Kürzeste Wege. möglich ist 6. Füge v zu S hinzu und setze d[v] d [v] (u,v) E. Datenstrukturen und Algorithmen 14. Elementare Graphalgorithmen
|
|
- Gabriel Walter
- vor 6 Jahren
- Abrufe
Transkript
1 Algorithmus von Dijkstr: 1. Es sei S ie Menge er enteckten Knoten. Invrinte: Merke optimle Lösung für S: Für lle v S sei [v] = δ(s,v) ie Länge es kürzesten Weges von s nch v 3. Zu Beginn: S={s} un [s]= 4. while V S o 5. Wähle Knoten v V \ S mit minestens einer Knte us S un für en [v] = min [u] + w(u,v) so klein wie (u,v) E möglich ist 6. Füge v zu S hinzu un setze [v] [v] Dtenstrukturen un Algorithmen 1
2 Wie knn mn Pfe erechnen? Wie ei BFS/DFS üer Fel π Wenn (u,v) ie Knte ist für ie s Minimum in Zeile 5 erreicht wir, nn setze π[v] u Kürzester s-u-weg P(u) ist implizit gespeichert: Für u=s hen wir en leeren Weg ls kürzesten Weg von s nch s Für u s gilt: P(u) esteht us Weg P(π(u)) gefolgt von Knte (π[u],u) Dtenstrukturen un Algorithmen
3 Stz (Korrektheit): (Invrinte) Für jees u S ist zu jeem Zeitpunkt er Ausführung es Algorithmus er Weg P(u) ein kürzester s-u-weg. Dtenstrukturen un Algorithmen 3
4 Wie knn mn Dijkstrs Algorithmus effizient implementieren? Niver Anstz: Üerprüfe für jeen Knoten us V-S lle Knten (Lufzeit O( V E ) in jeem Durchluf) Besser: Hlte [v] Werte für lle v V-S ufrecht Speichere lle Knoten us V-S in Prioritätenschlnge mit Schlüssel [v] Prolem: Ws ist, wenn sich Schlüssel veränern Dtenstrukturen un Algorithmen 4
5 Heps mit Decrese-Key: Dtenstruktur Min-Hep A Neue Funktion DecreseKey(A, i, newkey): Wir ekommen Inex i es Elements es Heps, essen Wert (Schlüssel) uf en Wert newkey newkey ist kleiner ls er lte Schlüssel Decrese-Key(A,i,newkey) 1. A[i] newkey. while i>1 n A[prent[i]]>A[i] o 3. A[prent[i]] A[i] 4. i prent[i] Dtenstrukturen un Algorithmen 5
6 Heps mit Decrese-Key: Dtenstruktur Min-Hep A Neue Funktion DecreseKey(A, i, newkey): Wir ekommen Inex i es Elements es Heps, essen Wert (Schlüssel) uf en Wert newkey newkey ist kleiner ls er lte Schlüssel Decrese-Key(A,i,newkey) 1. A[i] newkey. while i>1 n A[prent[i]]>A[i] o 3. A[prent[i]] A[i] 4. i prent[i] DecreseKey(A,5,3) Dtenstrukturen un Algorithmen 6
7 Heps mit Decrese-Key: Dtenstruktur Min-Hep A Neue Funktion DecreseKey(A, i, newkey): Wir ekommen Inex i es Elements es Heps, essen Wert (Schlüssel) uf en Wert newkey newkey ist kleiner ls er lte Schlüssel Decrese-Key(A,i,newkey) 1. A[i] newkey. while i>1 n A[prent[i]]>A[i] o 3. A[prent[i]] A[i] 4. i prent[i] i DecreseKey(A,5,3) Dtenstrukturen un Algorithmen
8 Heps mit Decrese-Key: Dtenstruktur Min-Hep A Neue Funktion DecreseKey(A, i, newkey): Wir ekommen Inex i es Elements es Heps, essen Wert (Schlüssel) uf en Wert newkey newkey ist kleiner ls er lte Schlüssel Decrese-Key(A,i,newkey) 1. A[i] newkey. while i>1 n A[prent[i]]>A[i] o 3. A[prent[i]] A[i] 4. i prent[i] i DecreseKey(A,5,3) Dtenstrukturen un Algorithmen 8
9 Heps mit Decrese-Key: Dtenstruktur Min-Hep A Neue Funktion DecreseKey(A, i, newkey): Wir ekommen Inex i es Elements es Heps, essen Wert (Schlüssel) uf en Wert newkey newkey ist kleiner ls er lte Schlüssel Decrese-Key(A,i,newkey) 1. A[i] newkey 3 9. while i>1 n A[prent[i]]>A[i] o 3. A[prent[i]] A[i] 4. i prent[i] i DecreseKey(A,5,3) Dtenstrukturen un Algorithmen 9
10 Heps mit Decrese-Key: Dtenstruktur Min-Hep A Neue Funktion DecreseKey(A, i, newkey): Wir ekommen Inex i es Elements es Heps, essen Wert (Schlüssel) uf en Wert newkey newkey ist kleiner ls er lte Schlüssel Decrese-Key(A,i,newkey) 1. A[i] newkey. while i>1 n A[prent[i]]>A[i] o 3. A[prent[i]] A[i] 4. i prent[i] 5 3 i DecreseKey(A,5,3) Dtenstrukturen un Algorithmen 1
11 Heps mit Decrese-Key: Dtenstruktur Min-Hep A Neue Funktion DecreseKey(A, i, newkey): Wir ekommen Inex i es Elements es Heps, essen Wert (Schlüssel) uf en Wert newkey newkey ist kleiner ls er lte Schlüssel Decrese-Key(A,i,newkey) 1. A[i] newkey. while i>1 n A[prent[i]]>A[i] o 3. A[prent[i]] A[i] 4. i prent[i] 5 3 i DecreseKey(A,5,3) Dtenstrukturen un Algorithmen 11
12 Heps mit Decrese-Key: Dtenstruktur Min-Hep A Neue Funktion DecreseKey(A, i, newkey): Wir ekommen Inex i es Elements es Heps, essen Wert (Schlüssel) uf en Wert newkey newkey ist kleiner ls er lte Schlüssel Decrese-Key(A,i,newkey) 1. A[i] newkey. while i>1 n A[prent[i]]>A[i] o 3. A[prent[i]] A[i] 4. i prent[i] 3 5 i DecreseKey(A,5,3) Dtenstrukturen un Algorithmen 1
13 Heps mit Decrese-Key: Dtenstruktur Min-Hep A Neue Funktion DecreseKey(A, i, newkey): Wir ekommen Inex i es Elements es Heps, essen Wert (Schlüssel) uf en Wert newkey newkey ist kleiner ls er lte Schlüssel Decrese-Key(A,i,newkey) 1. A[i] newkey. while i>1 n A[prent[i]]>A[i] o 3. A[prent[i]] A[i] 4. i prent[i] 3 i DecreseKey(A,5,3) Dtenstrukturen un Algorithmen 13
14 Heps mit Decrese-Key: Dtenstruktur Min-Hep A Neue Funktion DecreseKey(A, i, newkey): Wir ekommen Inex i es Elements es Heps, essen Wert (Schlüssel) uf en Wert newkey newkey ist kleiner ls er lte Schlüssel Decrese-Key(A,i,newkey) 1. A[i] newkey. while i>1 n A[prent[i]]>A[i] o 3. A[prent[i]] A[i] 4. i prent[i] 3 i DecreseKey(A,5,3) Dtenstrukturen un Algorithmen 14
15 Heps mit Decrese-Key: Dtenstruktur Min-Hep A Lufzeit: O(log n) Neue Funktion DecreseKey(A, i, newkey): Wir ekommen Inex i es Elements es Heps, essen Wert (Schlüssel) uf en Wert newkey newkey ist kleiner ls er lte Schlüssel Decrese-Key(A,i,newkey) 1. A[i] newkey. while i>1 n A[prent[i]]>A[i] o 3. A[prent[i]] A[i] 4. i prent[i] 3 i DecreseKey(A,5,3) Dtenstrukturen un Algorithmen 15
16 Wie knn mn Dijkstrs Algorithmus effizient implementieren? Hlte [v] Werte für lle v V-S ufrecht Speichere lle Knoten us V-S in Prioritätenschlnge mit Schlüssel [v] Für jeen Knoten v speichere Zeiger uf sein Vorkommen im Hep [v] Werte vergrößern sich nie Benutze Decrese-Key, wenn sich Wert [v] verringert Dtenstrukturen un Algorithmen 16
17 Dijkstr(G,w,s) 1. for ech vertex v V o [v] ; [v] ; π[v] nil. [s] ; S ; Q V 3. while Q o 4. u Extrct-Min(Q) 5. [u] [u]; S S {u} 6. for ech vertex v Aj[u] o. if [v]>[u]+w(u,v) then [v] [u]+w(u,v); π[v] u Dtenstrukturen un Algorithmen 1
18 Dijkstr(G,w,s) 1. for ech vertex v V o [v] ; π[v] nil. [s] ; S ; Q V 3. while Q o 4. u Extrct-Min(Q) 5. S S {u} 6. for ech vertex v Aj[u] o Beochtung: Wir können Feler un urch ein Fel ersetzen, weil nur für Knoten us S enutzt wir un nur für Knoten us V-S.. if [v]>[u]+w(u,v) then [v] [u]+w(u,v); π[v] u Dtenstrukturen un Algorithmen 18
19 Dijkstr(G,w,s) 1. for ech vertex v V o [v] ; π[v] nil. [s] ; S ; Q V 3. while Q o 4. u Extrct-Min(Q) 5. S S {u} 6. for ech vertex v Aj[u] o Hier muß zusätzlich noch eine Decrese-Key Opertion urchgeführt weren, Q ein Min-Hep mit en -Werten er Knoten ls Schlüssel ist.. if [v]>[u]+w(u,v) then [v] [u]+w(u,v); π[v] u Dtenstrukturen un Algorithmen 19
20 s c 5 Dtenstrukturen un Algorithmen
21 s 4 c Dtenstrukturen un Algorithmen 1
22 s s 4 c c Dtenstrukturen un Algorithmen
23 s s 4 c c Dtenstrukturen un Algorithmen 3
24 s 4 c c Dtenstrukturen un Algorithmen 4
25 s 4 c c Dtenstrukturen un Algorithmen 5
26 s 4 c c Dtenstrukturen un Algorithmen 6
27 s 4 c c Dtenstrukturen un Algorithmen
28 s 4 c c Dtenstrukturen un Algorithmen 8
29 c 4 1 s 6 8 c 5 Dtenstrukturen un Algorithmen 9
30 c 4 1 s 6 8 c 5 Dtenstrukturen un Algorithmen 3
31 c 4 1 s 6 8 c 5 Dtenstrukturen un Algorithmen 31
32 c 4 1 s 6 8 c 5 Dtenstrukturen un Algorithmen 3
33 c s 6 8 c 5 Dtenstrukturen un Algorithmen 33
34 c s 6 8 c 5 Dtenstrukturen un Algorithmen 34
35 c s 6 8 c 5 4 Dtenstrukturen un Algorithmen 35
36 c s 6 8 c 5 4 Dtenstrukturen un Algorithmen 36
37 c s 6 8 c 5 4 Dtenstrukturen un Algorithmen 3
38 c s 6 8 c 5 4 Dtenstrukturen un Algorithmen 38
39 c s 6 8 c 5 4 Dtenstrukturen un Algorithmen 39
40 c s 6 8 c 5 4 Dtenstrukturen un Algorithmen 4
41 4 4 1 s 6 8 c 5 4 Dtenstrukturen un Algorithmen 41
42 4 4 1 s 6 8 c 5 4 Dtenstrukturen un Algorithmen 4
43 4 4 1 s 6 8 c 5 4 Dtenstrukturen un Algorithmen 43
44 4 4 1 s 6 8 c 5 4 Dtenstrukturen un Algorithmen 44
45 4 4 1 s 6 8 c 5 4 Dtenstrukturen un Algorithmen 45
46 4 4 1 s 6 8 c 5 4 Dtenstrukturen un Algorithmen 46
47 4 4 1 s 6 8 c 5 4 Dtenstrukturen un Algorithmen 4
48 4 4 1 s 6 8 c Dtenstrukturen un Algorithmen 48
49 4 4 1 s 6 8 c Dtenstrukturen un Algorithmen 49
50 4 4 1 s 6 8 c Dtenstrukturen un Algorithmen 5
51 4 4 1 s 6 8 c Dtenstrukturen un Algorithmen 51
52 4 4 1 s 6 8 c Dtenstrukturen un Algorithmen 5
53 4 4 1 s 6 8 c Dtenstrukturen un Algorithmen 53
54 Dijkstr(G,w,s) 1. for ech vertex v V o [v] ; π[v] nil. [s] ; S ; Q V 3. while Q o 4. u Extrct-Min(Q) 5. S S {u} 6. for ech vertex v Aj[u] o 4 1 s c if [v]>[u]+w(u,v) then [v] [u]+w(u,v); π[v] u Lufzeit: O(( V + E ) log V ) Dtenstrukturen un Algorithmen 54
55 Dijkstrs Algorithmus Kürzeste Wege von einem Knoten un mit positiven Kntengewichten Lufzeit O(( V + E ) log V ) Bessere Lufzeit von O( V log V + E ) möglich mit esseren Prioritätenschlngen Frgen: Ws pssiert ei negtiven Kntengewichten? Wie knn mn s kürzeste Wege Prolem für lle Pre von Knoten effizient lösen? Dtenstrukturen un Algorithmen 55
56 Ds trnsitive Hülle Prolem: Gegeen sei ein gerichteter, ungewichteter Grph G=(V,E) Gesucht: Die trnsitive Hülle G*=(V,E*) von G, woei E*={(u,v): es git Weg von u nch v in G} G G* Dtenstrukturen un Algorithmen 56
57 Trnsitive Hülle: In O( V ²+ V E ) Zeit mit Breiten- oer Tiefensuche von jeem Knoten Geht s uch schneller? Dtenstrukturen un Algorithmen 5
58 Grphen un Mtrixmultipliktion: Sei A ie n n-ajzenzmtrix von Grph G mit Knotenmenge {1,,n} Ws ist A A? Behuptung 14.15: Sei Z= A A. Dnn gilt z >, g..w. es in G einen Pf er Länge von Knoten i zu Knoten j git. ij Dtenstrukturen un Algorithmen 58
59 Behuptung 14.16: Sei Z = A A + A. Dnn gilt, ss z ij >, g..w. es einen Weg er Länge 1 oer von Knoten i zu Knoten j git. Konstruiere Mtrix B mit: =1 z > ij Behuptung 14.1: ij Mtrix B ht einen Weg von Knoten i nch j, g..w. Mtrix A einen solchen Weg ht. Dtenstrukturen un Algorithmen 59
60 Behuptung 14.18: Sei P ein Weg er Länge k>1 in G. Dnn ht P mximl Länge /3 k in em von Mtrix B eschrieenen Grph G. Konsquenz us Beh un 14.18: Wenn wir ie Berechnung von B log n ml iterieren, hen wir ie trnsitive Hülle erechnet 3/ Dtenstrukturen un Algorithmen 6
61 TrnsitiveHülle(A) 1. for i 1 to log n o 3/. Z A A+A 3. for i 1 to n o 4. for j 1 to n o 5. if z ij > then ij 1 else ij 6. A B. return A Dtenstrukturen un Algorithmen 61
62 Stz 14.19: Der Algorithmus TrnsitiveHülle erechnet ie trnsitive Hülle eines Grphen G in O(M(n) log n) Zeit, woei M(n) ie Lufzeit zur Mtrixmultipliktion ezeichnet. Dtenstrukturen un Algorithmen 6
Shortest Path Algorithmus von Edsger Dijkstra
Shortest Pth Algorithmus von Esger Dijkstr Mihel Dienert 16. Dezemer 2010 Inhltsverzeihnis 1 Shortest Pth Algorithmus 1 1.1 Grphen................................. 1 1.2 Knoten..................................
MehrVorlesung 24: Topological Sort 1: Hintergrund. Einführung in die Programmierung. Bertrand Meyer. Topological sort
Einführung in ie Progrmmierung Vorlesung 4: Topologil Sort : Hintergrun Bertrn Meer Letzte Üerreitung 3. Jnur 4 3 Topologil sort 4 Prouziere eine zu einer gegeenen Prtiellen Ornung komptile Vollstänige
MehrDefinition Suffixbaum
Suffix-Bäume Definition Suche nch einer Menge von Mustern Längste gemeinsme Zeichenkette Pltzreduktion Suffixbäume für Muster Alle Pre Suffix-Präfix Übereinstimmung Sich wiederholende Strukturen Definition
MehrAutomaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2012. Sprachen. Grammatiken (Einführung)
Wörter, Grmmtiken und die Chomsky-Hierrchie Sprchen und Grmmtiken Wörter Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 2012 Dr. Snder Bruggink Üungsleitung: Jn Stückrth Alphet Ein
Mehr13 Rekonfigurierende binäre Suchbäume
13 Rekonfigurierende inäre Suchäume U.-P. Schroeder, Uni Pderorn inäräume, die zufällig erzeugt wurden, weisen für die wesentlichen Opertionen Suchen, Einfügen und Löschen einen logrithmischen ufwnd uf.
MehrVorlesung. Einführung in die mathematische Sprache und naive Mengenlehre
Vorlesung Einführung in die mthemtische Sprche und nive Mengenlehre 1 Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johnn-von-Neumnn-Hus Fchschft Menge ller Studenten eines Institutes Fchschftsrt
MehrMotivation. Kap. 4.2 Binäre Suchbäume ff Kap. 4.3: AVL-Bäume. Überblick. Pseudocode von SEARCH. in binären Suchbäumen. in binären Suchbäumen
Kp. 4.2 inäre Schäme ff Kp. 4.: VL-äme Professor r. Lehrsthl für lgorithm Engineering, LS11 Fkltät für Informtik, TU ortmnd Motition Wrm soll ich hete hier leien? lncierte äme rchen Sie immer wieder! Ws
MehrProgrammieren in C/C++ und Matlab
Progrmmieren in C/C und Mtl Sine Schmidt & Sestin Buer Institut für Geowissenschften Christin-Alrechts-Universität zu Kiel Progrmmieren in C/C und Mtl CAU, SS 08 for- / while-schleifen: - numerische Integrlerechnung
MehrDomäne und Bereich. Relationen zwischen Mengen/auf einer Menge. Anmerkungen zur Terminologie. r Relationen auf/in einer Menge.
Reltionen zwischen Mengen/uf einer Menge! Eine Reltion R A B (mit A B) ist eine Reltion zwischen der Menge A und der Menge B, oder uch: von A nch B. Drstellung: c A! Wenn A = B, d.h. R A A, heißt R eine
MehrStabile Hochzeiten wie und warum?
Stile Hohzeiten wie un wrum? Tg er Mthemtik HU erlin 25. pril 2009 Stefn elsner TU erlin, Mthemtik felsner@mth.tu-erlin.e Ws sin stile Hohzeiten? Gegeen: Menge von ruen, M Menge von Männern, = M. Jee Person
MehrDef.: Sei Σ eine Menge von Zeichen. Die Menge Σ* aller Zeichenketten (Wörter) über Σ ist die kleinste Menge, für die gilt:
8. Grundlgen der Informtionstheorie 8.1 Informtionsgehlt, Entropie, Redundnz Def.: Sei Σ eine Menge von Zeichen. Die Menge Σ* ller Zeichenketten (Wörter) über Σ ist die kleinste Menge, für die gilt: 1.
MehrÜbungsblatt Gleichungssysteme Klasse 8
Üungsltt Gleichungsssteme Klsse 8 Auge : Berechne die Lösungen des Gleichungspres: I II 7 Kontrolliere durch Einseten. Auge : Löse dem Additionsverhren: I 7-6 II 9 Auge : Gegeen ist olgendes linere Gleichungssstem
MehrFragebogen 1 zur Arbeitsmappe Durch Zusatzempfehlung zu mehr Kundenzufriedenheit
Teilnehmer/Apotheke/Ort (Zus/1) Frgeogen 1 zur Areitsmppe Durh Zustzempfehlung zu mehr Kunenzufrieenheit Bitte kreuzen Sie jeweils ie rihtige(n) Antwort(en) in en Felern is n! 1. Worin esteht ie Beeutung
MehrSuchen und Sortieren Sortieren. Heaps
Suchen und Heaps (Folie 245, Seite 63 im Skript) 3 7 21 10 17 31 49 28 14 35 24 42 38 Definition Ein Heap ist ein Binärbaum, der die Heapeigenschaft hat (Kinder sind größer als der Vater), bis auf die
MehrTechnische Informatik 2
TiEl-F Sommersemester 24 Technische Informtik 2 (Vorlesungsnummer 2625) 23--- TiEl-F Prof. Dr.-Ing. Jürgen Doneit Zimmer E29 Tel.:73 54 455 doneit@fh-heilronn.de 23--- TiEl-F35 Digitltechnik 23--3- . Digitlschltungen,
MehrEffiziente Algorithmen und Datenstrukturen I. Kapitel 9: Minimale Spannbäume
Effiziente Algorithmen und Datenstrukturen I Kapitel 9: Minimale Spannbäume Christian Scheideler WS 008 19.0.009 Kapitel 9 1 Minimaler Spannbaum Zentrale Frage: Welche Kanten muss ich nehmen, um mit minimalen
Mehredatenq ist eine Anwendung, die den Unternehmen die Möglichkeit bietet, ihre statistischen Meldungen über das Internet auszufüllen und einzureichen.
Mnuell edatenq Fremdenverkehrs- und Gstgeweresttistik Einleitung edatenq ist eine Anwendung, die den Unternehmen die Möglichkeit ietet, ihre sttistischen Meldungen üer ds Internet uszufüllen und einzureichen.
MehrSkript für die Oberstufe und das Abitur 2015 Baden-Württemberg berufl. Gymnasium (AG, BTG, EG, SG, WG)
Sript für die Oerstufe und ds Aitur Bden-Württemerg erufl. Gymnsium (AG, BTG, EG, SG, WG) Mtrizenrechnung, wirtschftliche Anwendungen (Leontief, Mterilverflechtung) und Linere Optimierung Dipl.-Mth. Alexnder
MehrCREATE YOUR OWN PERFUME BUSINESS CONCEPT. Der Duft für Ihr erfolgreiches Business
CREATE YOUR OWN PERFUME BUSINESS CONCEPT Der Duft für Ihr erfolgreihes Business DAS BUSINESS CONCEPT Fszinieren einfh. In wenigen Shritten zum iniviuellsten Weregeshenk er Welt. Wollen Sie sih von Ihren
MehrLösungsskizze zu Übungsblatt Nr. 13
Technische Universität Dortmund Lehrstuhl Informtik VI Prof Dr Jens Teuner Pflichtmodul Informtionssysteme (SS 2013) Prof Dr Jens Teuner Leitung der Üungen: Geoffry Bonnin, Sven Kuisch, Moritz Mrtens,
MehrPublic-Key-Verfahren: Diffie-Hellmann und ElGamal
Westfälische Wilhelms-Universität Münster Ausreitung Pulic-Key-Verfhren: Diffie-Hellmnn und ElGml im Rhmen des Seminrs Multimedi und Grphen WS 2007/2008 Veselin Conev Themensteller: Prof. Dr. Herert Kuchen
MehrDie Regelungen zu den Einsendeaufgaben (Einsendeschluss, Klausurzulassung) finden Sie in den Studien- und Prüfungsinformationen Heft Nr. 1.
Modul : Grundlgen der Wirtschftsmthemtik und Sttistik Kurs 46, Einheit, Einsendeufge Die Regelungen zu den Einsendeufgen (Einsendeschluss, Klusurzulssung) finden Sie in den Studien- und Prüfungsinformtionen
Mehr16. 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
MehrPräfixcodes und der Huffman Algorithmus
Präfixcodes und der Huffmn Algorithmus Präfixcodes und Codebäume Im Folgenden werden wir Codes untersuchen, die in der Regel keine Blockcodes sind. In diesem Fll können Codewörter verschiedene Länge hben
MehrÜbungsblatt 1 zum Propädeutikum
Üungsltt zum Propädeutium. Gegeen seien die Mengen A = {,,,}, B = {,,} und C = {,,,}. Bilden Sie die Mengen A B, A C, (A B) C, (A C) B und geen Sie diese in ufzählender Form n.. Geen Sie lle Teilmengen
MehrBestimmung der Adsorptionsisotherme von Essigsäure an Aktivkohle
S2-Adsorptionsisothermen_UWW rstelldtum 28.3.214 7:41: Üungen in physiklischer Chemie für Studierende der Umweltwissenschften Versuch Nr.: S2 Version 214 Kurzezeichnung: Adsorptionsisotherme estimmung
MehrLösungsskizze zu Übungsblatt Nr. 13
Technische Universität Dortmund Lehrstuhl Informtik VI Prof Dr Jens Teuner Pflichtmodul Informtionssysteme (SS 2014) Prof Dr Jens Teuner Leitung der Üungen: Mrcel Preuß, Sestin Breß, Mrtin Schwitll, Krolin
Mehr13. Binäre Suchbäume
1. Binäre Suchbäume Binäre Suchbäume realiesieren Wörterbücher. Sie unterstützen die Operationen 1. Einfügen (Insert) 2. Entfernen (Delete). Suchen (Search) 4. Maximum/Minimum-Suche 5. Vorgänger (Predecessor),
MehrDas Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
MehrAlgorithmen und Datenstrukturen Suchbaum
Algorithmen und Datenstrukturen Suchbaum Matthias Teschner Graphische Datenverarbeitung Institut für Informatik Universität Freiburg SS 12 Motivation Datenstruktur zur Repräsentation dynamischer Mengen
MehrAufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6
Aufgben zur Vorlesung Anlysis II Prof. Dr. Holger Dette SS 0 Lösungen zu Bltt 6 Aufgbe. Die Funktion f : [, ) R sei in jedem endlichen Teilintervll von [, ) Riemnnintegrierbr. Für n N sei I n := f() d.
MehrIdentifizierbarkeit von Sprachen
FRIEDRICH SCHILLER UNIVERSITÄT JENA Fkultät für Mthemtik und Informtik INSTITUT für INFORMATIK VORLESUNG IM WINTERSEMESTER STOCHASTISCHE GRAMMATIKMODELLE Ernst Günter Schukt-Tlmzzini 06. Quelle: /home/schukt/ltex/folien/sprchmodelle-00/ssm-06.tex
MehrGrundlagen der Technischen Informatik. Bausteine der Digitaltechnik - Binäre Schalter und Gatter. Kapitel 7.1
Busteine er Digitltehnik - Binäre Shlter un Gtter Kpitel 7. Dr.-Ing. Stefn Wilermnn ehrstuhl für rwre-softwre-co-design Entwurfsrum - Astrktionseenen SYSTEM-Eene + MODU-/RT-Eene (Register-Trnsfer) ogik-/gatter-eene
MehrKapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete
Kapitel 4: Dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2012/13 Prof. Dr. Sándor Fekete 4.4 Binäre Suche Aufgabenstellung: Rate eine Zahl zwischen 100 und 114! Algorithmus 4.1 INPUT: OUTPUT:
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,
MehrThema 13 Integrale, die von einem Parameter abhängen, Integrale von Funktionen auf Teilmengen von R n
Them 13 Integrle, die von einem Prmeter bhängen, Integrle von Funktionen uf Teilmengen von R n Wir erinnern drn, dß eine Funktion h : [, b] R eine Treppenfunktion ist, flls es eine Unterteilung x < x 1
MehrHilfsrelais HR 116. Bilfinger Mauell GmbH
Bilfinger Muell GmH Hilfsrelis HR 11 Die Hilfsrelis ienen zur glvnishen Trennung, Kontktvervielfhung un Trennung zwishen Hilfs- un Steuerstromkreisen. Bilfinger Muell GmH Inhltsverzeihnis Inhlt Seite Anwenung
Mehr3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel
3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel EADS 3.1 Konstruktion von minimalen Spannbäumen 16/36
MehrEufic Guide Enfant ALL 14/12/04 15:44 Page 1 10 Tipps für Kids Spiel mit uns! Zur gesundenernährung
Kids Ernährung für Tipps 10 Spiel mit uns! gesunden Zur Weißt du noch, wie du Rd fhren lerntest? Ds Wichtigste dei wr zu lernen ds Gleichgewicht zu hlten. Sold es gefunden wr, konntest du die Pedle gleichmäßig
Mehr1KOhm + - y = x LED leuchtet wenn Schalter x gedrückt ist
. Ohm = LED leuchtet wenn chlter gedrückt ist 2. Ohm = NICH ( = NO ) LED leuchtet wenn chlter nicht gedrückt ist = ist die Negtion von? Gibt es so einen kleinen chlter (Mikrotster)? 2. Ohm = UND LED leuchtet
MehrTeil V: Formale Sprachen
Formle Sprchen Teil V: Formle Sprchen 1. Sprchen und Grmmtiken 2. Endliche Automten Frnz-Josef Rdermcher & Uwe Schöning, Fkultät für Ingeneurwissenschften und Informtik, Universität Ulm, 2008/09 Formle
MehrGrundwissen Mathematik 7I
Winkel m Kreis Grundwissen themtik 7I Rndwinkelstz Der Winkel heißt ittelpunktswinkel über der Sehne []. Die Winkel n sind die Rndwinkel über der Sehne []. lle Rndwinkel über einer Sehne eines Kreises
MehrDatenstruktur, die viele Operationen dynamischer Mengen unterstützt
Algorithmen und Datenstrukturen 265 10 Binäre Suchbäume Suchbäume Datenstruktur, die viele Operationen dynamischer Mengen unterstützt Kann als Wörterbuch, aber auch zu mehr eingesetzt werden (Prioritätsschlange)
MehrOptik. Beugung am Doppelspalt und an Mehrfachspalten. LD Handblätter Physik P5.3.1.2. 0713-Bi. Wellenoptik Beugung. Versuchsziele.
Optik Wellenoptik Beugung LD Hnblätter Physik Beugung m Doppelsplt un n Mehrfchsplten Versuchsziele! Untersuchung er Beugung m Doppelsplt bei verschieenen Spltbstänen.! Untersuchung er Beugung m Doppelsplt
MehrFür den Mathe GK, Henß. - Lineare Algebra und analytische Geometrie -
Für den Mthe GK, Henß - Linere Alger und nlytische Geometrie - Bis uf die Astände ist jetzt lles drin.. Ich h noch ne tolle Seite entdeckt mit vielen Beispielen und vor llem Aufgen zum Üen mit Lösungen..
MehrCanon Nikon Sony. Deutschland 55 45 25. Österreich 40 35 35. Schweiz 30 30 20. Resteuropa 60 40 30 55 45 25 40 35 35 J 30 30 20 60 40 30
15 Mtrizenrechnung 15 Mtrizenrechnung 15.1 Mtrix ls Zhlenschem Eine Internetfirm verkuft über einen eigenen Shop Digitlkmers. Es wird jeweils nur ds Topmodel der Firmen Cnon, Nikon und Sony ngeboten. Verkuft
MehrElemente der Analysis II: Zusammenfassung der wichtigsten Definitionen und Ergebnisse
Elemente der Anlysis II: Zusmmenfssung der wichtigsten Definitionen und Ergebnisse J. Wengenroth Dies ist die einzige zugelssene Formelsmmlung, die bei der Klusur benutzt werden drf. Es dürfen Unterstreichungen
MehrGESTRA SPECTORcom-Gateway. Kessel- und Brennersteuerung Durch das Intranet, Internet oder GSM-Netz ins Kesselhaus
GESTRA -Gtewy - un steuerung Durh s Intrnet, oer GSM-Netz ins hus Die Systemvorteile im einzelnen Mit em -Gtewy ist es GESTRA gelungen, ie Welt er steuerung mit er er Wsserseite zu verinen. Ein kleines,
MehrDie Brückenlappentechnik zum sicheren Verschluss von Nasenseptumdefekten
Die Brückenlppentechnik zum sicheren Verschluss von Nsenseptumdefekten T. Stnge, H.-J. Schultz-Coulon Einleitung Die Rekonstruktion eines defekten Nsenseptums zählt zu den schwierigsten rhinochirurgischen
MehrEinschub: Zahlendarstellung und Codes
Einschu: Zhlendrstellung und Codes (Unvollständige Drstellung) DST SS23 - Codes und KMAPs P. Fischer, TI, Uni Mnnheim, Seite Binärzhlen N-stellige Binärzhl:... Einzelne Stellen heißen Bits (inry digits)
MehrGraphen: Datenstrukturen und Algorithmen
Graphen: Datenstrukturen und Algorithmen Ein Graph G = (V, E) wird durch die Knotenmenge V und die Kantenmenge E repräsentiert. G ist ungerichtet, wenn wir keinen Start- und Zielpunkt der Kanten auszeichnen.
MehrTherapiebegleiter Kopfschmerztagebuch
Vornme & Nchnme Therpieegleiter Kopfschmerztgeuch Liee Ptientin, lieer Ptient, Wie Können sie helfen? Bitte führen Sie regelmäßig euch m esten täglich. Trgen Sie in die Splten die jeweiligen Informtionen
Mehr3 Module in C. 4 Gültigkeit von Namen. 5 Globale Variablen (2) Gültig im gesamten Programm
3 Module in C 5 Glole Vrilen!!!.c Quelldteien uf keinen Fll mit Hilfe der #include Anweisung in ndere Quelldteien einkopieren Bevor eine Funktion us einem nderen Modul ufgerufen werden knn, muss sie deklriert
MehrGrundwissen Abitur Analysis
GYMNASIUM MIT SCHÜLERHEIM PEGNITZ mthem-technolog u sprchl Gmnsium WILHELM-VON-HUMBOLDT-STRASSE 7 9257 PEGNITZ FERNRUF 0924/48333 FAX 0924/2564 Grundwissen Abitur Anlsis Ws sind Potenzfunktion mit ntürlichen
MehrInhaltsverzeichnis. Inhaltsverzeichnis... 1 3.Logik... 2. 3.1 Zahlensysteme... 2. 3.2 Grundbegriffe zweiwertiger Logik... 13
Inhltsverzeichnis Inhltsverzeichnis... 3.Logik... 2 3. Zhlensysteme... 2 3.2 Grundegriffe zweiwertiger Logik... 3 3.3 Rechengesetze für logische Ausdrücke... 9 3.4 Logische Funktionen... 24 3.5 Logische
MehrVorkurs Mathematik Fachhochschule Frankfurt, Fachbereich 2. Fachhochschule Frankfurt am Main Fachbereich Informatik und Ingenieurwissenschaften
Vorkurs Mthemtik Fchhochschule Frnkfurt, Fchereich Fchhochschule Frnkfurt m Min Fchereich Informtik und Ingenieurwissenschften Vorkurs Mthemtik Sie finden lle Mterilien sowie ergänzende Informtionen unter
MehrSTUDIENPLAN ZUM STUDIENGANG BACHELOR VOLKSWIRTSCHAFTSLEHRE UNIVERSITÄT BERN VOM 1. SEPTEMBER 2006
STUDIENPLAN ZUM STUDIENGANG BACHELOR VOLKSWIRTSCHAFTSLEHRE UNIVERSITÄT BERN VOM 1. SEPTEMBER 2006 Die Wirtshfts- un Sozilwissenshftlihe Fkultät er Universität Bern erlässt, gestützt uf Artikel 39 Astz
MehrGroßübung Balkenbiegung Biegelinie
Großüung Bkeniegung Biegeinie Es geen die in der Voresung geroffenen Annhmen: - Der Bken is unese gerde. - Ds eri sei üer den Querschni homogen und iner esisch. - Die Besung erfog durch Biegemomene und
MehrDein Trainingsplan. sportmannschaft. ... und was sonst noch wichtig ist. Deine Zähne sind wie deine. und du bist der Trainer!
hben Freunde Deine Zähne sind wie deine sportmnnschft und du bist der Triner! Und jeder Triner weiß, wie wichtig jeder einzelne Spieler ist eine wichtige und schöne Aufgbe! Drum sei nett zu deinen Zähnen
MehrAVL-Bäume Analyse. Theorem Ein AVL-Baum der Höhe h besitzt zwischen F h und 2 h 1 viele Knoten. Definition Wir definieren die nte Fibonaccizahl:
AVL-Bäume Analyse (Folie 85, Seite 39 im Skript) Theorem Ein AVL-Baum der Höhe h besitzt zwischen F h und 2 h 1 viele Knoten. Definition Wir definieren die nte Fibonaccizahl: 0 falls n = 0 F n = 1 falls
MehrDer Tabelle kann entnommen werden, welche Einschränkungen sich aufgrund der bestehenden Doppelbesteuerungsabkommen
DEPARTEMENT FINANZEN UND RESSOURCEN Kntonles Steuermt Aru, 6. Ferur 2013 MERKBLATT Quellenesteuerung von Hypothekrzinsen n Personen ohne Wohnsitz oer Aufenthlt in er Schweiz ( 124 As. 1 StG un Art. 94
MehrFunktionen und Mächtigkeiten
Vorlesung Funktionen und Mähtigkeiten. Etws Mengenlehre In der Folge reiten wir intuitiv mit Mengen. Eine Menge ist eine Zusmmenfssung von Elementen. Zum Beispiel ist A = {,,,,5} eine endlihe Menge mit
MehrGrundwissen am Ende der Jahrgangsstufe 9. Wahlpflichtfächergruppe II / III
Grundwissen m Ende der Jhrgngsstufe 9 Whlpflichtfächergruppe II / III Funktionsbegriff Gerdengleichungen ufstellen und zu gegebenen Gleichungen die Grphen der Gerden zeichnen Ssteme linerer Gleichungen
Mehr1.2 Der goldene Schnitt
Goldener Schnitt Psclsches Dreieck 8. Der goldene Schnitt Beim Begriff Goldener Schnitt denken viele Menschen n Kunst oder künstlerische Gestltung. Ds künstlerische Problem ist, wie ein Bild wohlproportioniert
MehrLehrgang: Digitaltechnik 1 ( Grundlagen ) - Im Lehrgang verwendete Gatter ( Übersicht ) Seite 3
Lehrgng: Digitltechnik ( Grundlgen ) Dtum: Nme: Seite: Inhltsverzeichnis: Im Lehrgng verwendete Gtter ( Üersicht ) Seite 3 Aufu von Zhlensystemen deziml, dul ( Infoseite ) Seite 4 ( Areitsltt ) Seite 5
MehrDigitaltechnik. 3 Sequenzielle. Schaltungen. Revision 1.1
igitltechnik 3 Sequenzielle Schltungen A Revision 1.1 Trnsitionssysteme Synchroner sequenzieller Entwurf Timing-Anlyse Pipelining Mely und Moore Mschinen Zustndsmschinen in Verilog Sequentielle Schltungen
Mehrc dl SPiC (Teil C, SS 11) 13 Zeiger und Felder 13.1 Zeiger Einführung 13 1 Zeigervariable := Behälter für Verweise ( Adresse) Beispiel int x = 5;
Überblick: Teil C Systemnhe Softwreentwicklung Einordnung: Zeiger (Pointer) Literl: Drstellung eines Wertes 0110 0001 12 Progrmmstruktur und Module Vrible: Bezeichnung chr ; eines Dtenobjekts Behälter
MehrKarlsruher Institut für Technologie
Krlsruher Institut für Technologie Lehrstuhl für Progrmmierprdigmen Sprchtechnologie und Compiler WS 2010/2011 Dozent: Prof. Dr.-Ing. G. Snelting Üungsleiter: Mtthis Brun Lösung zu Üungsltt 1 Ausge: 18.04.2012
MehrSchritte international im Beruf
1 Ws mchen die Leute uf dem Foto? Kreuzen Sie n. Die Leute sind ei der Berufsertung. mchen zusmmen ein Seminr. hen gerde Puse. pnthermedi / Werner H. Wer sind die Leute? Ergänzen Sie. die Referentin /
MehrMy Box - Englischladen
Werbung2011:Lout 1 25.07.2011 07:54 Seite 1 Christin Cech-Melicher M Box - Englischlen Die Englischlen bieten einen spielerischen Zugng zu Rechtschreib- un Grmmtikbereichen, ie besoners legsthenen Lernenen
Mehrwww. line21 Kommunikation Daten- und Telefontechnik über 1 Kabel mit 4 Adern. Kein Problem mit line21 natürlich von Rutenbeck!
Dten- und Telefontechnik üer Kel mit 4 Adern. Kein Prolem mit line ntürlich von Ruteneck! Internet Kom mu ni knt, der; -en, -en [: kirchenlt. communicns (Gen.: communicntis) = Teilnehmer m Aendmhl, zu
MehrTeilfachprüfung Mathematik Studiengang: Wirtschaft Neue Diplomprüfungsordnung (NPO)
Fchhochschule Düsseldorf SS 2007 Teilfchprüfung Mthemtik Studiengng: Wirtschft Neue Diplomprüfungsordnung (NPO) Prüfungsdtum: 29..2007 Prüfer: Prof. Dr. Horst Peters / Dipl. Volkswirt Lothr Schmeink Prüfungsform:
MehrEinführung in Mathcad 14.0 2011 H.
Einführung in Mthc. H. Glvnik Eitieren von Termen Tet schreiben mit Shift " + + Nvigtion mit Leertste un Cursor + Löschen mit Shift + Entf + + 5 sin( ) + Arten von Gleichheitszeichen Definition eines Terms
MehrZ R Z R Z R Z = 50. mit. aus a) Z L R. Wie groß ist der Leistungsfaktor cos der gesamten Schaltung?
Aufge F 99: Drehstromverruher Ein symmetrisher Verruher ist n ds Drehstromnetz ( 0 V, f 50 Hz) ngeshlossen. Die us dem Netz entnommene Wirkleistung eträgt,5 kw ei einem eistungsfktor os 0,7. ) Berehnen
Mehrsolche mit Textzeichen (z.b. A, a, B, b,!) solche mit binären Zeichen (0, 1)
teilung Informtik, Fh Progrmmieren 1 Einführung Dten liegen oft ls niht einfh serier- und identifizierre Dtensätze vor. Stttdessen reräsentieren sie lnge Zeihenketten, z.b. Text-, Bild-, Tondten. Mn untersheidet
Mehr5.3 Dynamisches Sitzen und Stehen
Dynmisches Sitzen und Stehen 5.3 Dynmisches Sitzen und Stehen Test Bewegen Sie sich eim Sitzen und Stehen kontinuierlich um den Mittelpunkt der senkrechten Oerkörperhltung (S. 39) mit neutrler Wirelsäulenschwingung
MehrGetriebe und Übersetzungen Übungsaufgaben
Gewereshule Lörrh Getriee und Üersetzungen Üungsufgen Quelle: Ai-Prüfungen des Lndes Bden-Württeerg 1 HP 1996/97-1 Shiffsufzug Bei der Bergfhrt uss von jeder Motor-Getrieeeinheit eine Krftdifferenz von
MehrWerben auf askenrico
Weren uf skenrico skenrico Ihr Online-Reiseführer für Mitteleurop Unser Online-Reiseführer ht eine rsnte Entwicklung zu verzeichnen. Gegründet Ende 2009, zählt er mit üer 10.000 montlichen Besuchern Mitte
Mehr4 Greedy-Algorithmen (gierige Algorithmen)
Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen werden oft für die exakte oder approximative Lösung von Optimierungsproblemen verwendet. Typischerweise konstruiert ein Greedy-Algorithmus eine
MehrEndliche Automaten. S. Kuske: Endliche Automaten; 6.Novenber 2006
1 Endliche Automten Einfches Modellierungswekzeug (z.b. UML-Sttechrts) Verrbeiten Wörter/Ereignisfolgen Erkennen Sprchen Erluben schnelle Sprcherkennung Anwendungsbereiche: Objektorientierte Modellierung,
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschftsmthemtik für Interntionl Mngement (BA) und Betriebswirtschft (BA) Wintersemester 2013/14 Stefn Etschberger Hochschule Augsburg Mthemtik: Gliederung 1 Aussgenlogik 2 Linere Algebr 3 Linere
MehrSTUDIUM. Mathematische Grundlagen für Betriebswirte
STUDIUM Mthetische Grudlge für Betrieswirte Mit de folgede Aufge köe Sie i eie Selsttest üerprüfe, o Sie och eiigerße die Grudlge der Alger eherrsche. Diese hdwerkliche Fertigkeite sid wesetlich, we es
MehrUNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009
UNIVERSIÄ KARLSRUHE Institut für Anlysis HDoz. Dr. P. C. Kunstmnn Dipl.-Mth. M. Uhl Sommersemester 9 Höhere Mthemti II für die Fchrichtungen Eletroingenieurwesen, Physi und Geodäsie inlusive Komplexe Anlysis
MehrMathematik PM Rechenarten
Rechenrten.1 Addition Ds Pluszeichen besgt, dss mn zur Zhl die Zhl b hinzuzählt oder ddiert. Aus diesem Grunde heisst diese Rechenrt uch Addition. + b = c Summnd plus Summnd gleich Summe Kommuttivgesetz
MehrMillenium 3 Kommunikationsschnittstelle M3MOD Benutzerhandbuch der Betriebsunterlagen 04/2006
Millenium 3 Kommuniktionsshnittstelle M3MOD Benutzerhnuh er Betriesunterlgen 04/2006 160633103 Üerlik Hilfe zur Verwenung er Betriesunterlgen Einleitung Die Betriesunterlgen sin eine von er Progrmmierumgeung
MehrPrüfungsteil Schriftliche Kommunikation (SK)
SK Üerlik und Anforderungen Üerlik und Anforderungen Prüfungsteil Shriftlihe Kommuniktion (SK) Üerlik und Anforderungen Worum geht es? In diesem Prüfungsteil sollst du einen Beitrg zu einem estimmten Them
MehrSuchbäume. Annabelle Klarl. Einführung in die Informatik Programmierung und Softwareentwicklung
Suchbäume Annabelle Klarl Zentralübung zur Vorlesung Einführung in die Informatik: http://www.pst.ifi.lmu.de/lehre/wise-13-14/infoeinf WS13/14 Action required now 1. Smartphone: installiere die App "socrative
MehrWärmedurchgang durch Rohrwände
ämeuchgng uch Rohwäne δ - L Rohlänge Bl: Sonäe ämeleung uch ene enschchge zylnsche n Fü e ämeleung gl llgemen: λ x Fü ene ünne konzensche Schch es Rohes von e Dcke gl: &Q λ Fläche: f(): 2 π L (Mnelfläche)
MehrHamburg Kernfach Mathematik Zentralabitur 2013 Erhöhtes Anforderungsniveau Analysis 2
Hmburg Kernfch Mhemik Zenrlbiur 2013 Erhöhes Anforderungsniveu Anlysis 2 Smrphones Die Mrkeinführung eines neuen Smrphones vom Elekronikherseller PEAR wird ses ufgereg erwre. Zur Modellierung der Enwicklung
Mehr12 Schweißnahtberechnung
225 12 Schweißnherechnung 12 Schweißnherechnung Die Berechnung der ufreenden Spnnungen in Schweißnähen erfolg im Regelfll mi Hilfe der elemenren Gleichungen der esigkeislehre. Auf weierführende Berechnungsverfhren,
MehrDAS JUGENDKONTO, das NICHT NUR AUF
DAS JUGENDKONTO, ds NICHT NUR AUF dein GELD AUFPASST. Hndy oder Lptop 1 Jhr grtis Versichern!* Mitten im Leben. *) Näheres im Folder FÜR ALLE VON 14-19, DIE MITTEN IM LEBEN STEHEN! Mit 14 Lebensjhren mcht
MehrEntscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?
Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum
Mehr1 Kurvendiskussion /40
009 Herbst, (Mthemtik) Aufgbenvorschlg B Kurvendiskussion /0 Gegeben ist eine Funktion f mit der Funktionsgleichung: f ( ) 0 6 = ; mit.. Untersuchen Sie ds Verhlten der Funktionswerte von f im Unendlichen.
MehrNachtrag Nr. 71 a. gemäß 10 Verkaufsprospektgesetz (in der vor dem 1. Juli 2005 geltenden Fassung) Unvollständigen Verkaufsprospekt
London Brnch Nchrg Nr. 71 gemäß 10 Verkufsprospekgesez (in der vor dem 1. Juli 2005 gelenden Fssung) vom 6. Novemer 2006 zum Unvollsändigen Verkufsprospek vom 31. März 2005 üer Zerifike uf * üer FlexInves
MehrDie Philosophisch-historische Fakultät der Universität Bern. erlässt
Stuienpln für s Bhelor- un Mster-Stuienprogrmm Estern Europen Stuies / Osteurop-Stuien / Étues e l Europe orientle er Universität Bern in Zusmmenreit mit er Universität Friourg vom 1. August 2009 Die Philosophish-historishe
MehrSeminar zum anorganisch-chemischen Praktikum. Quantitative Analyse. Patrick Schwarz
Seminr zum norgnisch-chemischen Prktikum Quntittive Anlyse Ptrick Schwrz itertur M. Scheer, J. Wchter Skript zum Prktikum Anorgnische Chemie I, Institut für Anorgnische Chemie der Universität Regensurg
MehrInternationale Ökonomie I Vorlesung 3: Das Riccardo-Modell: Komparative Vorteile und Produktivität (Master)
Interntionle Ökonomie I Vorlesung 3: Ds Riccrdo-Modell: Komprtive Vorteile und Produktivität (Mster) Dr. Dominik Mltritz Vorlesungsgliederung 1. Einführung 2. Der Welthndel: Ein Überblick 3. Ds Riccrdo-Modell:
MehrEinführung in die Schaltalgebra
Einführung in die chltlger GUNDBEGIFFE: - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 2 ECHENEGELN - - - - - - - - - - - - - - - - - - - - - - - -
MehrReinigung 146. Reinigen des Hindernissensors. Reinigung der Projektoroberfläche. Reinigen des Projektionsfensters. Warnung. Warnung.
Reinigung 146 Bei Verschmutzung oder Bildverschlechterung muss der Projektor gereinigt werden. Schlten Sie den Projektor vor der Reinigung us. Reinigung der Projektoroberfläche Reinigen Sie die Projektoroberfläche
Mehr