Algorithmen für Ad-hoc- und Sensornetze
|
|
- Hanna Sommer
- vor 8 Jahren
- Abrufe
Transkript
1 Algorithmen für Ad-hoc- und Sensornetze VL 05 Lokalisierung und virtuelle Koordinaten Fabian Fuchs 5. Nov (Version 1) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER) KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum in der Helmholtz-Gemeinschaft
2 Thema heute: Lokalisierung Warum wir Knotenpositionen brauchen Zuordnung der Daten (was tun, wenn s brennt?) Georouting Topologiekontrolle... Was tun, wenn (alle/einige/viele) Knoten ihre Positionen nicht kennen, weil GPS/Galileo nicht zur Verfügung steht ist schwer, groß, teuer (verglichen mit SmartDust) kostet Energie funktioniert nicht überall (drinnen, im Wald) ist nicht besonders genau jedem Knoten die Position einprogrammieren nicht geht VL 05 Lokalisierung und virtuelle Koordinaten (2/40)
3 Thema heute: Lokalisierung Warum wir Knotenpositionen brauchen Zuordnung der Daten (was tun, wenn s brennt?) Georouting Topologiekontrolle... Was tun, wenn (alle/einige/viele) Knoten ihre Positionen nicht kennen, weil GPS/Galileo nicht zur Verfügung steht ist schwer, groß, teuer (verglichen mit SmartDust) kostet Energie funktioniert nicht überall (drinnen, im Wald) ist nicht besonders genau jedem Knoten die Position einprogrammieren nicht geht VL 05 Lokalisierung und virtuelle Koordinaten (2/40)
4 Überblick Überblick: Entfernungs- und Richtungsschätzung Lokalisierung mit Ankerknoten Ankerfreie Lokalisierung: Virtuelle Koordinaten Komplexitätsbetrachtungen Heuristiken zur ankerfreien Lokalisierung VL 05 Lokalisierung und virtuelle Koordinaten (3/40)
5 Was man alles messen kann Entfernungen Zusammenhang im Kommunikationsgraphen sehr grobe Information über benachbarte Lage von Knoten RSSI: Received Signal Strength Indicator Sendestärke bekannt Distanz lässt sich theoretisch schätzen in der Praxis recht ungenau ToA: Time of Arrival Bestimmung von Signallaufzeiten (roundtrip time) TDoA: Time Difference of Arrival Laufzeitvergleiche zweier Signale (z. B. Radio / Ultraschall) Richtungen AoA: Angle of Arrival Phasenverschiebung in Antennenarrays gerichtete Antennen Zusatzhardware (Laser etc.) VL 05 Lokalisierung und virtuelle Koordinaten (4/40)
6 Was man alles messen kann Entfernungen Zusammenhang im Kommunikationsgraphen sehr grobe Information über benachbarte Lage von Knoten RSSI: Received Signal Strength Indicator Sendestärke bekannt Distanz lässt sich theoretisch schätzen in der Praxis recht ungenau ToA: Time of Arrival Bestimmung von Signallaufzeiten (roundtrip time) TDoA: Time Difference of Arrival Laufzeitvergleiche zweier Signale (z. B. Radio / Ultraschall) Richtungen AoA: Angle of Arrival Phasenverschiebung in Antennenarrays gerichtete Antennen Zusatzhardware (Laser etc.) VL 05 Lokalisierung und virtuelle Koordinaten (4/40)
7 Überblick Überblick: Entfernungs- und Richtungsschätzung Lokalisierung mit Ankerknoten Ankerfreie Lokalisierung: Virtuelle Koordinaten Komplexitätsbetrachtungen Heuristiken zur ankerfreien Lokalisierung VL 05 Lokalisierung und virtuelle Koordinaten (5/40)
8 Lokalisierung mit Ankerknoten Wenn GPS/Einprogrammieren so teuer ist, reicht es vielleicht, wenn einige Knoten, sogenannte Ankerknoten, ihre Position kennen? Wenn jeder Knoten genug Anker sieht : Trilateration bei bekannten Enfernungen Drei Anker für eindeutige Lokalisierung Triangulation bei bekannten Winkeln Zwei Anker für eindeutige Lokalisierung Bei gestörten Werten und/oder mehr Ankern Least Squares Verfahren etc. Schätztheorie Was, wenn wir nur wenige Anker haben? Einige Knoten haben dann vielleicht keine Anker in ihrer Nachbarschaft! VL 05 Lokalisierung und virtuelle Koordinaten (6/40)
9 Lokalisierung mit Ankerknoten Wenn GPS/Einprogrammieren so teuer ist, reicht es vielleicht, wenn einige Knoten, sogenannte Ankerknoten, ihre Position kennen? Wenn jeder Knoten genug Anker sieht : Trilateration bei bekannten Enfernungen Drei Anker für eindeutige Lokalisierung Triangulation bei bekannten Winkeln Zwei Anker für eindeutige Lokalisierung Bei gestörten Werten und/oder mehr Ankern Least Squares Verfahren etc. Schätztheorie Was, wenn wir nur wenige Anker haben? Einige Knoten haben dann vielleicht keine Anker in ihrer Nachbarschaft! VL 05 Lokalisierung und virtuelle Koordinaten (6/40)
10 Lokalisierung mit Ankerknoten Wenn GPS/Einprogrammieren so teuer ist, reicht es vielleicht, wenn einige Knoten, sogenannte Ankerknoten, ihre Position kennen? Wenn jeder Knoten genug Anker sieht : Trilateration bei bekannten Enfernungen Drei Anker für eindeutige Lokalisierung Triangulation bei bekannten Winkeln Zwei Anker für eindeutige Lokalisierung Bei gestörten Werten und/oder mehr Ankern Least Squares Verfahren etc. Schätztheorie Was, wenn wir nur wenige Anker haben? Einige Knoten haben dann vielleicht keine Anker in ihrer Nachbarschaft! VL 05 Lokalisierung und virtuelle Koordinaten (6/40)
11 Lokalisierung mit Ankerknoten Wenn GPS/Einprogrammieren so teuer ist, reicht es vielleicht, wenn einige Knoten, sogenannte Ankerknoten, ihre Position kennen? Wenn jeder Knoten genug Anker sieht : Trilateration bei bekannten Enfernungen Drei Anker für eindeutige Lokalisierung Triangulation bei bekannten Winkeln Zwei Anker für eindeutige Lokalisierung Bei gestörten Werten und/oder mehr Ankern Least Squares Verfahren etc. Schätztheorie Was, wenn wir nur wenige Anker haben? Einige Knoten haben dann vielleicht keine Anker in ihrer Nachbarschaft! VL 05 Lokalisierung und virtuelle Koordinaten (6/40)
12 Lokalisierung mit wenigen Ankern Typisches Vorgehen Knoten schätzen Abstände/Richtungen zu Ankern über mehrere Hops und wenden dann Triangulation/Trilateration an. Furchtbar viele Verfahren und Heuristiken unklare Problemstellung Dichte, Verteilung von Ankerknoten Was kann man aus algorithmischer Sicht beitragen? Im folgenden nehmen wir immer an, dass wir keine weiteren Messungen haben, sondern nur den Verbindungsgraphen und das UDG-Modell. VL 05 Lokalisierung und virtuelle Koordinaten (7/40)
13 Algorithmus HOP Idee In großen Unit-Disk-Graphen könnte die Länge eines kürzesten Weges stark genug mit der Entfernung korrellieren! 1 Berechne Hop-Distanz zu Ankerknoten Broadcasts von Ankerknoten genügen 2 Wähle Position so, dass Abstände der Hop-Distanz bestmöglich entsprechen Wie gut funktioniert ein solcher Ansatz? VL 05 Lokalisierung und virtuelle Koordinaten (8/40)
14 Algorithmus HOP Idee In großen Unit-Disk-Graphen könnte die Länge eines kürzesten Weges stark genug mit der Entfernung korrellieren! 1 Berechne Hop-Distanz zu Ankerknoten Broadcasts von Ankerknoten genügen 2 Wähle Position so, dass Abstände der Hop-Distanz bestmöglich entsprechen Wie gut funktioniert ein solcher Ansatz? VL 05 Lokalisierung und virtuelle Koordinaten (8/40)
15 Kompetitivität: Vorbereitung Problem: UDG-Lokalisierung anhand von Ankerknoten Gegeben: Unit-Disk-Graph G = (V, E) mit entsprechender Einbettung p : V R 2, Ankerknoten V A V mit bekannten Positionen Gesucht: Knotenpositionen p : V R 2 mit geringen Fehlern Err(v) := p(v) p(v). In die Berechnung der p(v) dürfen keine p(v) für ein v V A einfließen! VL 05 Lokalisierung und virtuelle Koordinaten (9/40)
16 Optimalität, Kompetitivität Definition: Optimaler Algorithmus Ein optimaler Algorithmus wählt zu einem Graphen G und Ankerpositionen die Knotenpositionen, die den maximalen Fehler über alle möglichen Einbettungen minimieren. Das muss nicht leicht sein, ist aber ein guter Vergleich: Kein Algorithmus ist im worst-case besser! Definition: Kompetitivität Ein Algorithmus ALG heißt c-kompetitiv, wenn immer gilt: Err ALG (v) c Err OPT (v) + k für alle v V und ein k R. VL 05 Lokalisierung und virtuelle Koordinaten (10/40)
17 Optimalität, Kompetitivität Definition: Optimaler Algorithmus Ein optimaler Algorithmus wählt zu einem Graphen G und Ankerpositionen die Knotenpositionen, die den maximalen Fehler über alle möglichen Einbettungen minimieren. Das muss nicht leicht sein, ist aber ein guter Vergleich: Kein Algorithmus ist im worst-case besser! Definition: Kompetitivität Ein Algorithmus ALG heißt c-kompetitiv, wenn immer gilt: Err ALG (v) c Err OPT (v) + k für alle v V und ein k R. VL 05 Lokalisierung und virtuelle Koordinaten (10/40)
18 Kompetitivität von HOP Satz HOP ist bereits in einer Dimension nicht kompetitiv. A ɛ 2ɛ v B ɛ Für bel. k setze Anker A = 0, B = (k 1)(1 + ɛ) + k( ɛ) Jeder Algo, der nur Hops zählt, setzt v bestenfalls in die Mitte! macht ein Algo es besser, drehen wir die Instanz um! Fehler in Θ(k)! Ist das bereits optimal? VL 05 Lokalisierung und virtuelle Koordinaten (11/40)
19 Kompetitivität von HOP Satz HOP ist bereits in einer Dimension nicht kompetitiv. A ɛ 2ɛ v B (k 1)(1 + ɛ) k( ɛ) Für bel. k setze Anker A = 0, B = (k 1)(1 + ɛ) + k( ɛ) Jeder Algo, der nur Hops zählt, setzt v bestenfalls in die Mitte! macht ein Algo es besser, drehen wir die Instanz um! Fehler in Θ(k)! Ist das bereits optimal? VL 05 Lokalisierung und virtuelle Koordinaten (11/40)
20 Kompetitivität von HOP Satz HOP ist bereits in einer Dimension nicht kompetitiv. A ɛ 2ɛ k hops v k hops B (k 1)(1 + ɛ) k( ɛ) Für bel. k setze Anker A = 0, B = (k 1)(1 + ɛ) + k( ɛ) Jeder Algo, der nur Hops zählt, setzt v bestenfalls in die Mitte! macht ein Algo es besser, drehen wir die Instanz um! Fehler in Θ(k)! Ist das bereits optimal? VL 05 Lokalisierung und virtuelle Koordinaten (11/40)
21 Kompetitivität von HOP Satz HOP ist bereits in einer Dimension nicht kompetitiv. A ɛ 2ɛ k hops v k hops B (k 1)(1 + ɛ) k( ɛ) Für bel. k setze Anker A = 0, B = (k 1)(1 + ɛ) + k( ɛ) Jeder Algo, der nur Hops zählt, setzt v bestenfalls in die Mitte! macht ein Algo es besser, drehen wir die Instanz um! Fehler in Θ(k)! Ist das bereits optimal? VL 05 Lokalisierung und virtuelle Koordinaten (11/40)
22 Kompetitivität von HOP Satz HOP ist bereits in einer Dimension nicht kompetitiv. A 1 ɛ 1 2ɛ k hops v k hops k-1 skips k/2 skips ɛ B Definition: Skip Für einen Graph G = (V, E) bilden zwei Knoten u, w V einen Skip, falls {u, w} E und v, so dass {u, v}, {v, w} E. Skips belegen Mindestabstände! In diesem Fall grenzen sie die Position bis auf O(kɛ) ein! VL 05 Lokalisierung und virtuelle Koordinaten (12/40)
23 Kompetitivität von HOP Definition: Skip-Pfad Ein Pfad A = v 0, u 1, v 1,..., u s, v s = v ist ein Skip-Pfad der Länge s zwischen A und v, wenn wenn d G (A, v i ) < d G (A, v i+1 ) d G (v i, v i+1 ) > 1 (also (v i, v i+1 ) E) Die Länge eines längsten solchen Pfades ist die Skip-Entfernung von v zu A. Hops sind obere Schranke an Entfernung zum Anker. Skips sind untere Schranke! Wie berechnet man Hop- und Skip-Distanzen? VL 05 Lokalisierung und virtuelle Koordinaten (13/40)
24 Kompetitivität von HOP Definition: Skip-Pfad Ein Pfad A = v 0, u 1, v 1,..., u s, v s = v ist ein Skip-Pfad der Länge s zwischen A und v, wenn wenn d G (A, v i ) < d G (A, v i+1 ) d G (v i, v i+1 ) > 1 (also (v i, v i+1 ) E) Die Länge eines längsten solchen Pfades ist die Skip-Entfernung von v zu A. Hops sind obere Schranke an Entfernung zum Anker. Skips sind untere Schranke! Wie berechnet man Hop- und Skip-Distanzen? VL 05 Lokalisierung und virtuelle Koordinaten (13/40)
25 Erinnerung: Hop-Berechnung Wie berechnet man Hop-Distanzen? jeder Knoten v startet mit h v =. hört ein Knoten v von einem Nachbarn u mit h u + 1 < h v, verringert er h v zu h v = h u + 1. wenn ein Knoten sein h v verringert, teilt er das allen Nachbarn mit. Startschuss: Ankerknoten verringert seinen Abstand auf h A = 0. Wenn man hops zu mehreren Ankern berechnen will, muss der jeweilige Anker Teil der Nachricht sein! Ich, v habe meinen hop-abstand zu Anker A auf h v reduziert. VL 05 Lokalisierung und virtuelle Koordinaten (14/40)
26 Erinnerung: Hop-Berechnung Wie berechnet man Hop-Distanzen? jeder Knoten v startet mit h v =. hört ein Knoten v von einem Nachbarn u mit h u + 1 < h v, verringert er h v zu h v = h u + 1. wenn ein Knoten sein h v verringert, teilt er das allen Nachbarn mit. Startschuss: Ankerknoten verringert seinen Abstand auf h A = 0. Wenn man hops zu mehreren Ankern berechnen will, muss der jeweilige Anker Teil der Nachricht sein! Ich, v habe meinen hop-abstand zu Anker A auf h v reduziert. VL 05 Lokalisierung und virtuelle Koordinaten (14/40)
27 Wie berechnet man Skips? jeder Knoten v startet mit s v = 1. hört ein Knoten v von einem Nicht-Nachbarn u mit s u + 1 > s v, erhöht er s v zu s v = s u + 1. wenn ein Knoten sein s v erhöht, teilt er das allen Zwei-hop-Nachbarn mit. Startschuss: Jeder Nachbar v des Ankerknoten und A selbst erhöht seinen Abstand auf s v = 0. Wie verhindert man Aufschaukeln? Beleg für Erhöhung sind nur Nicht-Nachbarn u, die echt zwischen v und Anker A liegen Dann liegt ein Nachbar mit niedrigerem Hop-Abstand dazwischen! 1 A VL 05 Lokalisierung und virtuelle Koordinaten (15/40)
28 Wie berechnet man Skips? jeder Knoten v startet mit s v = 1. hört ein Knoten v von einem Nicht-Nachbarn u mit s u + 1 > s v, erhöht er s v zu s v = s u + 1. wenn ein Knoten sein s v erhöht, teilt er das allen Zwei-hop-Nachbarn mit. Startschuss: Jeder Nachbar v des Ankerknoten und A selbst erhöht seinen Abstand auf s v = 0. Wie verhindert man Aufschaukeln? Beleg für Erhöhung sind nur Nicht-Nachbarn u, die echt zwischen v und Anker A liegen Dann liegt ein Nachbar mit niedrigerem Hop-Abstand dazwischen! 1 1 A VL 05 Lokalisierung und virtuelle Koordinaten (15/40)
29 Wie berechnet man Skips? jeder Knoten v startet mit s v = 1. hört ein Knoten v von einem Nicht-Nachbarn u mit s u + 1 > s v, und zwar über einen Nachbarn w A mit h w < h v, erhöht er s v zu s v = s u + 1. wenn ein Knoten sein s v erhöht, teilt er das allen Zwei-hop-Nachbarn mit. Startschuss: Jeder Nachbar v des Ankerknoten und A selbst erhöht seinen Abstand auf s v = 0. Wie verhindert man Aufschaukeln? Beleg für Erhöhung sind nur Nicht-Nachbarn u, die echt zwischen v und Anker A liegen Dann liegt ein Nachbar mit niedrigerem Hop-Abstand dazwischen! 1 A v w u VL 05 Lokalisierung und virtuelle Koordinaten (15/40)
30 Algorithmus HS (Hop & Skip) 1 Berechne Hop-Distanz zu allen Ankerknoten 2 Berechne Skip-Distanz zu allen Ankerknoten 3 Schneide Intervalle aus Skip- und Hop-Distanz für alle Anker 4 Wähle Punkt, der über das verbleibende Intervall den möglichen Fehler minimiert (s < dist E (A, v) h) Satz (ohne Beweis) HS ist 1-kompetitiv in einer Dimension. [O Dell, Wattenhofer, 2005]. Man kann zeigen, dass wirklich jede Position im Schnitt der Intervalle angenommen werden kann In zwei Dimensionen: Fehlende Kompetitivität von HOP bleibt, aber von HS bleibt nur die Idee, auch untere Schranken für die Länge von Pfaden zu verwenden. VL 05 Lokalisierung und virtuelle Koordinaten (16/40)
31 Algorithmus HS (Hop & Skip) 1 Berechne Hop-Distanz zu allen Ankerknoten 2 Berechne Skip-Distanz zu allen Ankerknoten 3 Schneide Intervalle aus Skip- und Hop-Distanz für alle Anker 4 Wähle Punkt, der über das verbleibende Intervall den möglichen Fehler minimiert (s < dist E (A, v) h) Satz (ohne Beweis) HS ist 1-kompetitiv in einer Dimension. [O Dell, Wattenhofer, 2005]. Man kann zeigen, dass wirklich jede Position im Schnitt der Intervalle angenommen werden kann In zwei Dimensionen: Fehlende Kompetitivität von HOP bleibt, aber von HS bleibt nur die Idee, auch untere Schranken für die Länge von Pfaden zu verwenden. VL 05 Lokalisierung und virtuelle Koordinaten (16/40)
32 Überblick Überblick: Entfernungs- und Richtungsschätzung Lokalisierung mit Ankerknoten Ankerfreie Lokalisierung: Virtuelle Koordinaten Komplexitätsbetrachtungen Heuristiken zur ankerfreien Lokalisierung VL 05 Lokalisierung und virtuelle Koordinaten (17/40)
33 Ankerfreie Lokalisierung Viele Anwendungen funktionieren mit plausiblen Koordinaten so gut wie mit echten (Georouting,...). Ohne Ankerknoten kann es keine echte Lokalisierung geben Freiheitsgrade je nach Eingabe Verschiebungen (immer) Drehungen (fehlende absolute Richtungsinformation) Spiegelungen (fehlende Richtungsinformation) Skalierungen (fehlende Entfernungsinformation) schon das Wissen, es mit UDG/qUDG zu tun zu haben, trägt Entfernungsinformation! Vorsicht: plausible Koordinaten können auch völlig von der Realität abweichen! Trotzdem: Oft sind plausible Koordinaten besser als keine! VL 05 Lokalisierung und virtuelle Koordinaten (18/40)
34 Unit-Disk-Graph Einbettung Wenn wir davon ausgehen, dass ein Graph ein Unit-Disk-Graph ist, wie schwer ist es dann, eine Einbettung zu finden, die das belegt? (Erinnerung: Eigenschaft UDG zu sein ist unabhängig von der Einbettung!) Mindestens so schwer, wie zu entscheiden, ob ein Graph ein Unit-Disk-Graph ist! Angenommen wir haben Algorithmus, um UDGs einzubetten wende Algo auf irgendeinen Graphen an und teste, ob Ausgabe den Graphen als UDG einbettet (das sind höchstens zusätzliche O(n 2 ) Operationen) VL 05 Lokalisierung und virtuelle Koordinaten (19/40)
35 Unit-Disk-Graph Einbettung Wenn wir davon ausgehen, dass ein Graph ein Unit-Disk-Graph ist, wie schwer ist es dann, eine Einbettung zu finden, die das belegt? (Erinnerung: Eigenschaft UDG zu sein ist unabhängig von der Einbettung!) Mindestens so schwer, wie zu entscheiden, ob ein Graph ein Unit-Disk-Graph ist! Angenommen wir haben Algorithmus, um UDGs einzubetten wende Algo auf irgendeinen Graphen an und teste, ob Ausgabe den Graphen als UDG einbettet (das sind höchstens zusätzliche O(n 2 ) Operationen) VL 05 Lokalisierung und virtuelle Koordinaten (19/40)
36 Unit-Disk-Graph Erkennung Problem: UDG-Erkennung Entscheide, ob ein gegebener Graph G = (V, E) ein Unit-Disk-Graph ist. Satz Unit-Disk-Graph-Erkennung ist NP-schwer. VL 05 Lokalisierung und virtuelle Koordinaten (20/40)
37 Erinnerung: Reduktion Beweis der NP-Schwere von A durch Reduktion 1 Nimm bekanntes NP-schweres Problem B. 2 Zeige, dass es Abbildung von Instanzen von B auf Instanzen von A gibt, die in Polynomialzeit berechenbar ist, Ja/Nein-Instanzen auf Ja/Nein-Instanzen abbildet Dann muss unser Problem auch NP-schwer sein Mit einem Algo für unser Problem plus Polynomialzeit kann man ein NP-schweres Problem lösen Dann kann man jedes NP-schwere Problem damit lösen VL 05 Lokalisierung und virtuelle Koordinaten (21/40)
38 Erinnerung: Erfüllbarkeitsproblem 3SATISFIABILITY Es ist NP-schwer, zu entscheiden, ob eine Formel in Konjunktiver Normalform (KNF) erfüllbar ist, auch unter der Einschränkung, dass jede Klausel nur drei Literale enthält jedes Literal in maximal drei Klauseln erscheint (diese Forderung gehört nicht zum üblichen 3-SAT Problem!) Bsp: (x 1 x 2 x 3 ) (x 2 x 3 x 4 ) (x 1 x 3 x 4 ) Wie bilden wir eine solche Formel auf einen Graphen ab, der genau dann ein UDG ist, wenn die Formel erfüllbar ist? VL 05 Lokalisierung und virtuelle Koordinaten (22/40)
39 Erinnerung: Erfüllbarkeitsproblem 3SATISFIABILITY Es ist NP-schwer, zu entscheiden, ob eine Formel in Konjunktiver Normalform (KNF) erfüllbar ist, auch unter der Einschränkung, dass jede Klausel nur drei Literale enthält jedes Literal in maximal drei Klauseln erscheint (diese Forderung gehört nicht zum üblichen 3-SAT Problem!) Bsp: (x 1 x 2 x 3 ) (x 2 x 3 x 4 ) (x 1 x 3 x 4 ) Wie bilden wir eine solche Formel auf einen Graphen ab, der genau dann ein UDG ist, wenn die Formel erfüllbar ist? VL 05 Lokalisierung und virtuelle Koordinaten (22/40)
40 Schritt 1: Orientierbarer Graph (x 1 x 2 x 3 ) (x 2 x 3 x 4 ) (x 1 x 3 x 4 ) C 1 C 2 C 3 x 1 x 1 x 2 x 2 x 3 x 3 x 4 x 4 Formel ist erfüllbar es gibt Kantenrichtungen mit für jede Klausel C gilt outdeg(x) 1 für jede Variable x gilt: indeg(x) = 0 oder indeg(x) = 0 VL 05 Lokalisierung und virtuelle Koordinaten (23/40)
41 Schritt 1: Orientierbarer Graph (x 1 x 2 x 3 ) (x 2 x 3 x 4 ) (x 1 x 3 x 4 ) C 1 C 2 C 3 x 1 x 1 x 2 x 2 x 3 x 3 x 4 x 4 Formel ist erfüllbar es gibt Kantenrichtungen mit für jede Klausel C gilt outdeg(x) 1 für jede Variable x gilt: indeg(x) = 0 oder indeg(x) = 0 VL 05 Lokalisierung und virtuelle Koordinaten (23/40)
42 Schritt 2: Gadgets (x 1 x 2 x 3 ) (x 2 x 3 x 4 ) (x 1 x 3 x 4 ) C 1 C 2 C 3 x 1 x 1 x 2 x 2 x 3 x 3 x 4 x 4 Klassischer Gadgetbeweis: Baue Struktur nach aus Variablen, Klauseln, Drähten und Kreuzungen so dass gültige Einbettungen genau gültigen Orientierungen entsprechen VL 05 Lokalisierung und virtuelle Koordinaten (24/40)
43 Einbettungen von Kreisen Lemma Enthält ein Graph einen knoteninduzierten Kreis, muss der in jeder Einbettung als Unit-Disk-Graph planar eingebettet werden. knoteninduzierter Kreis: Menge von Knoten, die als Kreis verbunden sind (keine weiteren Kanten!) sollte uns bekannt vorkommen! VL 05 Lokalisierung und virtuelle Koordinaten (25/40)
44 ú$ßåœã»ßä éeä0 9åŒãEéEñÖß Eécá ßÖçJä 8õCâYãUécä à=úcãwåaß àtöoáœâ;écáoé àáœâyßäyè àaàšáüécä ï5ögú.ã»ïlç]äyç áòläyçeú ô ã àšçjñíyáœßçjä éjï*ç êyáœãeïßöäáœâyßóàcê écê ãwåßóàcáœçuéjïyï]ðuçjåœáüécå ãwøláœåüét ã åœáœßóæ4ãeà écåœç íyä ï]á âyã èjã ãwå áœß ætãeà éjàoàšâ çcú$äßä Schritt 2.1: Drähte ^ßÖèJí åœã;0 ô, çjå áréeå- ]ß àoé]úîé çcë æ4çjä;àšáœåüécßäyßöäyè9é ãeé ï á ç B n } B - - çeú á â écáaéeñöñæ4ç ð»ê çjäyã ä*áüàâ éw ã ãwãwä ï*ãeàœætåœß ãeï ö5úcãæwéeäkê åœãeà=ãwä*áaéeäkãwø écðuêyñöãaàšâ çcú$ßäyè âyçeúvæ4ç ð»ê çjäyãwäláràéeåœã æ4ç äyäyãeætáœãeï5ô çjá ãá â écá.áœãwå ð»ßöä;écñ à<écñöúîé YàGâ éw ã áœâyãìàœéeð»ãà=áœå í æ4áœí åœã é ãeé ï ãwåœá ãwø9æ4çjä äyãeæ4á ãeï á ç(á=úcç]â ßÖäYè ã» ãwåœá ß æ4ã àc 0 9é(ærâ éeßöä9 ãwåœá ãwø5ô7oßèjíyå ã K9àŠâYçEú à âyçeú á=úcçætçjð»ê çjä ãwä*áüàcéeåœãoætçjäyäyã æ4áœãeï ö*á=úcçæ4ç åœäyã åràcßöäá âyß à$æwé àšã ô ^ßÖèJí åœã50 <kßöå ãú$ßöá âºðuçjåœáüécå Kreise als Käfige und Stabilisatoren áréeßöä(æ écèjã ààëžçjå éeñöñ^åœãeéeñöß Eécá ßÖçJä;à4ô õcâyãoã ãeæ4á çcë.á âyãð»ç åœáüécå ß àá çàšíyå åœç íyä ï]ãeé æ¾ââyßöäyè ã in Käfigen nur sehr begrenzt Platz! je zwei Käfige durch zwei adjazente å áœãwøú$ßöáœâ àšðéeñöñæwéeèjãeàtô]õcâ ã ãeéjï éeä ïæ¾â;écßöä9ãeï*è ãeàæ écäyäyç áoæ4å ç à àécä 9çcë áœâ ãéjïyïlãeï b Gelenkknoten verbunden c ã»ãeïlèjãeà A-5ã ð»ðé -(à=ßöä æ4ãáœâ ã ãeéjï ß à ßÖä ïlãwê ãwä ï*ãwäláçeë éeñöñ.æwéeèjã ãwåœá ß æ4ã àécä ï á âyã a d Stabilisatoren auf folgenden Folien écßä»ß àßöä ï*ã êùã ä ï*ãwäláçcëécñöñ weggelassenÿíyá.áœâyãá=ú.çâyßäyèjã ã åœáœßóæ4ãeàtôoð ñ àšç ö*äyã ßÖáŒâ ãwåcá âyã ãeéjï»äyç åcá âyã écßä» ãwåœá ãwøoæ écä ããwð! ùã ïyï*ãeïßä àšßóï*ãéeä0 Uçcë^áŒâ ã æwécè ãeàcætåœãeéeáœãeï jeder Käfig kann nur einen blauen Knoten áœâyãðuçjåœáüécå.àšßä æ4ã éeñöñ æ¾â æwécè ãeàéeåœã aufnehmen %E( æwécè ãeà4ô,8 á$ßóààâ;écårï]á ç»à=ãwãá âyãí ä ï*ãwå ñ LßÖäYèà=áŒåŒí;æ4áŒíYå ãçeëáœâyã æ4çjðuêùç äyãwälárà çjå árécå$ ã åœáœßóæ4ãeà.écåœãà=âyçeú$ä[ô õcâyãå ãwðéeßöäyßäyèæ4çjðuêùç äyãwälá ï*ß éeèjåüécðàtöùá âyãwåœãtëžçjåœã ö ï*ç»äyç á zeigt Richtung des Drahtes an ú éeä0 (ðuçjåœáüécå ã åœáœßóæ4ãeàtö ŸíYáaáŒâYã àšâyç íyñ ï< ùãíyä ïlãwårà=áœç çlï áœç ß ïlãwä*á ß ã ï"ú$ßöá âºá âyã á ãwåœðußöä éeñùçeëgá âyã íyêyê ãwåìæ4çjå äyãwå ô ùãêyå ãeàšãwäláwô, çjå árécå ßóà çåœã íyßåœãeï"ú$â ãwäášú.çæ4çjðuêùç äyãwälárà$éeåœãaæ4çjä äyãeæ4á ãeï5ô <Kã àœé áœâ éeááœâ ã *žåœãeà=ê[ô»ö $ö l+5$áœã åœð»ßä écñ ß à Û4Ô½þtÓLÕŠþ /*žåœãeà=ê[ô Köfö 5.ß ë<ßöáüà ô%8,ä(áœâyã àšãuæwéjà=ãeà4ö[áœâ ãoßöä æ4ßóï*ãwäláá ãwåœðußöä éeñi ãeé ï ðé àšßð»êyñ éjï<*½ñóée ãwñöñãeï m5ß àcãwð! ãeïyï*ã ï"ßöä à=ß ï*ãìßöárà æwéeèjã ö éeä ïºá â écá$ßá$ß àcçjå ßÖãwäLáŒã ï ãwá âyãwå-löyß ë^á âyãaéjïcû é æ4ãwälá$ñößöá ãwåréeñc(,æwéeèjãaß àcçlæwæ4í êyßöãeï»ßä]éoåœã écñöß Eécá ßÖç ä[ô VL 05 Lokalisierung und virtuelle Koordinaten (26/40) Lehrstuhl *žåœãeà=ê[ô AlgorithmikCö ö OßèJíYå ã;k)(õcú.çæ4ç äyäyãeæ4á ãeïæ4çjå äyãwåüà4ôkõcâyã ÄáŒã åœð»ßä écñçcëaá âyãñöçeúcãwåætçjåœä ãwå"â;éjà ùã ãwä 2Àã æwécññáœâ éeá(é ñößáœãwåüécñ ætçjð»ê çjä ãwä*áußöäváœâyã9èjå ß ïvï*åréwú$ßöä è â;éjà ÜJÕ a cøtõ3c áœãwå ð»ßöä;écñ àt ú$âyãwå ãeéjà[ãeé æ¾â ñößáœãwåüécñ çeë áœâyãá åœíyá âoàšã áœáœßäyèìæ4çjð»ê ç äyãwälá^ée çe ãwâ;éjàþ cü?4õ½ÿ A CÀá ãwåœðußöä éeñ à4ô!õcâyã íyälí àšã ïáœåœí áœâàšã áœáœßäyèá ãwåœð»ßä écñóà[écå ãäyç áæ4ç äyäyãeæ4á ãeïáœçìáœâyã æwéeèjãeà^çcë^éeä0 açjá âyãwåæ4ç ð»ê çjäyã ä*á ã ré àšç å8 ãeï; ]á âyã
45 Schritt 2.2: Klauseln b T a T c T d T b R a R d R b B a B d B ñ éeí àšã æ4çjðuêùç äyãwäláï*åüéwú$ägú$ßöá â éeä ï áœãwå ð»ßöä éeñcç åœßöã ä*á ãeï Kö$éEä ï l áœã ï ô Im wesentlichen ein Käfig, der 2 blaue Knoten aufnehmen kann Mind. einer der 3 ausgehenden Drähte ist auswärts gerichtet! VL 05 Lokalisierung und virtuelle Koordinaten (27/40)
46 ãwáœá ßÖäYèUæ4ç ð»ê çjäyãwälá ß à àšâyçeú$ä]ßäˆoßèjíyå ã Schritt 2.3: Variablen &Jô:8,árà$âYãEécå áß à éoê écßåçeë$ætçjäyäyã æ4áœãeï a TL d a TL TR d TR a R d R a BL d BL a BR d BR õcâyã(á åœíyá âvàšãwá áœßäyèæ4ç ð»ê çjäyãwälá äyèáœçáœâyã íyä äyãwè éeáœãeïñößáœãwåüécñ,ô VL 05 Lokalisierung und virtuelle Koordinaten (28/40) ï*åréwú$äkú$ßöá âkáœâyãc(,ætñöí à=áœãwåßöäká âyãˆc(,æwéeèjã
47 Schritt 2.4: Kreuzungen a T b T c TdT a L d L c L b L a R d R c R br b B a B c B OßèJíYå ã%0 õcâyã»ætåœç à às(žçe ãwåaæ4çjð»ê ç äyãwäláïlåréwú$ä ú$ßöá âká âyã décä;ï ÒáŒãwå ð»ßöä éeñ à$çjå ßÖãwäLáŒãEï Fabian Kö éeä ïºá âyã Fuchs Algorithmen géeä ï;l8áœãwå ð»ßöä éeñ àgçjå ßÖãwäLáŒã ï{fô für Ad-hoc- und Sensornetze VL 05 Lokalisierung und virtuelle Koordinaten (29/40) d B
48 Schwere UDG-Erkennung Satz Unit-Disk-Graph-Erkennung ist NP-schwer. Zu 3SAT-Formel konstruiere Graphen G wie beschrieben Eine erfüllende Belegung der Variablen verrät uns eine eine Einbettung als UDG Knotenpositionen übernehmen wir dann aus unseren Zeichnungen der Gadgets nur die Einbettung der roten Elemente passen wir an Eine Einbettung als UDG verrät uns eine erfüllende Belegung der Formel Die exakten Knotenpositionen sind dann nicht wichtig kombinatorische Einbettung der roten Elemente reicht! VL 05 Lokalisierung und virtuelle Koordinaten (30/40)
49 Unit-Disk-Graph-Approximation Wenn es schwer ist, einen Graphen als UDG einzubetten, kommt man dann wenigstens dicht heran? Definiere Qualität einer Einbettung p als q(p) := max {u,v} E p(u) p(v) min {u,v} E p(u) p(v) q(p) 1: Einbettung belegt UDG, sonst nur 1/q(p)-Quasi-Unit-Disk-Graph! Man kann den Beweis noch so aufbohren, dass er folgende Reduktion liefert: Formel erfüllbar Graph einbettbar mit q < 1 Formel nicht erfüllbar Graph nicht einbettbar mit q < 2. VL 05 Lokalisierung und virtuelle Koordinaten (31/40)
50 Was genau bedeutet das? Es ist NP-schwer, einen Unit-Disk-Graphen zu erkennen also gibt es keinen Polynomialzeitalgorithmus, der UDG entsprechend einbettet. Es ist auch schwer, zu erkennen, ob man einen Graphen mit Qualität < 2 einbetten kann Also sind auch 1/ 2-Quasi-Unit-Disk-Graphen schwer zu erkennen Damit ist auch UDG-Approximation schwer! VL 05 Lokalisierung und virtuelle Koordinaten (32/40)
51 Beste bekannte Approximation Satz (ohne Beweis) Es gibt einen Algorithmus mit polynomieller Laufzeit, der mit hoher Wahrscheinlichkeit eine Einbettung mit Qualität in O(log 2.5 n log log n) berechnet. Mit hoher W keit: p > 1 1/n Ganz grobe Skizze: 1 LP-Lösung liefert echte Metrik auf Knoten (Definitheit, Dreiecksungleichung) 2 Knoten werden geschickt in R n eingebettet 3 Einbettung wird zufällig auf den R 2 projiziert 4 Ergebnis wird nach festen Regeln verfeinert (z.b. Erzwingen von Minimaldistanzen) Gleich mehrere schwere Geschütze! VL 05 Lokalisierung und virtuelle Koordinaten (33/40)
52 Noch ein schweres Problem Satz (ohne Beweis) Es ist NP-schwer, zu erkennen, ob man einen Graphen mit vorgegebenen Kantenlängen einbetten kann. Das gilt auch noch, wenn man sich auf UDGs einschränkt. VL 05 Lokalisierung und virtuelle Koordinaten (34/40)
53 Weitere Ergebnissen Wenn man Richtungen und Entfernungen kennt, ist Lokalisierung leicht (klar) schon beliebig kleine Fehler machen das Problem schwer es macht keinen Unterschied, ob man sich auf UDGs einschränkt Wenn man nur Richtungen kennt, kann man in Polynomialzeit eine entsprechende Einbettung finden wenn man aber nach einer entsprechenden UDG-Einbettung fragt, wird s schwer! Das Finden plausibler Koordinaten ist schon in den meisten idealisierten Fällen schwer! Heuristiken für dichte Graphen gehen davon aus, dass plausible Lösungen ziemlich eindeutig sind! VL 05 Lokalisierung und virtuelle Koordinaten (35/40)
54 Weitere Ergebnissen Wenn man Richtungen und Entfernungen kennt, ist Lokalisierung leicht (klar) schon beliebig kleine Fehler machen das Problem schwer es macht keinen Unterschied, ob man sich auf UDGs einschränkt Wenn man nur Richtungen kennt, kann man in Polynomialzeit eine entsprechende Einbettung finden wenn man aber nach einer entsprechenden UDG-Einbettung fragt, wird s schwer! Das Finden plausibler Koordinaten ist schon in den meisten idealisierten Fällen schwer! Heuristiken für dichte Graphen gehen davon aus, dass plausible Lösungen ziemlich eindeutig sind! VL 05 Lokalisierung und virtuelle Koordinaten (35/40)
55 Weitere Ergebnissen Wenn man Richtungen und Entfernungen kennt, ist Lokalisierung leicht (klar) schon beliebig kleine Fehler machen das Problem schwer es macht keinen Unterschied, ob man sich auf UDGs einschränkt Wenn man nur Richtungen kennt, kann man in Polynomialzeit eine entsprechende Einbettung finden wenn man aber nach einer entsprechenden UDG-Einbettung fragt, wird s schwer! Das Finden plausibler Koordinaten ist schon in den meisten idealisierten Fällen schwer! Heuristiken für dichte Graphen gehen davon aus, dass plausible Lösungen ziemlich eindeutig sind! VL 05 Lokalisierung und virtuelle Koordinaten (35/40)
56 Eine Heuristik: AFL (Anchor-Free Localization) Grundidee Kräftebasierte Verfahren minimieren lokalen Stress iterativ ( u, v l uv ) 2 Problem {u,v E} Lokale Optima können Überlappungen aufweisen! Lösung? Finde überlappungsfreie Initiallösung! VL 05 Lokalisierung und virtuelle Koordinaten (36/40)
57 Eine Heuristik: AFL (Anchor-Free Localization) Grundidee Kräftebasierte Verfahren minimieren lokalen Stress iterativ ( u, v l uv ) 2 Problem {u,v E} Lokale Optima können Überlappungen aufweisen! Lösung? Finde überlappungsfreie Initiallösung! VL 05 Lokalisierung und virtuelle Koordinaten (36/40)
58 Eine Heuristik: AFL (Initiallösung) 1 Finde vier extremale und einen zentralen Knoten U N, U W, U S, U E, U C 2 Bestimme Hop-Entfernungen zu diesen Knoten 3 Bette Knoten anhand von Polarkoordinaten ein ρ v = d G (v, u C ) θ v = arctan d G(v, U N ) d G (v, U S ) d G (v, U W ) d G (v, U E ) Funktioniert nicht so gut, wenn das Gebiet komplexer wird! VL 05 Lokalisierung und virtuelle Koordinaten (37/40)
59 Weitere heuristische Ideen Dichte Netze erlauben gute lokale Lösungen viele lokale Lösungen zu berechnen skaliert gut! setze Lösungen iterativ oder hierarchisch zusammen Erkennen von inneren Knoten und Randknoten Ausnutzen von lokalen Strukturen Ausnutzen von statistischen Eigenschaften VL 05 Lokalisierung und virtuelle Koordinaten (38/40)
60 Weitere heuristische Ideen Dichte Netze erlauben gute lokale Lösungen viele lokale Lösungen zu berechnen skaliert gut! setze Lösungen iterativ oder hierarchisch zusammen Erkennen von inneren Knoten und Randknoten Ausnutzen von lokalen Strukturen Ausnutzen von statistischen Eigenschaften VL 05 Lokalisierung und virtuelle Koordinaten (38/40)
61 Zusammenfassung Ankerbasierte Lokalisierung fast ausschließlich Schätztheorie oder Heuristiken kaum algorithmische Analyse (wegen unklarer Parameter?) Ausnahme: Hop/HS zu eindimensionaler Lokalisierung Ankerfreie Lokalisierung klarere algorithmische Probleme vor allem Negativergebnisse Heuristiken für dichte Graphen, aber ohne Garantien VL 05 Lokalisierung und virtuelle Koordinaten (39/40)
62 Literatur 1 R. O Dell, R. Wattenhofer: Theoretical aspects of connectivity-based multi-hop positioning. In: Theoretical Computer Science 344:1, pp , H. Breu, D.G. Kirkpatrick: Unit Disk Graph Recognition is NP-Hard. In: Computational Geometry. Theory and Applications 9, F. Kuhn, T. Moscibroda, R. Wattenhofer: Unit Disk Graph Approximation. In: ACM Joint Workshop on Foundations of Mobile Computing (DIALM-POMC), 2004 VL 05 Lokalisierung und virtuelle Koordinaten (40/40)
Thema heute: Lokalisierung. Algorithmen für Ad-hoc- und Sensornetze. Was man alles messen kann. Überblick. Warum wir Knotenpositionen brauchen
Thema heute: Lokalisierung lgorithmen für d-hoc- und Sensornetze VL 05 Lokalisierung und virtuelle Koordinaten Markus Völker 23. Mai 202 (Version ) INSTITUT FÜR THEORETISCHE INFORMTIK -LEHRSTUHL FÜR LGORITHMIK
MehrDas Dilemma des Einbrechers Wer die Wahl hat, hat die Qual!
Das Dilemma des Einbrechers Wer die Wahl hat, hat die Qual! 0kg 4000 Euro Luster 5,5 kg, 430.- Laptop 2,0 kg, 000.- Schatulle 3,2 kg, 800.- Uhr 3,5 kg, 70.- Schwert,5 kg, 850.- Bild 3,4 kg, 680.- Besteck
MehrTeil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29
1 29 Teil III: Routing - Inhalt I Literatur Compass & Face Routing Bounded & Adaptive Face Routing Nicht Ω(1) UDG E. Kranakis, H. Singh und Jorge Urrutia: Compass Routing on Geometric Networks. Canadian
MehrErfüllbarkeit und Allgemeingültigkeit
Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.3 Aussagenlogik Erfüllbarkeit 44 Erfüllbarkeit und Allgemeingültigkeit Def.: eine Formel ϕ heißt erfüllbar, wennesein I gibt, so dass I = ϕ
MehrLiteratur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)
Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrLange Nacht der Wissenschaft. Ein Klassiker. Die Mathematik der Kürzesten Wege
Lange Nacht der Wissenschaft Ein Klassiker Die Mathematik der Kürzesten Wege 09.06.2007 schlechte@zib.de Konrad-Zuse-Zentrum für Informationstechnik Berlin (ZIB) http://www.zib.de/schlechte 2 Überblick
MehrAbitur 2013 Mathematik GK Stochastik Aufgabe C1
Seite 1 Abiturloesung.de - Abituraufgaben Abitur 2013 Mathematik GK Stochastik Aufgabe C1 Wissenschaftler der israelischen Ben-Gurion-Universität sind der Frage nachgegangen, ob die Attraktivität eines
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Kapitel 6: Induktives Vorgehen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrAlgorithmische Methoden für schwere Optimierungsprobleme
Algorithmische Methoden für schwere Optimierungsprobleme Juniorprof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund
MehrAlgorithmen und Datenstrukturen. Große Übung vom 29.10.09 Nils Schweer
Algorithmen und Datenstrukturen Große Übung vom 29.10.09 Nils Schweer Diese Folien Braucht man nicht abzuschreiben Stehen im Netz unter www.ibr.cs.tu-bs.de/courses/ws0910/aud/index.html Kleine Übungen
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrAnmerkungen zur Übergangsprüfung
DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrInformation Systems Engineering Seminar
Information Systems Engineering Seminar Algorithmische Prüfung der Planarität eines Graphen Marcel Stüttgen, 22.10.2012 FH AACHEN UNIVERSITY OF APPLIED SCIENCES 1 Planarität - Definition Ein Graph heißt
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrStackelberg Scheduling Strategien
Stackelberg Scheduling Strategien Von Tim Roughgarden Präsentiert von Matthias Ernst Inhaltsübersicht Einleitung Vorbetrachtungen Stackelberg Strategien Ergebnisse Seminar Algorithmische Spieltheorie:
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrDie Komplexitätsklassen P und NP
Die Komplexitätsklassen P und NP Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 3. Dezember 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit und
MehrGezielt über Folien hinweg springen
Gezielt über Folien hinweg springen Nehmen wir an, Sie haben eine relativ große Präsentation. Manchmal möchten Sie über Folien hinweg zu anderen Folien springen. Das kann vorkommen, weil Sie den gesamten
MehrAlles zu seiner Zeit Projektplanung heute
Alles zu seiner Zeit Projektplanung heute Nicole Megow Matheon Überblick Projektplanung Planen mit Graphentheorie Maschinenscheduling Ein 1 Mio. $ Problem Schwere & leichte Probleme? Zeitplanungsprobleme?
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 27. Aussagenlogik: Logisches Schliessen und Resolution Malte Helmert Universität Basel 28. April 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26.
MehrEva Douma: Die Vorteile und Nachteile der Ökonomisierung in der Sozialen Arbeit
Eva Douma: Die Vorteile und Nachteile der Ökonomisierung in der Sozialen Arbeit Frau Dr. Eva Douma ist Organisations-Beraterin in Frankfurt am Main Das ist eine Zusammen-Fassung des Vortrages: Busines
MehrElternzeit Was ist das?
Elternzeit Was ist das? Wenn Eltern sich nach der Geburt ihres Kindes ausschließlich um ihr Kind kümmern möchten, können sie bei ihrem Arbeitgeber Elternzeit beantragen. Während der Elternzeit ruht das
MehrAbschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1
B 1.0 B 1.1 L: Wir wissen von, dass sie den Scheitel hat und durch den Punkt läuft. Was nichts bringt, ist beide Punkte in die allgemeine Parabelgleichung einzusetzen und das Gleichungssystem zu lösen,
MehrDas Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
MehrZahlen und das Hüten von Geheimnissen (G. Wiese, 23. April 2009)
Zahlen und das Hüten von Geheimnissen (G. Wiese, 23. April 2009) Probleme unseres Alltags E-Mails lesen: Niemand außer mir soll meine Mails lesen! Geld abheben mit der EC-Karte: Niemand außer mir soll
MehrÜbung Theoretische Grundlagen
Übung Theoretische Grundlagen Berechenbarkeit/Entscheidbarkeit Nico Döttling November 26, 2009 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT University of the State of Baden-Wuerttemberg and National Laboratory
MehrStudienplatzbeschaffung
Studienplatzbeschaffung - Einklagen www.asta.haw-hamburg.de Hintergrund Alle Unis und Hochschulen unterliegen dem Kapazitätsausschöpfungsgebot Sie müssen alle ihnen zur Verfügung stehenden Plätze vergeben!
MehrONLINE-AKADEMIE. "Diplomierter NLP Anwender für Schule und Unterricht" Ziele
ONLINE-AKADEMIE Ziele Wenn man von Menschen hört, die etwas Großartiges in ihrem Leben geleistet haben, erfahren wir oft, dass diese ihr Ziel über Jahre verfolgt haben oder diesen Wunsch schon bereits
MehrVersetzungsgefahr als ultimative Chance. ein vortrag für versetzungsgefährdete
Versetzungsgefahr als ultimative Chance ein vortrag für versetzungsgefährdete Versetzungsgefährdete haben zum Großteil einige Fallen, die ihnen das normale Lernen schwer machen und mit der Zeit ins Hintertreffen
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
MehrStatuten in leichter Sprache
Statuten in leichter Sprache Zweck vom Verein Artikel 1: Zivil-Gesetz-Buch Es gibt einen Verein der selbstbestimmung.ch heisst. Der Verein ist so aufgebaut, wie es im Zivil-Gesetz-Buch steht. Im Zivil-Gesetz-Buch
MehrAbiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1
Abiturprüfung Mathematik (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe Für jedes t f t () + t R ist die Funktion f t gegeben durch = mit R. Das Schaubild von f t heißt K t.. (6 Punkte)
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrFormale Systeme, WS 2012/2013 Lösungen zu Übungsblatt 4
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter H. Schmitt David Farago, Christoph Scheben, Mattias Ulbrich Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt
Mehr1. Was ihr in dieser Anleitung
Leseprobe 1. Was ihr in dieser Anleitung erfahren könnt 2 Liebe Musiker, in diesem PDF erhaltet ihr eine Anleitung, wie ihr eure Musik online kostenlos per Werbevideo bewerben könnt, ohne dabei Geld für
MehrWas meinen die Leute eigentlich mit: Grexit?
Was meinen die Leute eigentlich mit: Grexit? Grexit sind eigentlich 2 Wörter. 1. Griechenland 2. Exit Exit ist ein englisches Wort. Es bedeutet: Ausgang. Aber was haben diese 2 Sachen mit-einander zu tun?
MehrL10N-Manager 3. Netzwerktreffen der Hochschulübersetzer/i nnen Mannheim 10. Mai 2016
L10N-Manager 3. Netzwerktreffen der Hochschulübersetzer/i nnen Mannheim 10. Mai 2016 Referentin: Dr. Kelly Neudorfer Universität Hohenheim Was wir jetzt besprechen werden ist eine Frage, mit denen viele
Mehr1 C H R I S T O P H D R Ö S S E R D E R M A T H E M A T I K V E R F Ü H R E R
C H R I S T O P H D R Ö S S E R D E R M A T H E M A T I K V E R F Ü H R E R L Ö S U N G E N Seite 7 n Wenn vier Menschen auf einem Quadratmeter stehen, dann hat jeder eine Fläche von 50 mal 50 Zentimeter
MehrLernerfolge sichern - Ein wichtiger Beitrag zu mehr Motivation
Lernerfolge sichern - Ein wichtiger Beitrag zu mehr Motivation Einführung Mit welchen Erwartungen gehen Jugendliche eigentlich in ihre Ausbildung? Wir haben zu dieser Frage einmal die Meinungen von Auszubildenden
MehrPlotten von Linien ( nach Jack Bresenham, 1962 )
Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels
MehrDAS PARETO PRINZIP DER SCHLÜSSEL ZUM ERFOLG
DAS PARETO PRINZIP DER SCHLÜSSEL ZUM ERFOLG von Urs Schaffer Copyright by Urs Schaffer Schaffer Consulting GmbH Basel www.schaffer-consulting.ch Info@schaffer-consulting.ch Haben Sie gewusst dass... >
MehrInfo zum Zusammenhang von Auflösung und Genauigkeit
Da es oft Nachfragen und Verständnisprobleme mit den oben genannten Begriffen gibt, möchten wir hier versuchen etwas Licht ins Dunkel zu bringen. Nehmen wir mal an, Sie haben ein Stück Wasserrohr mit der
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrGefahr erkannt Gefahr gebannt
Ihre Unfallversicherung informiert Toter Winkel Gefahr erkannt Gefahr gebannt Gesetzliche Unfallversicherung Die Situation Liebe Eltern! Immer wieder kommt es zu schweren Verkehrsunfällen, weil LKW-Fahrer
MehrBeweisbar sichere Verschlüsselung
Beweisbar sichere Verschlüsselung ITS-Wahlpflichtvorlesung Dr. Bodo Möller Ruhr-Universität Bochum Horst-Görtz-Institut für IT-Sicherheit Lehrstuhl für Kommunikationssicherheit bmoeller@crypto.rub.de 6
MehrKünstliche Intelligenz Maschinelles Lernen
Künstliche Intelligenz Maschinelles Lernen Stephan Schwiebert Sommersemester 2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Maschinelles Lernen Überwachtes Lernen
MehrDie Invaliden-Versicherung ändert sich
Die Invaliden-Versicherung ändert sich 1 Erklärung Die Invaliden-Versicherung ist für invalide Personen. Invalid bedeutet: Eine Person kann einige Sachen nicht machen. Wegen einer Krankheit. Wegen einem
MehrEinführung in. Logische Schaltungen
Einführung in Logische Schaltungen 1/7 Inhaltsverzeichnis 1. Einführung 1. Was sind logische Schaltungen 2. Grundlegende Elemente 3. Weitere Elemente 4. Beispiel einer logischen Schaltung 2. Notation von
MehrProfessionelle Seminare im Bereich MS-Office
Serienbrief aus Outlook heraus Schritt 1 Zuerst sollten Sie die Kontakte einblenden, damit Ihnen der Seriendruck zur Verfügung steht. Schritt 2 Danach wählen Sie bitte Gerhard Grünholz 1 Schritt 3 Es öffnet
MehrGeld Verdienen im Internet leicht gemacht
Geld Verdienen im Internet leicht gemacht Hallo, Sie haben sich dieses E-book wahrscheinlich herunter geladen, weil Sie gerne lernen würden wie sie im Internet Geld verdienen können, oder? Denn genau das
MehrAlgorithmische Mathematik
Algorithmische Mathematik Wintersemester 2013 Prof. Dr. Marc Alexander Schweitzer und Dr. Einar Smith Patrick Diehl und Daniel Wissel Übungsblatt 6. Abgabe am 02.12.2013. Aufgabe 1. (Netzwerke und Definitionen)
MehrAnleitung über den Umgang mit Schildern
Anleitung über den Umgang mit Schildern -Vorwort -Wo bekommt man Schilder? -Wo und wie speichert man die Schilder? -Wie füge ich die Schilder in meinen Track ein? -Welche Bauteile kann man noch für Schilder
MehrAGROPLUS Buchhaltung. Daten-Server und Sicherheitskopie. Version vom 21.10.2013b
AGROPLUS Buchhaltung Daten-Server und Sicherheitskopie Version vom 21.10.2013b 3a) Der Daten-Server Modus und der Tresor Der Daten-Server ist eine Betriebsart welche dem Nutzer eine grosse Flexibilität
MehrZwischenablage (Bilder, Texte,...)
Zwischenablage was ist das? Informationen über. die Bedeutung der Windows-Zwischenablage Kopieren und Einfügen mit der Zwischenablage Vermeiden von Fehlern beim Arbeiten mit der Zwischenablage Bei diesen
MehrKulturelle Evolution 12
3.3 Kulturelle Evolution Kulturelle Evolution Kulturelle Evolution 12 Seit die Menschen Erfindungen machen wie z.b. das Rad oder den Pflug, haben sie sich im Körperbau kaum mehr verändert. Dafür war einfach
MehrKap. 8: Speziell gewählte Kurven
Stefan Lucks 8: Spezielle Kurven 82 Verschl. mit Elliptischen Kurven Kap. 8: Speziell gewählte Kurven Zur Erinnerung: Für beliebige El. Kurven kann man den Algorithmus von Schoof benutzen, um die Anzahl
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrOutlook. sysplus.ch outlook - mail-grundlagen Seite 1/8. Mail-Grundlagen. Posteingang
sysplus.ch outlook - mail-grundlagen Seite 1/8 Outlook Mail-Grundlagen Posteingang Es gibt verschiedene Möglichkeiten, um zum Posteingang zu gelangen. Man kann links im Outlook-Fenster auf die Schaltfläche
MehrKompetitive Analysen von Online-Algorithmen
Kompetitive Analysen von Online-Algorithmen jonas echterhoff 16. Juli 004 1 Einführung 1.1 Terminologie Online-Algorithmen sind Algorithmen, die Probleme lösen sollen, bei denen Entscheidungen getroffen
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
MehrStammdatenanlage über den Einrichtungsassistenten
Stammdatenanlage über den Einrichtungsassistenten Schritt für Schritt zur fertig eingerichteten Hotelverwaltung mit dem Einrichtungsassistenten Bitte bereiten Sie sich, bevor Sie starten, mit der Checkliste
MehrRente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen
5.2. entenrechnung Definition: ente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren entenperiode = Zeitabstand zwischen zwei entenzahlungen Finanzmathematisch sind zwei
MehrFür 2 bis 4 Spieler ab 8 Jahren. Spielregeln
Für 2 bis 4 Spieler ab 8 Jahren Spielregeln 03226 Vp-handleiding-its.indd 1 10-03-2005 08:08:51 Einleitung: Der arme Lukas liegt im Krankenhaus und wartet auf die Spieler, die ihm helfen können, wieder
Mehr8. Quadratische Reste. Reziprozitätsgesetz
O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
MehrSimulation LIF5000. Abbildung 1
Simulation LIF5000 Abbildung 1 Zur Simulation von analogen Schaltungen verwende ich Ltspice/SwitcherCAD III. Dieses Programm ist sehr leistungsfähig und wenn man weis wie, dann kann man damit fast alles
MehrWelche Gedanken wir uns für die Erstellung einer Präsentation machen, sollen Ihnen die folgende Folien zeigen.
Wir wollen mit Ihnen Ihren Auftritt gestalten Steil-Vorlage ist ein österreichisches Start-up mit mehr als zehn Jahren Erfahrung in IT und Kommunikation. Unser Ziel ist, dass jede einzelne Mitarbeiterin
MehrInformatik Kurs Simulation. Hilfe für den Consideo Modeler
Hilfe für den Consideo Modeler Consideo stellt Schulen den Modeler kostenlos zur Verfügung. Wenden Sie sich an: http://consideo-modeler.de/ Der Modeler ist ein Werkzeug, das nicht für schulische Zwecke
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrApproximation durch Taylorpolynome
TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni
MehrProbleme beim Arbeiten mit Variablen, Termen und Gleichungen
Probleme beim Arbeiten mit Variablen, Termen und Gleichungen Tage des Unterrichts in Mathematik, Naturwissenschaften und Technik Rostock 2010 Prof. Dr. Hans-Dieter Sill, Universität Rostock, http://www.math.uni-rostock.de/~sill/
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik
MehrVergleichsarbeiten in 3. Grundschulklassen. Mathematik. Aufgabenheft 1
Vergleichsarbeiten in 3. Grundschulklassen Mathematik Aufgabenheft 1 Name: Klasse: Herausgeber: Projekt VERA (Vergleichsarbeiten in 3. Grundschulklassen) Universität Koblenz-Landau Campus Landau Fortstraße
Mehr1: 9. Hamburger Gründerpreis - Kategorie Existenzgründer - 08.09.2010 19:00 Uhr
1: 9. Hamburger Gründerpreis - Kategorie Existenzgründer - Sehr geehrter Herr Bürgermeister, sehr geehrter Herr Dr. Vogelsang, sehr geehrter Herr Strunz, und meine sehr geehrte Damen und Herren, meine
MehrSerienbrieferstellung in Word mit Kunden-Datenimport aus Excel
Sehr vielen Mitarbeitern fällt es schwer, Serienbriefe an Kunden zu verschicken, wenn sie die Serienbrieffunktion von Word nicht beherrschen. Wenn die Kunden mit Excel verwaltet werden, genügen nur ein
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrAlso heißt es einmal mehr, immer eine eigene Meinungen bilden, nicht beeinflussen lassen, niemals von anderen irgend eine Meinung aufdrängen lassen.
Seite 1 von 6 Wirtschaft, Finanzen und IT Computer und Technologie Internetseiten Übersichtlich alle verfügbaren Internetseiten von wirfinit. de und darüber hinaus, weitere empfehlenswerte Internetseiten
MehrPersönliche Zukunftsplanung mit Menschen, denen nicht zugetraut wird, dass sie für sich selbst sprechen können Von Susanne Göbel und Josef Ströbl
Persönliche Zukunftsplanung mit Menschen, denen nicht zugetraut Von Susanne Göbel und Josef Ströbl Die Ideen der Persönlichen Zukunftsplanung stammen aus Nordamerika. Dort werden Zukunftsplanungen schon
MehrProzentrechnung. Wir können nun eine Formel für die Berechnung des Prozentwertes aufstellen:
Prozentrechnung Wir beginnen mit einem Beisiel: Nehmen wir mal an, ein Handy kostet 200 und es gibt 5% Rabatt (Preisnachlass), wie groß ist dann der Rabatt in Euro und wie viel kostet dann das Handy? Wenn
MehrKreativ visualisieren
Kreativ visualisieren Haben Sie schon einmal etwas von sogenannten»sich selbst erfüllenden Prophezeiungen«gehört? Damit ist gemeint, dass ein Ereignis mit hoher Wahrscheinlichkeit eintritt, wenn wir uns
MehrWas ist das Budget für Arbeit?
1 Was ist das Budget für Arbeit? Das Budget für Arbeit ist ein Persönliches Geld für Arbeit wenn Sie arbeiten möchten aber nicht mehr in einer Werkstatt. Das gibt es bisher nur in Nieder-Sachsen. Und in
MehrLeichte-Sprache-Bilder
Leichte-Sprache-Bilder Reinhild Kassing Information - So geht es 1. Bilder gucken 2. anmelden für Probe-Bilder 3. Bilder bestellen 4. Rechnung bezahlen 5. Bilder runterladen 6. neue Bilder vorschlagen
MehrDer kleine große Unterschied
Die 10 Gebote für gelungene Online-Präsentationen Das Der Präsentations-Genie kleine große Unterschied Steve Jobs Ihre Gratis-Webinare Daten werden und nicht andere an Dritte Neuheiten weitergegeben. von
MehrSpielmaterial. Hallo! Ich bin der kleine AMIGO und zeige euch, wie dieses Spiel funktioniert. Viel Spaß! von Liesbeth Bos
Kissenschlacht_Regel.qxp:Layout 1 19.05.2010 12:00 Uhr Seite 1 Hallo! Ich bin der kleine AMIGO und zeige euch, wie dieses Spiel funktioniert. Viel Spaß! von Liesbeth Bos Spieler: 2 4 Personen Alter: ab
MehrPTV VISWALK TIPPS UND TRICKS PTV VISWALK TIPPS UND TRICKS: VERWENDUNG DICHTEBASIERTER TEILROUTEN
PTV VISWALK TIPPS UND TRICKS PTV VISWALK TIPPS UND TRICKS: VERWENDUNG DICHTEBASIERTER TEILROUTEN Karlsruhe, April 2015 Verwendung dichte-basierter Teilrouten Stellen Sie sich vor, in einem belebten Gebäude,
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
Mehr1. Standortbestimmung
1. Standortbestimmung Wer ein Ziel erreichen will, muss dieses kennen. Dazu kommen wir noch. Er muss aber auch wissen, wo er sich befindet, wie weit er schon ist und welche Strecke bereits hinter ihm liegt.
Mehr