Zelluläre Automaten. Zelluläre Automaten sind einfache Simulationssysteme zur Untersuchung von komplexen Interaktionsmuster
|
|
- Thilo Schneider
- vor 5 Jahren
- Abrufe
Transkript
1 Motivation sind einfache Simulationssysteme zur Untersuchung von komplexen Interaktionsmuster einfache Zellen räumlich angeordnet einfache Interaktionsmuster (Beziehungen zwischen benachbarten Zellen) komplexes, emergentes Systemverhalten dienen zur Untersuchung von diskreten, räumlich verteilten Systemen z.b. in der theoretischen Physik *
2 Kopplung von gleichartigen Automaten mit homogener Interaktionsstruktur regelmäßige Anordnung von gleichartigen, nicht überlappenden Zellen 1-, 2- oder mehrdimensionales Feld von Zellen (Gitter) Form: triangulär, quadrangulär oder hexagonal jede Zelle hat eine lokale Nachbarschaft jede Zelle ist einfachen Automaten mit Zustand und Zustandsüberführung Zustandsänderung erfolgt in diskreten, äquidistanten Zeitschritten, t = 0, 1, 2, der Zustand einer Zelle zum Zeitpunkt t+1 hängt vom Zustand der Zelle zum Zeitpunkt t und und vom Zustand der Zellnachbarn zum Zeitpunkt t ab. + Formalismus Zellulärer Automat Homogenes Feld mit Automatenzellen ZA i,j = (Q i,j, I i,j, δ i,j ) Zustand Q i,j in der sich die Zelle auf Position i,j zu einem Zeitpunkt befindet Nachbarschaft I i,j für eine Zelle auf Position i,j Zustandsüberführungsfunktion δ i,j für eine Zelle auf Position i,j gibt an wie sich die Zelle aufgrund seines eigenen Zustands und der Zustände der Nachbarn in I i,j in einem Zeitschritt ändert.,
3 Nachbarschaft Ii,j für eine Zelle auf Position i,j auf eine Zelle einwirkende Nachbarn für alle Zellen gleich von-neumann-nachbarschaft I i,j = {(i, j+1), (i+1, j), (i, j-1), (i-1, j)} (0,-1) (-1,0) (i,j) (1,0) (0,1) Moore-Nachbarschaft I i,j = { (i, j+1), (i+1, j), (i, j-1), (i-1, j), (i+1, j+1), (i+1, j-1), (i-1, j+1), (i-1, j-1) } (-1,-1) (0,-1) (1,-1) (-1,0) (i,j) (1,0) (-1,1) (0,1) (1,1) n n n n - Randwerte bei Zellulären Automaten Absorbierend: - alle Zellen außerhalb sind in einem definierten Zustand ( Null -Zustand) Torus: - die rechten sind mit den linken und die oberen mit den unteren verbunden - Indizes der Nachbarn werden modulo n gerechnet.
4 Zellulärer Automat Game of Life Q i,j = {0, 1} Moore-Nachbarschaft I i,j = {(i, j+1), (i+1, j), (i, j-1), (i-1, j), (i+1, j+1), (i+1, j-1), (i-1, j+1), (i-1, j- 1)} Überführungsfunktion δ i,j für eine Zelle auf Position i,j δ i,j (, +1, q i+1,j, -1, q i-1,j, q i+1,j+1, q i+1,j-1, q i-1,j+1, q i-1,j-1 ) = 1 if = 1 & (sum = 2 sum = 3) (eine lebende Zelle bleibt am Leben, wenn 2 oder 3 lebende Nachbarn) 0 if = 1 & (sum < 2 sum > 3) (eine lebende Zelle stirbt, wenn weniger als 2 oder mehr als 3 lebende Nachbarn 1 if = 0 & sum = 3 (eine tote Zelle wird geboren, wenn genau 3 lebende Nachbarn) 0 if = 0 & sum 3 (eine tote Zelle bleibt tot, wenn nicht genau 3 lebende Nachbarn) mit sum = +1 +q i+1,j +-1 +q i-1,j +q i+1,j+1 +q i+1,j-1 +q i-1,j+1 +q i-1,j-1 Summe der lebenden Nachbarn / Musterbildung bei Game of Life Entwicklung transiente und stabile Muster immer neue Muster werden entdeckt bewegliche Muster führen immer wieder zu Änderungen und Zerfall erzeugende Muster bringen immer neue Dynamik (a) (b) (c) (d) (a), (b), (c) stabil (d) alternierend (e), (f) beweglich (e) (f) 0
5 Simulationsalgorithmus für CA-Simulation (T i, T f, {q0 i,j }) for all cells i,j do = q0 i,j t = T i while (t <= T f ) do // compute new state according to neighbors I i,j // and save it in for all cells i,j do := δ i,j ((,, q k,l, )), k,l I i,j t := t + 1 // update state for new time step for all cells i,j do = 1 Simulationsbeispiel Game of Life 2
6 Anwendung von Zellulären Automaten Untersuchung von Interaktionen von Systemen - durch Interaktion der Zellen entstehen erstaunlich komplexe Phänomene - oft mit chaotischem Verhalten - vor allem nicht vorhersagbar -, als diskretes Modell räumlicher Dynamiken - Flächenbebauung - Ausbreitung von Feuern - Emissionsausbreitungsmodelle - Beispiel Zellulärer Automat Lawine Zustandsmenge Q i,j = {1, 2,, 8} Von-Neumann-Nachbarschaft I i,j = {(i, j+1), (i+1, j), (i, j-1), (i-1, j)} Absorbierende Randbedingung q x,y = 0 Zustandsüberführungsfunktion: Zustände größer oder gleich 5 gelten als überlastet δ i,j (, +1, q i+1,j, -1, q i-1,j ) = 4 + sum if ( 5) // überlastet + sum otherwise -- wenn nicht überlastet mit sum = {q k,l q k,l 5 & (k,l) I i,j } (Anzahl der überlasteten Nachbarn) Bei kleiner Anregung (einige überlastete Zustände) wird eine Kettenreaktion losgetreten *
7 Beispiel Zellulärer Automat Lawine + Beispiel Erregbare Systeme (Greenberg-Hastings Automat) Zellen kennen 3 Phasen: - Ruhe (0) - Erregung (r) - Erholung [1,, r-1] Von-Neumann-Nachbarschaft Randbedingung Torus Zustandsüberführungsfunktion: - Zellen mit erregten Nachbarn, die in Ruhe sind, werden erregt - Zellen, die in in der Erholungsphase sind, erholen sich weiter δ i,j (, +1, q i+1,j, -1, q i-1,j ) = r if ( = 0 && (k,l) : q k,l = r) -- wird erregt 1if ( 0) -- erholt sich otherwise -- bleibt gleich,
8 Beispiel Zellulärer Automat Lawine - Wolframs -Klassifikation eindimensionale mit binärer Zustandsmenge Q i = {0, 1} nur direkte rechter und linker Nachbar I i = {i-1, i+1} ergeben 2 3 mögliche Überführungsfunktionen (f: {0, 1} 3 {0, 1}) Klassen von Automaten: I. Homogene Zustände II. Periodische Zyklen III. Chaotisches Verhalten IV. komplexe lokale Strukturen (zwischen Chaos und Ordnung).
9 Wolframs -Klassifikation III. I. II. IV. / Ereignisorientierte Simulation von Zellulären Automaten Ruhezustand: sind eine Zelle und alle seine Nachbarn in einem sogenannten Ruhezustand, so bleibt der Zustand unverändert. Ereignis wirkliche Veränderung einer Zelle zu einem bestimmten Zeitpunkt Liste der (möglichen) nächsten Ereignisse: Liste der Zellen, bei denen grundsätzlich ein Ereignis auftreten kann sind jene, bei denen im letzten Zeitpunkt eine Änderung erfolgte 0
10 Ereignisorientierte Algorithmus von Zellulären Automaten - bei einem Zustandsübergang markiere die Zustände, die wirklich den Zustand ändern - von diesen sammle alle Nachbarn - diese Liste enthält alle, die in dem nächsten Schritt ein Ereignis haben können EventBased-CA-Simulation (T i, T f, {q0 i,j }) for all cells i,j do = q0 i,j event-list = {} for all cells i,j do // initialize event-list if not is in quiescent state then add i,j and all cells k,l with i,j I k,l to event-list t = T i while (t T f ) do new-event-list = {} for all cells i,j in event-list do = δ i,j ((,, q k,l,)), k,l I i,j if then add i,j and all cells k,l with i,j I k,l to new-event-list t = t + 1 for all cells i,j in event-list do = event-list = new-event-list end while 1 Zusammenfassung Anwendung bei der Untersuchung von Interaktionen von Systemen, z.b. diskrete Modellierung von Ausbreitungsströmen Gruppenphänomene Äquivalenz zur Turing Maschine herkömmliche Simulation: Berechnung jeder Zelle in jedem Zeitschritt aufgrund der beeinflußenden Zellen ereignisgesteuerte Simulation: Konzentration auf die Zellen, bei denen etwas passieren kann Ausgehend von einem Ereignis Bestimmung von möglichen Folgeereignissen Zelle nimmt aktive Position ein, indem sie auf die beeinflußten Zellen einwirkt *2
Zelluläre 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
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
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
MehrPanorama der Mathematik und Informatik
Panorama der Mathematik und Informatik 17: Zelluläre Automaten II Dirk Frettlöh Technische Fakultät / Richtig Einsteigen 11.6.2014 Conway s Game Of Life (GoL) [Demo. Gezeigt und erklärt werden:] Regeln
MehrZelluläre Automaten SoSe 2011
Zelluläre Automaten SoSe 2011 LS Sozialwissenschaftliche Methodenlehre und Sozialstatistik C. Dudel C. Dudel Zelluläre Automaten SoSe 2011 1 35 Bisher Leslie-Modell: Makro Galton-Watson-Prozess: Mikro
MehrPanorama der Mathematik und Informatik
Panorama der Mathematik und Informatik 15: Zelluläre Automaten II Dirk Frettlöh Technische Fakultät / Richtig Einsteigen Recall: Conway s Game Of Life (GoL) Regeln Still lifes, oscillators, spaceships,
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
MehrFakultät für Physik und Geowissenschaften
Universität Leipzig Fakultät für Physik und Geowissenschaften Bereich Didaktik der Physik Wissenschaftliche Arbeit Populationsdynamik mit Zellulären Automaten Mathias Förster Betreuer an der Universität:
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-
MehrSpatial Games. Vortrag im Rahmen der Vorlesung Spieltheorie von M.Schottenloher. Anne-Marie Rambichler, Christoph Wichmann. 23.
Spatial Games Vortrag im Rahmen der Vorlesung Spieltheorie von M.Schottenloher Anne-Marie Rambichler, Christoph Wichmann 23. März 2009 Anne-Marie Rambichler, Christoph Wichmann () Spatial Games 23. März
MehrPräsentation der Studienarbeit
Präsentation der Studienarbeit Effiziente algorithmische Klassifizierung zweidimensionaler Zellularautomaten mit einfachen statistischen Mitteln von Sebastian Frehmel Problemstellung Bisherige Arbeiten
MehrProgrammierpraktikum Verkehrssimulation
Programmierpraktikum Verkehrssimulation Einführung in die Thematik Michael Moltenbrey, Dirk Pflüger 24. April 2006 1 Gliederung Motivation Ablauf des Praktikums Aufgabenstellungen Scheinkriterien Gruppeneinteilung
MehrÜberblick. Zellularautomaten. Geschichte. The Game of Life. The Game of Life Regeln LIFE32.EXE
Einführung in die Medizinische Informatik und Bioinformatik Zellularautomaten Frank Meineke SS 2006 Überblick Geschichte The Game of Life Definition Zellularautomaten Epidemiemodelle Einordung 2 Geschichte
MehrMathematisches Modellieren. snowdrift game. Lukas Grossar Alexander Jesner
Mathematisches Modellieren snowdrift game Lukas Grossar Alexander Jesner 26. Juli 2009 1 Einführung Die Spieltheorie hat breite Verwendung in der Modellbildung gefunden und wird auch für quantitative Studien
Mehr(auch: Zellularautomaten, Polyautomaten, cellular automata, CA)
4. Zelluläre Automaten Einordnung: Modell mit räumlich konstantem Medium, raumorientiert, diskret, mit fester Nachbarschaft der Zellen, mit kontextsensitiven Wachstumsregeln. Zelluläre Automaten (auch:
MehrReaktions-Diffusions-Modelle
Reaktions-Diffusions-Modelle Gegenstück zu zellulären Automaten: ebenfalls raumorientiert, mit fester Nachbarschaftsrelation und kontextsensitiven Regeln aber: kontinuierlich in Raum, Zeit und Strukturen
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
MehrAlgorithmen in Zellularautomaten
Algorithmen in Zellularautomaten 13. ZA-Modelle mit wenigen Zuständen Thomas Worsch Fakultät für Informatik Institut für Theoretische Informatik Sommersemester 2018 Ziele einige (sehr) einfache ZA als
MehrKapitel 5.5: Nichtlineare Rekursionen. Algorithmen und Datenstrukturen WS 2017/18. Pro f. Dr. Sán do r Fe k e te
Kapitel 5.5: Nichtlineare Rekursionen Algorithmen und Datenstrukturen WS 2017/18 Pro f. Dr. Sán do r Fe k e te 1 e H! e t u 2 Ankreuzliste für Übungsgruppen 1 4 3 7 5 5 6 6 9 10 8 2 2 10 3 5.3.3 Master-Theorem:
MehrKapitel 5.6: Nichtlineare Rekursionen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete
Kapitel 5.6: Nichtlineare Rekursionen Algorithmen und Datenstrukturen WS 2012/13 Prof. Dr. Sándor Fekete 5.4.3 Master-Theorem: Lineare Rekursionen 5.6 Nichtlineare Rekursionen 5.6.1 Logistische Rekursion
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:
MehrMusterbildung. Vom Kleinen zum Großen. 4. Lange Nacht der Mathematik. Thomas Westermann. Formen u. Muster. Differenzialgleichungen.
bildung Vom Kleinen zum Großen Thomas Westermann 4. Lange Nacht der Mathematik HS Karlsruhe 12. Mai 2006 Formen und Formen und Formen und Formen und A R U B L R L UB = UR + UL U B U = RI() t + LI'() t
MehrVorlesung und Übung. Modellierung, Simulation, Entwurf heterogener Systeme. Dr. Christoph Grimm Professur Technische Informatik
Vorlesung und Übung Modellierung, Simulation, Entwurf heterogener Systeme - Am Beispiel SystemC Dr. Christoph Grimm Professur Technische Informatik 1 Dr. Ch. Grimm - Modellierung und Simulation heterogener
MehrNeuronale Netzwerke: Feed-forward versus recurrent (d.h. feed-back )
Neuronale Netzwerke: Feed-forward versus recurrent (d.h. feed-back ) A: Schrittweise vorwärts-gerichtete Abbildung: Eingangssignal (Input) r in Ausgansgsignal (Output) r out Überwachtes Lernen (wie z.b.
MehrUniversität Karlsruhe (TH)
Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825 Programmtransformationen: Vom PRAM Algorithmus zum MPI Programm Prof. Dr. Walter F. Tichy Dr. Victor Pankratius Ali Jannesari Modell und
MehrVHDL Simulation. Dr.-Ing. Matthias Sand. Lehrstuhl für Informatik 3 (Rechnerarchitektur) Friedrich-Alexander-Universität Erlangen-Nürnberg SS 2011
VHDL Simulation Dr.-Ing. Matthias Sand Lehrstuhl für Informatik 3 (Rechnerarchitektur) Friedrich-Alexander-Universität Erlangen-Nürnberg SS 2011 VHDL Simulation 1/20 2011-05-18 Motivation Der Simulationsalgorithmus
MehrProgrammierung. Rückblick. VWA - Programmierung Winter Algorithmus. Programmiersprache. Variable. Zuweisung. Bedingung.
Programmierung 1 Rückblick Algorithmus Programmiersprache Variable Zuweisung Bedingung Schleife (c) Peter Sturm, University of Trier 1 3 Aufgabe: Viele, viele bunte Smarties Rechengeschwindigkeit CPU 5
MehrAlgorithmen und Programmierung. Zusatzaufgaben Java Tutorium 1
TU Ilmenau, Fakultät IA FG Telematik/Rechnernetze Prof. Dr.-Ing. G. Schäfer http://www.tu-ilmenau.de/telematik/aup Algorithmen und Programmierung Zusatzaufgaben Java Tutorium 1 Aufgabe 1 (Zeitformatierung)
MehrAngewandte Mathematik am Rechner 1
Angewandte Mathematik am Rechner 1 SOMMERSEMESTER 2017 Kapitel 3 [Bildquellen: Wikipedia User David Madore, Inductiveload ] Grundlagen 2: Funktionen, Berechenbarkeit und emergente Komplexität Michael Wand
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
Mehr1 Bizz Buzz Woof (ca =18 Punkte) def read file(file_in): fp = open(file_in, r ) l = fp.read() fp.close() return l
Einführung in die wissenschaftliche Programmierung Klausur 1. März 2010 Seite 1/7 Name, Vorname, Unterschrift: Matrikelnummer: 1 Bizz Buzz Woof (ca. 3+9+6=18 Punkte) In dieser Aufgabe sollen Zahlen codiert
MehrSimulationstechnik V
Simulationstechnik V Vorlesung/Praktikum an der RWTH Aachen Numerische Simulation von Strömungsvorgängen B. Binninger Institut für Technische Verbrennung Templergraben 64 4. Teil Finite-Volumen-Methode
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
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
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
Mehr1.5 Turing-Berechenbarkeit
A.M. Turing (1937): Maschinenmodell zur exakten Beschreibung des Begriffs effektiv berechenbar Stift Mensch a c b b Rechenblatt a b b c Lese-/Schreibkopf endliche Kontrolle Turingmaschine Eine Turingmaschine
MehrALP I Turing-Maschine
ALP I Turing-Maschine Teil I SS 2011 Äquivalenz vieler Berechnungsmodelle Alonzo Church λ-kalkül Kombinatorische Logik Alan Turing Turing-Maschine Mathematische Präzisierung Effektiv Berechenbare Funktionen
MehrTheoretische Informatik 1
Theoretische Informatik 1 Vollständigkeit 1 David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 20.05.2016 Übersicht Schwere Definition CIRCUIT-VALUE ist P-schwer
MehrAlternative Berechnungsmodelle
Kapitel 23: Alternative Berechnungsmodelle Einführung in die Informatik Wintersemester 2007/08 Prof. Bernhard Jung Übersicht Zelluläre Automaten Neuronale Netze Genetische Algorithmen Literatur P. Rechenberg.
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
Mehr1.5 Turing-Berechenbarkeit
A.M. Turing (1937): Maschinenmodell zur exakten Beschreibung des Begriffs effektiv berechenbar Stift Mensch a c b b Rechenblatt a b b c Lese-/Schreibkopf endliche Kontrolle Turingmaschine Eine Turingmaschine
MehrTuringmaschinen. und eine kleine Einführung in Bereiche der theoretischen Informatik
Turingmaschinen und eine kleine Einführung in Bereiche der theoretischen Informatik Gliederung Einführung Leben Alan Turing Theoretische Informatik Turingmaschine Aufbau, Definition Beispiele Game of Life
MehrKonvergenz von Hopfield-Netzen
Matthias Jauernig 1. August 2006 Zusammenfassung Die nachfolgende Betrachtung bezieht sich auf das diskrete Hopfield-Netz und hat das Ziel, die Konvergenz des Verfahrens zu zeigen. Leider wird dieser Beweis
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
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
MehrProjekt Systementwicklung
Projekt Systementwicklung Periodische Randbedingungen: Das Leben auf dem Torus Prof. Dr. Nikolaus Wulff Prüfungsanmeldung Die Modulprüfung Projekt Systementwicklung findet am 26. und 25. Juni statt. Es
MehrLOOP-Programme: Syntaktische Komponenten
LOOP-Programme: Syntaktische Komponenten LOOP-Programme bestehen aus folgenden Zeichen (syntaktischen Komponenten): Variablen: x 0 x 1 x 2... Konstanten: 0 1 2... Operationssymbole: + Trennsymbole: ; :=
MehrProgrammtransformationen: Vom PRAM Algorithmus zum MPI Programm
Programmtransformationen: Vom PRAM Algorithmus Dr. Victor Pankratius David J. Meder IPD Tichy Lehrstuhl für Programmiersysteme KIT die Kooperation von Forschungszentrum Karlsruhe GmbH und Universität Karlsruhe
MehrZelluläre Automaten als einfache selbstorganisierende Systeme
Zelluläre Automaten als einfache selbstorganisierende Systeme René Schlossus Sebastian Walther Dezember 2006 Zusammenfassung Dieser Artikel gibt einen Überblick über die Theorie der zellulären Automaten,
MehrKapitel 4 Ereignisdiskrete Systeme (V)
Systemmodellierung Teil 1: Ereignisdiskrete Systeme Kapitel 4 Ereignisdiskrete Systeme (V) Petrinetze ctnd. Eigenschaften von Petrinetzen (BE-Netze) Konflikt Kontakt Livelock, Deadlock Lebendigkeit Reversibilität
MehrPräfix-Summe. Das Schweizer Offiziersmesser der Parallelen Algorithmen. Parallele Rechenmodelle Präfix-Summe Brents Lemma Anwendungen
Präfix-Summe Das Schweizer Offiziersmesser der Parallelen Algorithmen Parallele Rechenmodelle Präfix-Summe Brents Lemma Anwendungen Parallele Rechenmodelle Beispiel: Summieren von Zahlen Verlauf des Rechenprozesses:
MehrStochastic Processes SS 2010 Prof. Anton Wakolbinger. Klausur am 16. Juli 2010
Stochastic Processes SS 2010 Prof. Anton Wakolbinger Klausur am 16. Juli 2010 Vor- und Nachname: Matrikelnummer: Studiengang: Tutor(in): In der Klausur können 100 Punkte erreicht werden. Die Gesamtpunktezahl
MehrAnleitung: GeZA-2D für Android
Anleitung: GeZA-2D für Android Mit GeZA-2D können 2-dimensionale zelluläre Automaten untersucht und in attraktiven Grafiken dargestellt werden. Inhaltsverzeichnis: Bedienung... 2 Allgemein... 2 Regel-Editor...
MehrInformatik II, SS 2018
Informatik II - SS 2018 (Algorithmen & Datenstrukturen) Vorlesung 15b (13.06.2018) Graphenalgorithmen IV Algorithmen und Komplexität Prims MST-Algorithmus A = while A ist kein Spannbaum do e = u, v ist
MehrTheoretische Informatik SS 03 Übung 3
Theoretische Informatik SS 03 Übung 3 Aufgabe 1 a) Sind die folgenden Funktionen f : partiell oder total: f(x, y) = x + y f(x, y) = x y f(x, y) = x y f(x, y) = x DIV y? Hierbei ist x DIV y = x y der ganzzahlige
MehrBerechenbarkeit. Script, Kapitel 2
Berechenbarkeit Script, Kapitel 2 Intuitiver Berechenbarkeitsbegriff Turing-Berechenbarkeit WHILE-Berechenbarkeit Church sche These Entscheidungsprobleme Unentscheidbarkeit des Halteproblems für Turingmaschinen
MehrWorkshop zu Folge 9.3 Überarbeitete Version vom Mai 2016
Workshop zu Folge 9.3 Überarbeitete Version vom Mai 2016 Schritt 1 - Ein Spielfeld Wir beginnen mit zwei einfachen Java-Klassen, dem eigentlichen Spielfeld und dem Applet zum Anzeigen des Spielfeldes.
MehrEIN MULTI-SPEED-PERSONENSTROMSIMULATOR AUF BASIS EINES ZELLULAREN AUTOMATEN
EIN MULTI-SPEED-PERSONENSTROMSIMULATOR AUF BASIS EINES ZELLULAREN AUTOMATEN Tobias Liepert 1, André Borrmann 1, Wolfram Klein 2 1 Computation in Engineering, Technische Universität München borrmann@bv.tum.de,
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
MehrTuring-Maschinen: Ein abstrakes Maschinenmodell
Wann ist eine Funktion (über den natürlichen Zahlen) berechenbar? Intuitiv: Wenn es einen Algorithmus gibt, der sie berechnet! Was heißt, eine Elementaroperation ist maschinell ausführbar? Was verstehen
MehrVL-11: LOOP und WHILE Programme I. (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger
VL-11: LOOP und WHILE Programme I (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger WS 2017, RWTH BuK/WS 2017 VL-11: LOOP und WHILE Programme I 1/46 Organisatorisches Nächste Vorlesung: Mittwoch,
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
MehrZufallszahlenerzeugung
Zufallszahlenerzeugung Anwendunsgebiete: z.b.: - Computerspiele - Kryptographie - Monte-Carlo-Methoden - Simulation Melanie Kaspar, Prof. Dr. B. Grabowski 1 Wie erzeuge ich Zufallszahlen, die sich so verhalten,
MehrQuadtrees und Meshing
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.06.2014 Motivation: Meshing von Platinenlayouts Zur Simulation der Hitzeentwicklung
MehrMustererkennung: Neuronale Netze. D. Schlesinger ()Mustererkennung: Neuronale Netze 1 / 12
Mustererkennung: Neuronale Netze D. Schlesinger ()Mustererkennung: Neuronale Netze 1 / 12 Feed-Forward Netze y 1 y 2 y m...... x 1 x 2 x n Output Schicht i max... Zwischenschicht i... Zwischenschicht 1
MehrWiederholung. Organisatorisches. VL-11: LOOP und WHILE Programme I. (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger
Organisatorisches VL-11: LOOP und WHILE Programme I (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger Nächste Vorlesung: Mittwoch, November 29, 14:15 15:45 Uhr, Roter Hörsaal Webseite: http://algo.rwth-aachen.de/lehre/ws1718/buk.php
MehrAsymptotische Komplexität
Asymptotische Komplexität f B n hängt wesentlich von der Variablen x i ab,, 1 i n, wenn es Werte a j für 1 j n, j i, derart gibt, dass f(a 1,..., a i 1, 0, a i+1,..., a n ) f(a 1,..., a i 1, 1, a i+1,...,
MehrObjektorientierte Programmierung VL: Prof. Dr. Marco Block-Berlitz - Freie Universität Berlin Proinformatik III
Objektorientierte Programmierung VL: Prof. Dr. Marco Block-Berlitz - Freie Universität Berlin Proinformatik III Text: Hinnerk van Bruinehsen - Grafiken: Jens Fischer powered by SDS.mint SoSe 2011 1 Teil
MehrRechnerstrukturen. Michael Engel und Peter Marwedel SS TU Dortmund, Fakultät für Informatik
Rechnerstrukturen Michael Engel und Peter Marwedel TU Dortmund, Fakultät für Informatik SS 2013 Hinweis: Folien a. d. Basis von Materialien von Gernot Fink und Thomas Jansen 13. Mai 2013 1 Programmierbare
MehrEinführung in das Invarianzprinzip
15.03.2016 Motivation Betrachtet diesen Kreis, der in sechs Sektoren eingeteilt ist. Wir erlauben, die Zahl in je zwei benachbarten Feldern um jeweils 1 zu erhöhen. In welcher Reihenfolge muss man die
Mehr1 Einleitung 3. 4 Weitere Betrachtungen Umkehrbare zellulare Automaten Totalistische zellulare Automaten... 14
Inhaltsverzeichnis 1 Einleitung 3 2 Definition zellularer Automaten 5 2.1 Informale Einführung............................... 5 2.2 Formale Definition................................. 5 2.2.1 Notwendige
MehrEinführung Eigenwerte
Einführung Eigenwerte Bei der Modellierung von Stabweren, entstehen folgende Systeme: p = Ax mit A = ENE T, Verschiebungsvetor x und Lastvetor p und Diagonalmatrix N mit den Materialeigenschaften. Betrachtet
MehrDeterminisierung von endlichen Automaten
Thomas Hanneforth Institut für Linguistik Universität Potsdam May 14, 2014 Thomas Hanneforth (Universität Potsdam) May 14, 2014 1 / 21 Outline 1 Einführung 2 Beispiel 3 Ein verbesserter Determinisierungsalgorithmus
MehrEinführung Eigenwerte
Einführung Eigenwerte Bei der Modellierung von Stabweren, entstehen folgende Systeme: p = Ax mit A = ENE T, Verschiebungsvetor x und Lastvetor p und Diagonalmatrix N mit den Materialeigenschaften. Betrachtet
MehrAlgorithmen in Zellularautomaten
Algorithmen in Zellularautomaten Algorithmen in Zellularautomaten 2. Berechnungsmächtigkeit von Zellularautomaten Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Sommersemester
Mehr{0,1} rekursive Aufteilung des Datenraums in die Quadranten NW, NE, SW und SE feste Auflösung des Datenraums in 2 p 2 p Gitterzellen
4.4 MX-Quadtrees (I) MatriX Quadtree Verwaltung 2-dimensionaler Punkte Punkte als 1-Elemente in einer quadratischen Matrix mit Wertebereich {0,1} rekursive Aufteilung des Datenraums in die Quadranten NW,
MehrSimulationen: Game of Life
Simulationen: Game of Life Ausgangslage Heute lernen Sie eine Simulation kennen. Dabei geht es um das Verhalten von Zellen, mit einfachen Verhaltensregeln. Die Zellen existieren in einem Netz ähnlich eines
MehrEinfluss mikrostruktureller Inhomogenitäten auf das mechanische Verhalten von thermoplastischem CFK
DLR.de Folie 1 Werkstoff-Kolloquium 2014 Hybride Werkstoffe und Strukturen für die Luftfahrt 2. Dezember 2014, DLR Köln Einfluss mikrostruktureller Inhomogenitäten auf das mechanische Verhalten von thermoplastischem
MehrEinige Beispiele zur Turingmaschine
Einige Beispiele zur Turingmaschine Beispiel 1: Addition von 1 zu einer Dualzahl Aufgabe: Auf dem Eingabe-Band einer Turingmaschine steht eine Dualzahl (= Binärzahl, bestehend aus 0-en und 1-en, links
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
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
MehrRandwertbedingungen und Ghost Cells
Randwertbedingungen und Ghost Cells Olaf Kern Universität Trier 16.Dezember 2010 Olaf Kern (Universität Trier) Seminar Numerik 1/23 16.Dezember 2010 1 / 23 Inhaltsverzeichnis 1 Einführung 2 Periodische
MehrWeitere universelle Berechnungsmodelle
Weitere universelle Berechnungsmodelle Mehrband Turingmaschine Nichtdeterministische Turingmaschine RAM-Modell Vektoradditionssysteme λ-kalkül µ-rekursive Funktionen 1 Varianten der dtm Mehrkopf dtm Kontrolle
MehrAnordnungstechniken für konvektionsdominante Probleme im Ê 3. Dimensionsunabhängige Verfahren. Algorithmen für planare Graphen. Numerische Beispiele
Anordnungstechniken für konvektionsdominante Probleme im Ê 3 Inhalt: Einführung Dimensionsunabhängige Verfahren Algorithmen für planare Graphen Anordnungen im Ê 3 Numerische Beispiele 2 Einführung betrachtet
MehrBerechenbarkeit. Script, Kapitel 2
Berechenbarkeit Script, Kapitel 2 Intuitiver Berechenbarkeitsbegriff Turing-Berechenbarkeit WHILE-Berechenbarkeit Church sche These Entscheidungsprobleme Unentscheidbarkeit des Halteproblems für Turingmaschinen
MehrINSERTION-SORT: Ja, Es wird immer das erste, kleinste Element an die neue Liste angehängt.
Aufgabe 1 INSERTION-SORT: Ja, Es wird immer das erste, kleinste Element an die neue Liste angehängt. QUICK-SORT: Hängt davon ab ob PARTITION stabil ist. MERGE-SORT: Ja, Splitten, sowie Mergen ist stabil.
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
MehrEndliche Automaten. Minimierung. Karin Haenelt. Karin Haenelt, 2004, FSA-Minimierung, ( )
Endliche Automaten Minimierung Karin Haenelt 1 Inhalt Vorteile eines Minimalautomaten Fälle für die Minimierung Minimierungsalgorithmus für deterministische endliche Automaten (mit totaler Übergangsfunktion)
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
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 :
Mehr1. Übung Algorithmen I
Timo Bingmann, Christian Schulz INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS 1 KIT Timo Universität Bingmann, des LandesChristian Baden-Württemberg Schulz und nationales Forschungszentrum in der
MehrFloquet-Theorie Differentialgleichungen mit periodischen Koeffizienten
Floquet-Theorie Differentialgleichungen mit periodischen Koeffizienten [1] Januar 2011 Institut für Angewandte Physik Nichtlineare Optik/Quantenoptik Friederike Fassnacht 1 Motivation Grundgleichung der
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
MehrModelle räumlicher Simulation 6.0b Überblick
Modelle räumlicher Simulation 6.0b Überblick Zelluläre Automaten Agentenbasierende Modelle Regeln Gleichartige Zellen, die verschiedene Eigenschaften besitzen können, die einem Raum angeordnet sind, der
MehrPerkolation Zusammenhang mit RG
Perkolation Zusammenhang mit RG 19.07.2017 TU Darmstadt Fachbereich Physik Johannes Reinhard 1 Agenda 1.1 Einführung und Motivation 1.2 Grundlagen 2.1 Erzeugende Funktion 2.2 Perkolation in einer Dimension
MehrAlgorithmen und Datenstrukturen 2. Stefan Florian Palkovits, BSc Juni 2016
Algorithmen und Datenstrukturen Übung Stefan Florian Palkovits, BSc 09 e09@student.tuwien.ac.at 9. Juni 0 Aufgabe 9: Anwenden der Spanning Tree Heuristik auf symmetrisches TSP 9 8 7 8 8 7 Bilden eines
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
MehrTemporal Difference Learning
Temporal Difference Learning Das Temporal Difference (TD) Lernen ist eine bedeutende Entwicklung im Reinforcement Lernen. Im TD Lernen werden Ideen der Monte Carlo (MC) und dynamische Programmierung (DP)
MehrInformatik II, SS 2016
Informatik II - SS 2016 (Algorithmen & Datenstrukturen) Vorlesung 21 (15.7.2016) String Matching (Textsuche) Approximate String Matching Algorithmen und Komplexität Textsuche / String Matching Gegeben:
Mehr