zusammenfassung Mechanik Physik Mathe Einheiten Bewegung Bewegung 3d Newtons Gesetze Energie Gravitation Rotation Impuls Ableitung, Integration Vektoren Skalarprodukt Gradient Kreuzprodukt
MehrDiskrete Strukturen II
SS 2006 Diskrete Strukturen II Ernst W. Mayr Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2006ss/ds2/ Sommersemester 2006 c Ernst W. Mayr 3. Einleitung Was bedeutet Zufall? Große Menge
MehrRandomisierte Algorithmen
Randomisierte Algorithmen Randomisierte Algorithmen Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Wintersemester 2018/2019 1 / 40 Überblick Überblick Grundlegendes zu Markov-Ketten
Mehr4. System von Massenpunkten
4. System von Massenpunkten äußeren Kräfte ausgeübte "innere" Kraft Def: Schwerpunkt (SP) vertausche Reihenfolge der Summe gesamte äußere Kraft SP verhält sich so wie ein Punkteilchen mit Masse M, Ortsvektor
MehrQuanten Fourier Transformation & Shors Faktorisierungs Algorithmus
Quanten Fourier Transformation & Shors Faktorisierungs Algorithmus Universität Siegen 4. Juli 2006 Inhaltsverzeichnis Quantenfouriertransformation 1 Quantenfouriertransformation Rechnen mit Qubits diskrete
MehrVoronoi-Diagramme. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 29.05.2011 Das Postamt-Problem b(p, q) = {x R 2 : xp = xq } p q h(p, q) h(q, p) = {x :
MehrAlgorithmen für die Speicherhierarchie
und : Obere und n [Aggarwal, Vitter 1988] Lehrstuhl für Effiziente Algorithmen Fakultät für Informatik Technische Universität München Vorlesung 22. Oktober 2007 k-wege Merge Verschmelzen und I/O eispiel
MehrFreispeicherverwaltung
Freispeicherverwaltung Allgemeine Techniken und Anwendung unter Linux Martin Wahl, 17.11.03 Freispeicherverwaltung 1 Überblick Allgemeines Suchstrategien Verwaltungsstrategien externer / interner Verschnitt
Mehr4 Probabilistische Analyse und randomisierte Algorithmen
Algorithmen und Datenstrukturen 96 4 Probabilistische Analyse und randomisierte Algorithmen Bei der Algorithmenanalyse ist es sehr hilfreich, Aspekte berücksichtigen zu können, die vom Zufall abhängen.
MehrTheoretische Informatik 1
Theoretische Informatik 1 Boltzmann Maschine David Kappel Institut für Grundlagen der Informationsverarbeitung TU Graz SS 2014 Übersicht Boltzmann Maschine Neuronale Netzwerke Die Boltzmann Maschine Gibbs
MehrSynthese Eingebetteter Systeme. Übung 6
12 Synthese Eingebetteter Systeme Sommersemester 2011 Übung 6 Michael Engel Informatik 12 TU Dortmund 2011/07/15 Übung 6 Evolutionäre Algorithmen Simulated Annealing - 2 - Erklären Sie folgende Begriffe
MehrTeil VII. Hashverfahren
Teil VII Hashverfahren Überblick 1 Hashverfahren: Prinzip 2 Hashfunktionen 3 Kollisionsstrategien 4 Aufwand 5 Hashen in Java Prof. G. Stumme Algorithmen & Datenstrukturen Sommersemester 2009 7 1 Hashverfahren:
MehrPolygontriangulierung
Vorlesung Algorithmische Geometrie Polygone triangulieren LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 26.04.2011 Das Kunstgalerie-Problem
MehrZufall oder Absicht?
Zufall oder Absicht? Randomisierung und Derandomisierung Prof. Markus Bläser Universität des Saarlandes 4. Januar 2010 1 / 21 Zufall oder Absicht? 1 Randomisierte Algorithmen 2 Polynom-Identitätstests
MehrTheoretische Informatik. Exkurs: Komplexität von Optimierungsproblemen. Optimierungsprobleme. Optimierungsprobleme. Exkurs Optimierungsprobleme
Theoretische Informatik Exkurs Rainer Schrader Exkurs: Komplexität von n Institut für Informatik 13. Mai 2009 1 / 34 2 / 34 Gliederung Entscheidungs- und Approximationen und Gütegarantien zwei Greedy-Strategien
MehrKapitel 1 PUNKTMECHANIK LERNZIELE INHALT. Körper. Masse
Kapitel 1 PUNKTMECHANIK LERNZIELE Definition der physikalischen Begriffe Körper, Masse, Ort, Geschwindigkeit, Beschleunigung, Kraft. Newtons Axiome Die Benutzung eines Bezugssystems / Koordinatensystems.
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Übung am 4.2.2011 INSTITUT FÜR THEORETISCHE INFORMATIK 0 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft
MehrModelle der Parallelverarbeitung
Modelle der Parallelverarbeitung Modelle der Parallelverarbeitung 1. Turingmaschinen Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Sommersemester 2017 1 / 52 Überblick Überblick
MehrUnentscheidbarkeit von Problemen mittels Turingmaschinen
Unentscheidbarkeit von Problemen mittels Turingmaschinen Daniel Roßberg 0356177 Roland Schatz 0355521 2. Juni 2004 Zusammenfassung In dieser Arbeit befassen wir uns mit der Unentscheidbarkeit von Problemen
Mehr1.8 Shift-And-Algorithmus
.8 Shift-And-Algorithmus nutzt durch Bitoperationen mögliche Parallelisierung Theoretischer Hintergrund: Nichtdeterministischer endlicher Automat Laufzeit: Θ(n), falls die Länge des Suchwortes nicht größer
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 21. Kombinatorische Optimierung und lokale Suche Malte Helmert Universität Basel 10. April 2015 Kombinatorische Optimierung Kombinatorische Optimierung: Einführung
MehrParallele Algorithmen in der Bildverarbeitung
Seminar über Algorithmen - SoSe 2009 Parallele Algorithmen in der Bildverarbeitung von Christopher Keiner 1 Allgemeines 1.1 Einleitung Parallele Algorithmen gewinnen immer stärker an Bedeutung. Es existieren
MehrDiskrete Ereignis Simulation. Proseminar: Algorithmen der Verkehrssimulation Jörg Blank
Diskrete Ereignis Simulation Proseminar: Algorithmen der Verkehrssimulation Jörg Blank Definitionen zeitdiskrete Simulation System: Auschnitt der Realität Ereignis: Zustandsänderungen in Systemen Simulation:
Mehr6 Quicksort. die mittlere Laufzeit Θ(n log n) beträgt und. die in der asymptotischen Notation verborgenen Konstanten sehr klein sind.
Algorithmen und Datenstrukturen 132 6 Quicksort In diesem Abschnitt wird Quicksort, ein weiterer Sortieralgorithmus, vorgestellt. Trotz einer eher langsamen Worst-Case Laufzeit von Θ(n 2 ) ist Quicksort
MehrRandomisierte Datenstrukturen
Seminar über Algorithmen DozentInnen: Helmut Alt, Claudia Klost Randomisierte Datenstrukturen Ralph Schäfermeier 13. 2. 2007 Das Verwalten von Mengen, so dass ein schneller Zugriff auf deren Elemente gewährleistet
MehrAbschnitt 19: Sortierverfahren
Abschnitt 19: Sortierverfahren 19. Sortierverfahren 19.1 Allgemeines 19.2 Einfache Sortierverfahren 19.3 Effizientes Sortieren: Quicksort 19.4 Zusammenfassung 19 Sortierverfahren Informatik 2 (SS 07) 758
MehrDynamisches Huffman-Verfahren
Dynamisches Huffman-Verfahren - Adaptive Huffman Coding - von Michael Brückner 1. Einleitung 2. Der Huffman-Algorithmus 3. Übergang zu einem dynamischen Verfahren 4. Der FGK-Algorithmus 5. Überblick über
Mehr3: Zahlentheorie / Primzahlen
Stefan Lucks Diskrete Strukturen (WS 2009/10) 96 3: Zahlentheorie / Primzahlen 3: Zahlentheorie / Primzahlen Stefan Lucks Diskrete Strukturen (WS 2009/10) 97 Definition 37 (Teiler, Vielfache, Primzahlen,
MehrEinwegfunktionen. Problemseminar. Komplexitätstheorie und Kryptographie. Martin Huschenbett. 30. Oktober 2008
Problemseminar Komplexitätstheorie und Kryptographie Martin Huschenbett Student am Institut für Informatik an der Universität Leipzig 30. Oktober 2008 1 / 33 Gliederung 1 Randomisierte Algorithmen und
Mehr2. Entsprechende Listen P i von Vorgängern von i 3. for i := 1 to n do. (ii) S i = Knoten 2 + 1}
1. Berechne für jeden Knoten i in BFS-Art eine Liste S i von von i aus erreichbaren Knoten, so dass (i) oder (ii) gilt: (i) S i < n 2 + 1 und Si enthält alle von i aus erreichbaren Knoten (ii) S i = n
MehrDiskrete Ereignissysteme
Distributed Computing HS 22 Prof. C. Stamm / K.-T. Förster T. Langner J. Seidel Prof. R. Wattenhofer Diskrete Ereignissysteme Prüfung Donnerstag 3. Januar 23 9: 2: Uhr Nicht öffnen oder umdrehen bevor
MehrInhalt. Zellulare Automaten 1 Genetische Algorithmen zur globalen Optimierung 10 Zellulare genetische Algorithmen 14
Inhalt Zellulare Automaten 1 Genetische Algorithmen zur globalen Optimierung 10 Zellulare genetische Algorithmen 14 1 Zelluläre Automaten Ausbreitungsprozesse können auch durch Zelluläre Automaten modelliert
Mehr