Dynamische Programmierung 1. April DP Aufgabensammlung
|
|
- Kilian Fischer
- vor 7 Jahren
- Abrufe
Transkript
1 Dynamische Programmierung 1. April 2015 DP Aufgabensammlung Sebastian Millius, Sandro Feuz, Daniel Graf Thema: Dynamic Programming, Aufgaben Im folgenden sind ein paar Beispielaufgaben zur dynamischen Programmierung zusammengetragen. Jede ist mit einem (subjektiven) Schwierigkeitsgrad von 1 (leicht) bis 5 (schwer) versehen. Ich werde keine Lösungen zu den Aufgaben erstellen, wenn jedoch jemand längere Zeit an der Aufgabe verbracht hat und dann gerne die Aufgabe vorgelöst bekommen möchte, so werde ich dies in der jeweils nächsten Übungsstunde machen. Es gilt jedoch: selbst lösen bringt viel mehr als nachvollziehen! Beispiel: The Integer Knapsack Problem (Doppelte Items erlaubt) Gegeben sind n Arten von Gegenständen, wobei die ite Art ein Ganzzahlgewicht von w i und einen Wert von v i hat. Versuche einen Rucksack mit Tragekapazität C mit einer optimalen Auswahl der Gegenstände zu füllen. Man kann eine unbeschränkte Anzahl Gegenstände der selben Art mitnehmen. Lösung:EsseiM(j)derMaximaleWertfüreinenRucksackderKapazitätj.Wirkönnen M(j) rekursiv mit Hilfe der Lösung für Teilprobleme auf die folgende Art ausdrücken { } max M(j 1), max M(j) = M(j w i)+v i falls j 1 i=1...n,w i j 0 falls j 0 In einer bottom-up Art kann jedes M(j) in O(n) sequentiell berechnet werden. Die totale Laufzeit ist deshalb O(nC). Der Speicherverbrauch ist O(C). Die Wert der optimalen Auswahl ist durch M(C) gegeben. Die Auswahl selbst kann durch Rückverfolgung oder durch Mitführen von Backpointern erhalten werden. Wechselgeld (1) Gegeben sind eine Menge von n von verschiedene Münzenarten mit Wert c[1],...,c[m]. Von jeder Art sind beliebig viele Münzen verwendbar. Finde zu einem gegebenen Geldwert W, ob es möglich ist, diesen mit den gegebenen Münzen zu bezahlen. Falls es möglich ist, finde eine kleinste Kombination von Münzen, die den gewünschten Wert ergeben. Wechselgeld 2 (1) Gegeben sind eine Menge von n von verschiedene Münzenarten mit Wert c[1],...,c[m]. Von jeder Art sind beliebig viele Münzen verwendbar. Finde zu einem gegebenen Geldwert W, die Anzahl Möglichkeiten, mit den Münzen den Geldwert zu wechseln. DP-1
2 Handys (1) Gegeben sind die n Handys deiner Freunde die jeweils eine Länge L[i], i = 1,..,n haben. Gesucht ist eine Teilmenge dieser Handys, so dass die Gesamtlänge genau einen Meter misst. Waage (1) Bei den alten Balance-Waagen legt man das zu wägende Gut auf die eine Waagschale und belegt dann die Waagschalen so mit geeichten Gewichtssteinen, dass die Waage im Gleichgewicht ist. Wir verfügen über n Gewichtssteine mit Gewichten w[i], i = 1,..., n. Gegeben ist ein Gewicht W, bestimme, ob das geforderte Gewicht mit den zur Verfügung stehenden Gewichtssteinen abgewogen werden kann. Bücher (2) Gegeben sind eine Menge n von Büchern und die Breite B des Bücherregals. Jedes der n Bücher hat eine Breite b[i] und einen Wert v[i] (der ursprüngliche Kaufpreis). Gesucht ist eine Teilmenge der Bücher, die alle auf das Regal passen und deren gesamter Wert zusammen maximal ist. Türme (2) Gegeben sind n Holzklötze, die jeweils eine Höhe h(i), Breite b(i) und Tiefe t(i) haben. Gesucht ist der grösst möglichste Turm der mit diesen Bauklötzen gebaut werden kann, wobei ein Holzklotz nur auf einen anderen gestellt werden kann, wenn die Auflagefläche des unteren strikt grösser ist als die des Klotzes der daraufgestellt werden kann (d.h. sowohl Breite und Länge der Auflagefläche des oberen Klotzes müssen strikt kleiner sein als die des unteren Klotzes). Die Klötze dürfen um die Z-Achse um ein Vielfaches von 90 Grad gedreht werden (Höhe bleibt also, der Klotz darf nicht gekippt werden). Brücken (2) Gegeben ist eine 2D-Karte mit einem einem Fluss. An der unteren und oberen Seite des Flusses sind jeweils n Städte plaziert. Die x-koordinanten der unteren Städte ist gegeben durch a[1],...,a[n]. Jede Stadt hat eine Partner-Stadt auf der anderen Seite mit der sie Handel betreibt. Die x-koordinate der Partner-Stadt i ist gegeben durch b[1],...,b[n]. DP-2
3 2 1 4 n n x Man möchte nun die Partner-Städte mit Brücken verbinden. Allerdings dürfen sich keine zwei Brücken kreuzen. Wieviele Brücken können maximal gebaut werden? Rechtecke (2) Gegeben sind N Rechtecke R 1,...,R N, jedes mit einer festen Höhe und Breite. Die Rechtecke sollen in der gegebenen Reihenfolge aneinandergereiht werden, wobei jeweils eine Rechtecksseite auf der X-Achse liegt. Du kannst für jedes Rechteck bestimmen, welche Orientierung (ob stehend oder liegend ) es haben soll und sollst dadurch die obere Seite des entstehenden Polygons maximieren. Die obere Linie ist einfach der Umfang des ganzen Polygons ohne die linke, rechte und untere Seite. In folgendem Bild wäre die obere Linie DC +CG+GF +FJ +JI +...+PO. Integer Knapsack Problem (2) Das gleiche Problem wie das Beispiel oben, nur dass es nur ein Gegenstand jeder Art gibt. Löse das gleiche Problem, wenn es von der iten Art a[i] 1 Gegenstände gibt. Balanced Partition (3) Gegeben sind eine Menge von n Ganzzahlen, jede im Bereich 0...K. Teile diese Zahlen in zwei Mengen so dass S 1 S 2 minimal ist, wobei S 1 und S 2 die Summe der Elemente in den zwei Teilmengen bezeichnet. DP-3
4 Längste gemeinsame Teilfolge (3) Gegeben sind zwei Folgen X[1..n], Y[1..m]. Eine Folge Z[1..k] heisst Teilfolge einer Folge X[1..n], falls es aufsteigende Indizes i 1 < i 2 <... < i k gibt, so dass j = 1,...,k : Z[j] = X[i j ] ist. Z.B.: X = {B,C,A,D} und Z = {B,A}. Eine Folge Z heisst gemeinsame Teilfolge von X und Y, falls Z sowohl eine Teilfolge von X, als auch von Y ist. Gesucht ist für zwei gegebene Folgen X[1..n], Y[1..m] die Länge der längsten gemeinsamen Teilfolge. Levenshtein Distanz (3) Die Levenshtein Distanz zwischen zwei Wörtern ist die minimale Anzahl von Einfügen, Löschen, und Ersetzen Buchstaben Operationen um ein Wort in ein anderes zu ändern. Z.B.istdieLevenshteinDistanzzwischenFOOD undmoney höchstens4,da:food MOOD MOND MONED MONEY Für zwei gegebene Wörter, berechne ihre Levenshtein Distanz. Palindrom (3) Gegeben ein String von Character: c 1,...,c n. Eine Teilsequenz ist ein Palindrom falls sie vorwärts wie rückwärts gleich geschrieben ist. Zum Beispiel ist a,b,a,c,a,b,a ein Palindrom. Gebe einen O(n 2 ) Algorithmus an, der das längste Palindrom in einem String findet. Baummatching (3) Gegeben ist ein gewichteter Baum, das heisst jede Kante des Baums hat ein bestimmtes Gewicht. Ein Matching auf einem Baum ist eine Teilmenge der Kanten, so dass keine zwei Kanten einen selben Endknoten haben (keine zwei Kanten berühren sich). Gesucht ist ein Matching, bei dem die Summe der Gewichte der darin enthaltenen Kanten, maximal ist. (ehemalige Prüfungsaufgabe) Hübsche Folgen (3) Eine Folge S (der Länge n) heisst hübsch, falls sie folgende Eigenschaften erfüllt: n i=1 S i = 0 Keine startende Teilfolge S 1,S 2,...S i hat eine negative Summe. Keine startende Teilfolge S 1,S 2,...S i hat eine Summe grösser C (const.). DP-4
5 Eine Folge, die nicht hübsch ist, heisst hässlich. Sei C = 10, dann ist 1, 1,7,3, 6,1, 5 einehübsche FolgewogegendieFolgen 1,1,7,3, 6,1, 5,1, 1,8,3, 7,1, 5,1, 1,7,3, 6,2, 5 hässlich sind. Gegeben ist eine hässliche Folge und ein festes C < Die Folge soll durch Löschen von möglichst wenig Elementen in eine hübsche Folge verwandelt werden. Wieviele Elemente musst du mindestens löschen? Cutting Sticks (4) Gegeben ist ein Holzbrett der Länge l, das an n verschiedenen Stellen durchgesägt werden soll. Das Durchsägen eines Holzstückes kostet soviel wie die Länge des Holzes. Es ist einfach einzusehen, dass die Reihenfolge der Schnitte wichtig für den Gesamtpreis ist. Betrachte beispielsweise ein Brett der Länge 10m das an den Stellen 2,4 and 7 Meter von einem Ende durchgesägt werden soll. Es gibt verschiedene Möglichkeiten. Man kann zuerst an der Stelle 2 dann 4 dann 7 durchsägen.was zu einem Preis von = 24 führt, da das erste Stück 10 Meter, das resultierende 8 und das letzte 6 Meter lang war. Eine andere Reihenfolge wäre zuerst bei 4 dann bei 2 und zuletzt bei 7 zu schneiden. Der Preis wäre dann = 20 was besser ist. Für ein gegebenes Holzbrett und Schnittpunkte, finde eine optimale Reihenfolge für das Sägen. Domino (4) Gegeben ist eine spezielles Schachbrett. Es ist 4 Felder hoch und N Felder breit und soll volständig mit Dominosteinen belegt werden. Jeder Domino besetzt zwei (nebeneinanderliegende) Felder. Deine Aufgabe ist es herauszufinden, auf wieviele Arten das Schachbrett für ein bestimmtes N vollständig mit Steinen belegt werden kann. Für N = 2 ist die Antwort 5, du siehst alle 5 Möglichkeiten in folgendem Bild: Matrix Kettenprodukt (4) Angenommen wir wollen die 4 Matrizen, A, B,C,D, mit den Dimensionen 50 20, 20 1, 1 10, und multiplizieren. Matrix Multiplikation ist nicht kommutativ (im Allgemeinen, A B B A), aber assoziativ, d.h. z.b. A (B C) = (A B) C. Das heisst wir können das Produkt auf viele verschiedene Arten ausrechnen, abhängig davon, wie wir die Klammern setzen. Sind manche besser als andere? DP-5
6 Um eine m n Matrix mit einer n p Matrix zu multiplzieren sind m n p Multiplikationen notwendig. Mit dieser Formel kommt man für das Beispiel auf: A B C D: Klammerung Kosten Total A ((B C) D) (A (B C)) D (A B) (C D) Die Klammerung macht also einen erheblichen Unterschied. Allgemein ist das Problem: Bestimme die Kosten einer Optimal Klammerung von A 1 A 2... A n, wobei die Matrizen A i die Dimensionen m 0 m 1,m 1 m 2,...m n 1 m n haben. (Bonus) Schneiderei (5) Gegeben ist ein rechteckiges Stück wertvollen Stoffes mit (ganzzahliger) Länge l und Breite b. Wir haben eine Liste von n Produkten die aus diesem Stoff geschneidert werden können. Jedes Produkt i braucht ein Stoffstück der Länge a[i] und Breite b[i]. Der Verkaufspreis des iten Produktes ist c[i]. Nehme an dass alle a[i], b[i], c[i] positive natürliche Zahlen sind. Wir haben eine Schneidemaschine die jedes rechteckige Stoffteil durchschneiden kann (entweder horizontal oder vertikal) (mögliche Schneidelinien sind also immer parallel zu der Länge oder Breite und teilen vollständig das Stoffstück). Gebe einen Algorithmus an, der den maximalen Ertrag angibt, der aus diesem Stoff erhalten werden kann. Von jedem Produkt können so viele wie möglich produziert werden (wenn gewünscht). DP-6
19. Dynamic Programming I
495 19. Dynamic Programming I Fibonacci, Längste aufsteigende Teilfolge, längste gemeinsame Teilfolge, Editierdistanz, Matrixkettenmultiplikation, Matrixmultiplikation nach Strassen [Ottman/Widmayer, Kap.
Dynamische Programmierung
Dynamische Programmierung Claudia Gerhold 9.5.6 Claudia Gerhold Dynamische Programmierung 9.5.6 / 4 Agenda Einführung Dynamische Programmierung Top-Down Ansatz mit Memoization Bottom-Up Ansatz 3 Anwendungsbeispiele
Stud.-Nummer: Datenstrukturen & Algorithmen Seite 1
Stud.-Nummer: Datenstrukturen & Algorithmen Seite 1 Aufgabe 1. / 16 P Instruktionen: 1) In dieser Aufgabe sollen Sie nur die Ergebnisse angeben. Diese können Sie direkt bei den Aufgaben notieren. 2) Sofern
19. Dynamic Programming I
Fibonacci Zahlen 9. Dynamic Programming I Fibonacci, Längste aufsteigende Teilfolge, längste gemeinsame Teilfolge, Editierdistanz, Matrixettenmultipliation, Matrixmultipliation nach Strassen [Ottman/Widmayer,
Klausur Algorithmen und Datenstrukturen II 10. August 2015
Technische Universität Braunschweig Sommersemester 2015 Institut für Betriebssysteme und Rechnerverbund Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Dr. Christian Scheffer Klausur Algorithmen und Datenstrukturen
Algorithmen und Komplexität Lösungsvorschlag zu Übungsblatt 8
ETH Zürich Institut für Theoretische Informatik Prof. Dr. Angelika Steger Florian Meier, Ralph Keusch HS 2017 Algorithmen und Komplexität Lösungsvorschlag zu Übungsblatt 8 Lösungsvorschlag zu Aufgabe 1
7.1 Matrizen und Vektore
7.1 Matrizen und Vektore Lineare Gleichungssysteme bestehen aus einer Gruppe von Gleichungen, in denen alle Variablen nur in der 1. Potenz vorkommen. Beispiel Seite 340 oben: 6 x 2 = -1 + 3x 2 = 4 mit
Informatik I Übung, Woche 47: Nachtrag zur dynamischen Programmierung
Informatik I Übung, Woche 47: Nachtrag zur dynamischen Programmierung Giuseppe Accaputo 20. November, 2015 : Definition : Unser Rucksack kann nur 20 kg tragen, wir wollen jedoch den Wert der Ware, welche
Der Branching-Operator B
Branching 1 / 17 Der Branching-Operator B Unser Ziel: Löse das allgemeine Minimierungsproblem minimiere f (x), so dass Lösung(x). B zerlegt eine Menge von Lösungen in disjunkte Teilmengen. Die wiederholte
Übersicht. Aktivitäten-Auswahl-Problem. Greedy Algorithmen. Aktivitäten-Auswahl-Problem. Aktivitäten-Auswahl-Problem. Datenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Übersicht Greedy Algorithmen Einführung Aktivitäten-Auswahl-Problem Huffman Codierung Matthias Zwicker Universität Bern Frühling 2009 2 Greedy Algorithmen Entwurfsstrategie
Technische Universität München. Kombinatorik. Christian Fuchs
Kombinatorik Christian Fuchs 1.Definition Kombinatorik 2.Grundlegende Zählmethoden 3.Binomialkoeffizienten 4.Permutationen 5.Stirling-Zahlen 6.Catalan-Zahlen 7.Zahlpartitionen 8.Aufgaben 9.Literatur Technische
Algorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2007 11. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Das Rucksack-Problem Ein Dieb, der einen Safe
Algorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2009 11. Vorlesung Uwe Quasthoff Universität Leipzig Institut für Informatik quasthoff@informatik.uni-leipzig.de Das Rucksack-Problem Ein Dieb, der einen
Präfix-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:
ADS: Algorithmen und Datenstrukturen 2
.. ADS: Algorithmen und Datenstrukturen 2 8. Vorlesung Uwe Quasthoff Abteilung Automatische Sprachverarbeitung Institut für Informatik Universität Leipzig 6. Juni 2012 1 / 25 Editier-Distanz Beobachtungen:
START MATHEMATIK-STAFFEL 2008 Du hast 60 Minuten Zeit um die 20 Aufgaben zu bearbeiten. Insgesamt kann man 500 Punkte erreichen.
START MATHEMATIK-STAFFEL 2008 Du hast 60 Minuten Zeit um die 20 Aufgaben zu bearbeiten. Insgesamt kann man 500 Punkte erreichen. Staffel-Aufgabe 1 (30 Punkte, Rest 470 Punkte) Ausradiert In die Kreise
Algorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Wintersemester 2012/13 25. Vorlesung Dynamisches Programmieren Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Klausurvorbereitung Tipp: Schreiben Sie sich alle Fragen
Ein Dieb raubt einen Laden aus; um möglichst flexibel zu sein, hat er für die Beute nur einen Rucksack dabei
7/7/ Das Rucksack-Problem Englisch: Knapsack Problem Das Problem: "Die Qual der Wahl" Ein Dieb raubt einen Laden aus; um möglichst flexibel zu sein, hat er für die Beute nur einen Rucksack dabei Im Ladens
Algorithmen und Komplexität
Algorithmen und Komplexität Dynamische Programmierung Markus Ullrich Norbert Baum Fachbereich Informatik - IIb07 Hochschule Zittau/Görlitz 28. Mai 2009 1 / 29 Wie sieht es mit langen Ketten aus? A 1 A
Vektorrechnung. Beispiele: (4 8) 2-Tupel (Zahlenpaar) (4 8 9) 3-Tupel (Zahlentrippel)
Vektorrechnung Oftmals möchte man in der Mathematik mit mehreren Zahlen auf einmal rechnen. Dafür werde geordnete Listen verwendet. Eine Liste besteht aus n reellen Zahlen und wird n-tupel genannt. Beispiele:
Matrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A.
Matrizenrechnung Matrix: Eine rechteckige Anordnung reeller Zahlen a ij i = 1,..., n i ; j = 1,..., m in Zeilen und Spalten. Die a ij heiÿen Elemente von A. a 11 a 12... a ij... a 1m a 21 a 22.........
2. November Gradfolgen Zusammenhang Kürzeste Wege. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37
2. November 2011 Gradfolgen Zusammenhang Kürzeste Wege H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37 Satz von Erdős und Gallai Eine Partition einer natürlichen Zahl ist genau dann die Gradfolge
Basiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
Was ändert sich, wenn zu Beginn eine andere Anzahl n an Streichhölzern auf dem Haufen liegt?
NIM Auf dem Tisch liegen mehrere Haufen mit Spielsteinen. Zum Beispiel drei Haufen mit 4, 5 und 6 Steinen. Jeder Spiele nimmt abwechselnd von einem Haufen eine beliebige Anzahl an Steinen. Der Spieler,
Klausur Algorithmen und Datenstrukturen II 29. Juli 2013
Technische Universität Braunschweig Sommersemester 2013 Institut für Betriebssysteme und Rechnerverbund Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Stephan Friedrichs Klausur Algorithmen und Datenstrukturen
Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel
Gierige Algorithmen. Seminar Hallo Welt! für Fortgeschrittene. Daniel Ziegler Daniel Ziegler Gierige Algorithmen
Gierige Algorithmen Seminar Hallo Welt! für Fortgeschrittene Daniel Ziegler 23.05.2016 Daniel Ziegler Gierige Algorithmen 23.05.2016 1 / 48 Inhalt 1 Einführung Allgemeines Wichtige Eigenschaften Gierige-Strategie
Kurs 1663 Datenstrukturen" Musterlösungen zur Klausur vom Seite 1. Musterlösungen zur Hauptklausur Kurs 1663 Datenstrukturen 15.
Kurs 1663 Datenstrukturen" Musterlösungen zur Klausur vom 15.08.98 Seite 1 Musterlösungen zur Hauptklausur Kurs 1663 Datenstrukturen 15. August 1998 Kurs 1663 Datenstrukturen" Musterlösungen zur Klausur
Tutorium: Diskrete Mathematik. Matrizen
Tutorium: Diskrete Mathematik Matrizen Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de Definition I Eine Matrix ist eine rechteckige Anordnung (Tabelle) von Elementen, mit denen man in bestimmter
Matrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =
Matrizen Eine m nmatrix ist ein rechteckiges Zahlenschema mit m Zeilen und n Spalten der Form a 11 a 12 a 1n A = a ij = a 21 a 22 a 2n a m1 a m2 a mn Dabei sind m und n natürliche und die Koezienten a
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 14, Donnerstag, 5.
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 14, Donnerstag, 5. Februar 2015 (Editierdistanz, dynamische Programmierung) Junior-Prof.
Beispiellösungen zu Blatt 77
µathematischer κorrespondenz- zirkel Mathematisches Institut Georg-August-Universität Göttingen Aufgabe 1 Beispiellösungen zu Blatt 77 Die Zahl 9 ist sowohl als Summe der drei aufeinanderfolgenden Quadratzahlen,
Serie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
Methoden für den Entwurf von Algorithmen
Methoden für den Entwurf von Algorithmen Greedy Algorithmen: - Löse ein einfaches Optimierungsproblem durch eine Folge vernünftiger Entscheidungen. - Eine getroffene Entscheidung wird nie zurückgenommen.
Serie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
Modulprüfung BA 04 Mathematik: Grundlagen der Mathematik C: Geometrie, Algebra und Zahlentheorie
FB 3: Mathematik/Naturwissenschaften Mathematisches Institut Prof. Dr. R. Frank / Dr. D. Habeck Modulprüfung BA 04 Mathematik: Grundlagen der Mathematik C: Geometrie, Algebra und Zahlentheorie 08.0.01
Kombinatorik. Simon Rainer 21. Juli Simon Kombinatorik 21. Juli / 51
Kombinatorik Simon Rainer sr@mail25.de 21. Juli 2015 Simon Rainersr@mail25.de Kombinatorik 21. Juli 2015 1 / 51 Was ist Kombinatorik? Teilgebiet der diskreten Mathematik Endliche oder abzählbar unendliche
Grundlagen der Informatik
Grundlagen der Informatik Musterklausur 1. Dynamische Datenstrukturen und objektorientierte Programmierung Zur Verwaltung einer digitalen Fotogalerie sollen Techniken der objektorientierten Programmierung
5 BINÄRE ENTSCHEIDUNGS- DIAGRAMME (BDDS)
5 BINÄRE ENTSCHEIDUNGS- DIAGRAMME (BDDS) Sommersemester 2009 Dr. Carsten Sinz, Universität Karlsruhe Datenstruktur BDD 2 1986 von R. Bryant vorgeschlagen zur Darstellung von aussagenlogischen Formeln (genauer:
Top-down Bottom-up Divide & Conquer Dynamisches Programmieren Caching (Memoization) Branch-and-Bound Greedy
2.2 Entwurfsparadigmen Top-down Bottom-up Divide & Conquer Dynamisches Programmieren Caching (Memoization) Branch-and-Bound Greedy 1 Top-Down Zerlege das gegebene Problem in Teilschritte Zerlege Teilschritte
Geometrische Algorithmen
Geometrische Algorithmen Thomas Röfer Motivation Scan-line-Prinzip Konvexe Hülle Distanzprobleme Voronoi-Diagramm Rückblick Manipulation von Mengen Vorrangwarteschlange Heap HeapSort swap(a, 0, 4) 1 5
3.6 Branch-and-Bound-Verfahren
36 Branch-and-Bound-Verfahren Die Branch-and-Bound -Methode beruht darauf, auf eine intelligente Weise alle zulässigen Lösungen eines kombinatorischen Optimierungsproblems aufzulisten und mit Hilfe von
Universität Innsbruck WS 2013/2014. Brückenkurs. Formale Konzepte. 3. Auflage. Harald Zankl. 15. Januar 2014
Universität Innsbruck WS 013/014 Brückenkurs Formale Konzepte 3. Auflage Harald Zankl 15. Januar 014 Institut für Informatik Innsbruck, Österreich Inhaltsverzeichnis 1 Definition, Satz, Beweis 1.1 Aufgaben................................
Das Problem des Handlungsreisenden
Seite 1 Das Problem des Handlungsreisenden Abbildung 1: Alle möglichen Rundreisen für 4 Städte Das TSP-Problem tritt in der Praxis in vielen Anwendungen als Teilproblem auf. Hierzu gehören z.b. Optimierungsprobleme
Lineare Gleichungen mit 2 Variablen
Lineare Gleichungen mit 2 Variablen Lineare Gleichungen mit 2 Variablen sind sehr eng verwandt mit linearen Funktionen. Die Funktionsgleichung einer linearen Funktion f(x) = m x+q m: Steigung, q: y Achsenabschnitt
Mathematik, 3. Sekundarschule (Neues Lehrmittel, Erprobungsversion)
Zentrale Aufnahmeprüfung 2011 für die Kurzgymnasien und die Handelsmittelschulen des Kantons Zürich Mathematik, 3. Sekundarschule (Neues Lehrmittel, Erprobungsversion) Von der Kandidatin oder vom Kandidaten
Flüsse, Schnitte, bipartite Graphen
Flüsse, Schnitte, bipartite Graphen Thomas Fersch mail@t-fersch.de 11.06.2010 Seminar "Hallo Welt!" für Fortgeschrittene 1 Übersicht Maximale Flüsse in Netzwerken Worum geht s? Lösung nach Ford-Fulkerson
Grundlagen der Algorithmen und Datenstrukturen Kapitel 12
Grundlagen der Algorithmen und Datenstrukturen Kapitel 12 Christian Scheideler + Helmut Seidl SS 2009 28.06.09 Kapitel 12 1 Generische Optimierungsverfahren Techniken: Systematische Suche lass nichts aus
Flüsse, Schnitte, Bipartite Graphen
Flüsse, Schnitte, Bipartite Graphen Sebastian Hahn 4. Juni 2013 Sebastian Hahn Flüsse, Schnitte, Bipartite Graphen 4. Juni 2013 1 / 48 Überblick Flussnetzwerke Ford-Fulkerson-Methode Edmonds-Karp-Strategie
Algorithmische Geometrie: Schnittpunkte von Strecken
Algorithmische Geometrie: Schnittpunkte von Strecken Nico Düvelmeyer WS 2009/2010, 3.11.2009 3 Phasen im Algorithmenentwurf 1. Konzentration auf das Hauptproblem 2. Verallgemeinerung auf entartete Eingaben
Geometrische Algorithmen Einige einfache Definitionen: Ist ein Punkt in einem Polygon? Punkt-in-Polygon-Problem. Das Punkt-in-Polygon-Problem
Geometrische Algorithmen Einige einfache Definitionen: Punkt: im n-dimensionalen Raum ist ein n-tupel (n Koordinaten) Gerade: definiert durch zwei beliebige Punkte auf ihr Strecke: definiert durch ihre
Übersicht. Volltextindex Boolesches Retrieval Termoperationen Indexieren mit Apache Lucene
Übersicht Volltextindex Boolesches Retrieval Termoperationen Indexieren mit Apache Lucene 5.0.07 1 IR-System Peter Kolb 5.0.07 Volltextindex Dokumentenmenge durchsuchbar machen Suche nach Wörtern Volltextindex:
Algorithmenbegriff: Berechenbarkeit. Algorithmenanalyse. (Berechnung der Komplexität)
Über-/Rückblick Algorithmenbegriff: Berechenbarkeit Turing-Maschine RAM µ-rekursive Funktionen Zeit Platz Komplexität Algorithmentechniken Algorithmenanalyse (Berechnung der Komplexität) Rekursion Iteration
Wiederholung zu Flüssen
Universität Konstanz Methoden der Netzwerkanalyse Fachbereich Informatik & Informationswissenschaft SS 2008 Prof. Dr. Ulrik Brandes / Melanie Badent Wiederholung zu Flüssen Wir untersuchen Flüsse in Netzwerken:
Am Dienstag, den 16. Dezember, ist Eulenfest. 1/45
Am Dienstag, den 16. Dezember, ist Eulenfest. 1/45 Grundbegriffe der Informatik Einheit 12: Erste Algorithmen in Graphen Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009
Geometrische Algorithmen Segmentschnitt
Folie 1 von 36 Geometrische Algorithmen Segmentschnitt Folie 2 von 36 Segmentschnitt Übersicht Zwei Segmente Lage zweier Segmente Prüfung auf Schnittfreiheit Formeln zum Geradenschnitt Feststellen des
Geometrische Algorithmen Segmentschnitt
Folie 1 von 36 Geometrische Algorithmen Segmentschnitt Folie 2 von 36 Segmentschnitt Übersicht Zwei Segmente! Lage zweier Segmente! Prüfung auf Schnittfreiheit! Formeln zum Geradenschnitt! Feststellen
Mustererkennung: Graphentheorie
Mustererkennung: Graphentheorie D. Schlesinger TUD/INF/KI/IS D. Schlesinger () ME: Graphentheorie 1 / 9 Definitionen Ein Graph ist ein Paar G = (V, E) mit der Menge der Knoten V und der Menge der Kanten:
Ist Tetris NP - Vollständig?
Ist Tetris NP - Vollständig? Michael König 30. April 2015 Tetris Allgemeines Geschichte Tetris Allgemeines Geschichte russischer Entwickler: Alexei Paschitnow Tetris Allgemeines Geschichte russischer Entwickler:
Grundlegende Algorithmen mit Java
Doina Logofätu Grundlegende Algorithmen mit Java Vom Algorithmus zum fertigen Programm Lern- und Arbeitsbuch für Informatiker und Mathematiker Mit 115 Abbildungen '-^~, v :^i yr:,',v.t&i- I " vieweg Inhaltsverzeichnis
16. All Pairs Shortest Path (ASPS)
. All Pairs Shortest Path (ASPS) All Pairs Shortest Path (APSP): Eingabe: Gewichteter Graph G=(V,E) Ausgabe: Für jedes Paar von Knoten u,v V die Distanz von u nach v sowie einen kürzesten Weg a b c d e
A = ( a 1,..., a n ) ii) Zwei Matrizen sind gleich, wenn die Einträge an den gleichen Positionen übereinstimmen. so heißt die n n Matrix
Matrizen Definition: i Eine m n Matrix A ist ein rechteckiges Schema aus Zahlen, mit m Zeilen und n Spalten: a a 2 a n a 2 a 22 a 2n a m a m2 a mn Die Spaltenvektoren dieser Matrix seien mit a,, a n bezeichnet
Informatik B Sommersemester Musterlösung zur Klausur vom
Informatik B Sommersemester 007 Musterlösung zur Klausur vom 0.07.007 Aufgabe : Graphen und Graphalgorithmen + + + () Punkte Für eine beliebige positive, ganze Zahl n definieren wir einen Graphen G n =
Algorithmen und Datenstrukturen 1 VL Übungstest WS Januar 2011
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 186.172 Algorithmen und Datenstrukturen 1 VL 4.0 2. Übungstest WS 2010 14. Januar
Geometrische Algorithmen Punkt-in-Polygon-Suche. Lernmodul 7: Geo-Algorithmen und -Datenstrukturen - Punkt-in-Polygon-Suche
Folie 1 von 51 Geometrische Algorithmen Punkt-in-Polygon-Suche Folie 2 von 51 Punkt-in-Polygon-Suche Übersicht Praxisbeispiel/Problemstellung Zählen von Schnittpunkten Schnitt einer Halbgerade mit der
5. Bäume und Minimalgerüste
5. Bäume und Minimalgerüste Charakterisierung von Minimalgerüsten 5. Bäume und Minimalgerüste Definition 5.1. Es ein G = (V, E) ein zusammenhängender Graph. H = (V,E ) heißt Gerüst von G gdw. wenn H ein
Algorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 13: Flüsse und Zuordnungen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 9. Juni 2017 DURCHSATZ D(e) ist die maximale Flussmenge,
Algorithmen I. Tutorium Sitzung. Dennis Felsing
Algorithmen I Tutorium 1-12. Sitzung Dennis Felsing dennis.felsing@student.kit.edu www.stud.uni-karlsruhe.de/~ubcqr/algo 2011-07-04 Überblick 1 Dynamische Programmierung Idee Längste gemeinsame Teilfolge
Distributed Algorithms. Image and Video Processing
Chapter 6 Optical Character Recognition Distributed Algorithms for Übersicht Motivation Texterkennung in Bildern und Videos 1. Erkennung von Textregionen/Textzeilen 2. Segmentierung einzelner Buchstaben
Datenstrukturen und Algorithmen D-INFK
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik Peter Widmayer
Mathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 9 20. Mai 2010 Kapitel 9. Matrizen und Determinanten Der Begriff der Matrix Die transponierte Matrix Definition 84. Unter einer (reellen) m n-matrix
2.2 Funktionen 2.Grades (Thema aus dem Bereich Analysis)
. Funktionen.Grades (Thema aus dem Bereich Analysis) Inhaltsverzeichnis 1 Definition einer Funktion.Grades. Der Parameter a 3 3 Die Verschiebung des Graphen 5 3.1 Die Verschiebung des Graphen in y-richtung........................
Algorithmen und Datenstrukturen in der Bioinformatik Erstes Übungsblatt WS 05/06 Musterlösung
Konstantin Clemens Johanna Ploog Freie Universität Berlin Institut für Mathematik II Arbeitsgruppe für Mathematik in den Lebenswissenschaften Algorithmen und Datenstrukturen in der Bioinformatik Erstes
20. Dynamic Programming II
Aufgabe 20. Dynamic Programming II Subset Sum Problem, Rucksackproblem, Greedy Algorithmus, Lösungen mit dynamischer Programmierung, FPTAS, Optimaler Suchbaum [Ottman/Widmayer, Kap. 7.2, 7.3, 5.7, Cormen
Effiziente Algorithmen I
H 10. Präsenzaufgabenblatt, Wintersemester 2015/16 Übungstunde am 18.01.2015 Aufgabe Q Ein Reiseveranstalter besitzt ein Flugzeug, das maximal p Personen aufnehmen kann. Der Veranstalter bietet einen Flug
Approximationsalgorithmen für NP-harte Optimierungsprobleme
Approximationsalgorithmen für NP-harte Optimierungsprobleme Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 1 / 18 Was tun mit NP-harten Problemen? Viele praxisrelevante
Übung zur Vorlesung Diskrete Strukturen I
Technische Universität München WS 00/0 Institut für Informatik Aufgabenblatt 10 Prof. Dr. J. Csirik 7. Januar 00 randt & Stein Übung zur Vorlesung Diskrete Strukturen I Abgabetermin: Tutorübungen am 16.
Kapitel 3: Sortierverfahren Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
Informatik II Prüfungsvorbereitungskurs
Informatik II Prüfungsvorbereitungskurs Tag 4, 23.6.2016 Giuseppe Accaputo g@accaputo.ch 1 Programm für heute Repetition Datenstrukturen Unter anderem Fragen von gestern Point-in-Polygon Algorithmus Shortest
Theoretische Informatik. Exkurs: Komplexität von Optimierungsproblemen. Optimierungsprobleme. Optimierungsprobleme. Exkurs Optimierungsprobleme
Theoretische Informatik Exkurs Rainer Schrader Exkurs: Komplexität von n Institut für Informatik 13. Mai 2009 1 / 34 2 / 34 Gliederung Entscheidungs- und Approximationen und Gütegarantien zwei Greedy-Strategien
Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005. Paradigmen im Algorithmenentwurf
Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005 Paradigmen im Algorithmenentwurf Problemlösen Problem definieren Algorithmus entwerfen
Algorithmen und Datenstrukturen 1 Kapitel 3
Algorithmen und Datenstrukturen 1 Kapitel 3 Technische Fakultät robert@techfak.uni-bielefeld.de Vorlesung, U. Bielefeld, Winter 2005/2006 3.6 Dynamische Programmierung Die rekursive Problemzerlegung kann
Mathematik, 2. Sekundarschule (bisheriges Lehrmittel)
Zentrale Aufnahmeprüfung 2011 für die Kurzgymnasien und die Handelsmittelschulen des Kantons Zürich Mathematik, 2. Sekundarschule (bisheriges Lehrmittel) Von der Kandidatin oder vom Kandidaten auszufüllen:
Serie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
Inhaltsverzeichnis... 1 Bestandteile einer Formel... 1 Die Funktion Summenprodukt... 4
Inhaltsverzeichnis Inhaltsverzeichnis... 1 Bestandteile einer Formel... 1 Die Funktion SUMME... 2 Die Funktion AUTOSUMME... 2 Die Funktion SUMMEWENN... 2 Die Funktion SUMMEWENNS... 3 Die Funktion Summenprodukt...
Approximationsalgorithmen für NP-harte Optimierungsprobleme
Approximationsalgorithmen für NP-harte Optimierungsprobleme Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 4. Januar 2011 Berthold Vöcking, Informatik 1 () Vorlesung
Algorithms & Data Structures 2
Algorithms & Data Structures Digital Sorting WS B. Anzengruber-Tanase (Institute for Pervasive Computing, JKU Linz) (Institute for Pervasive Computing, JKU Linz) WIEDERHOLUNG :: UNTERE SCHRANKE FÜR SORTIEREN
Hallo Welt für Fortgeschrittene
Hallo Welt für Fortgeschrittene Dynamische Programmierung Thomas Karmann 4. Juni 2010 1 / 36 Übersicht Einführung Definition Anwendung Funktionsweise Grundlagen Memoisation Top-Down Bottom-Up Grenzen Anwendungsbeispiele
1. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2005/2006
1. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2005/2006 Hier Aufkleber mit Name und Matrikelnummer anbringen Vorname: Nachname: Matrikelnummer: Beachten Sie: Bringen Sie den Aufkleber mit
Karlsruher Institut für Technologie Institut für Theoretische Informatik. Klausur Algorithmen I
Vorname: Matrikelnummer: Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Jörn Müller-Quade 4. September 2017 Klausur Algorithmen I Aufgabe 1. Kleinaufgaben 15 Punkte Aufgabe
Übung zur Vorlesung Berechenbarkeit und Komplexität
RWTH Aachen Lehrgebiet Theoretische Informatik Reidl Ries Rossmanith Sanchez Tönnis WS 2012/13 Übungsblatt 9 10.12.2012 Übung zur Vorlesung Berechenbarkeit und Komplexität Aufgabe T20 Beweisen Sie die
Auslastungs- und Potenzialspiele
Definition Existenz Konvergenzzeit Matroidspiele Algorithmische Spieltheorie Sommer 2017 Definition Existenz Konvergenzzeit Matroidspiele Auslastungsspiele Existenz eines reinen Nash-Gleichgewichtes Konvergenzzeit
Algorithmen und Datenstrukturen
Universität Innsbruck Institut für Informatik Zweite Prüfung 16. Oktober 2008 Algorithmen und Datenstrukturen Name: Matrikelnr: Die Prüfung besteht aus 8 Aufgaben. Die verfügbaren Punkte für jede Aufgabe
Lineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 5 Aufgabe 5.1 Kommutierende Matrizen In der Vorlesung und vergangenen
3 Determinanten, Eigenwerte, Normalformen
Determinanten, Eigenwerte, Normalformen.1 Determinanten Beispiel. Betrachte folgendes Parallelogramm in der Ebene R 2 : y (a + c, b + d) (c, d) (a, b) x Man rechnet leicht nach, dass die Fläche F dieses
ALGEBRA Lineare Gleichungen Teil 1. Klasse 8. Datei Nr Friedrich W. Buckel. Dezember 2005 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK
ALGEBRA Lineare Gleichungen Teil Klasse 8 Lineare Gleichungen mit einer Variablen Datei Nr. 40 Friedrich W. Buckel Dezember 005 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK Inhalt DATEI 40 Grundlagen und ein
Datenstrukturen & Algorithmen Lösungen zu Blatt 6 FS 12
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik 8. März
Füllen von Primitiven
Füllen von Primitiven Basisproblem der 2D-Graphik Anwendung: füllen beliebiger Flächen (Polygone, Freiformkurven) Darstellung von Buchstaben dicke Primitive (Linien, Kreise, Kurven), Teilproblem in der