3. Problemlösen durch Suche
|
|
- Katrin Amsel
- vor 8 Jahren
- Abrufe
Transkript
1 3. Problemlösen durch Suche Problemlösende Agenten sind zielorientierte Agenten. Zielformulierung Fokussierung des möglichen Verhaltens unter Berücksichtigung der aktuellen Situation Problemformulierung Wie sehen Zustände aus? Welche Aktionen sind relevant? Problemlösung Inspektion möglicher Aktionsfolgen (Lösungen) und Selektion der besten Lösung, Ausführung der entsprechenden Aktionen Einf. in die KI 3 1
2 Problemlösende Agenten (2) Ein einfacher problemlösender Agent: function SIMPLE-PROBLEM-SOLVING-AGENT( p) returns an action inputs: p, a percept static: s, an action sequence, initially empty state, some description of the current world state g, a goal, initially null problem, a problem formulation state UPDATE-STATE(state, p) if s is empty then g FORMULATE-GOAL(state) problem FORMULATE-PROBLEM(state, g) s SEARCH( problem) action RECOMMENDATION(s, state) s REMAINDER(s, state) return action Einf. in die KI 3 2
3 Problemformulierung Beschreibung der Zustände Wichtig: nur die relevanten Aspekte Abstraktion Beschreibung der Aktionen, die Zustände ineinander überführen Formulierung des Ziels bestimmte Eigenschaften von Zuständen Bestimmung des Problemtyps, der abhängig ist vom Wissen über Weltzustände und Aktionen Zustände im Suchraum Bestimmung der Suchkosten und der Ausführungskosten (Pfadkosten) Die Problemformulierung ist für die Problemlösung entscheidend. Einf. in die KI 3 3
4 Beispiel für eine Problemformulierung Gegeben ein n n Brett, bei dem an den beiden diagonal gegenüberliegenden Ecken je ein Feld entfernt wurde (hier 8 8). Ziel: Das Brett mit Dominosteinen, die jeweils zwei benachbarte Felder überdecken, so belegen, dass alle Felder abgedeckt werden. Ziel, Zustandsraum, Aktionen, Vorgehen bei der Suche Einf. in die KI 3 4
5 Einf. in die KI 3 5
6 Alternative Problemformulierung Frage: Kann man ein Brett, auf dem es n 2 /2 schwarze und n 2 /2 2 weiße Felder gibt, mit Dominosteinen, die jeweils ein weißes und ein schwarzes Feld überdecken, so belegen, daß alle Felder abgedeckt sind? Einf. in die KI 3 6
7 Problemformulierung für die Staubsaugerwelt Einf. in die KI 3 7
8 Problemformulierung für die Staubsaugerwelt (2) Zustandsraum: Der Staubsauger befindet sich in einem der beiden Räume. Jeder Raum kann schmutzig sein oder nicht. 8 Weltzustände Aktionen: links (L), rechts(r), saugen(s) Ziel: kein Schmutz in den Räumen Pfadkosten: pro Aktion 1 Einheit Einf. in die KI 3 8
9 Problemtypen Einzustandsproblem vollständiges Zustandswissen, vollständiges Aktionswissen der Agent weiß immer, in welchem Zustand er sich befindet Mehrzustandsproblem unvollständiges Zustandswissen, vollständiges Aktionswissen oder vollständiges Zustandswissen, unvollständiges Aktionswissen der Agent weiß, in welcher Klasse von Zuständen er sich befindet Kontingenzproblem es ist unmöglich, eine Sequenz von Aktionen zur Lösung des Problems zu finden ohne zur Ausführungszeit Informationen über Zwischenzustände einzuholen Explorationsproblem Zustandsraum und Effekte der Aktionen sind nicht bekannt Einf. in die KI 3 9
10 Die Staubsaugerwelt als Einzustandsproblem Falls die Umgebung zugänglich ist, weiß der Staubsauger immer, wo er ist und wo es schmutzig ist. Problemlösen bedeutet dann, einen Pfad vom Anfangszustand zu einem Zielzustand zu finden. Einf. in die KI 3 10
11 L R L R S S L R R L R R L L S S S S L R L R S S Zustände: Die Welt -Zustände 1 8 Einf. in die KI 3 11
12 Die Staubsaugerwelt als Mehrzustandsproblem Falls die Umgebung unzugänglich aber deterministisch ist, weiß der Staubsauger zwar nicht, in welchem Zustand er sich befindet; trotzdem kann er das Problem lösen. Zustände: Teilmenge der Potenzmenge der Welt -Zustände 1 8 Einf. in die KI 3 12
13 L R L R S S L R S R L S S R L L R S R S L Einf. in die KI 3 13
14 Probleme und Lösungen (1) datatype PROBLEM components: initial-state, operators, goal-test, path-cost-function Zustände: Beschreibung durch entsprechende Merkmale Anfangszustände Operatoren Beschreibung von Zustandsübergängen (z.b. durch zweistellige Relationen auf der Zustandsmenge; im Idealfall: Funktionen) Aufbau des Zustandsraums Zieltest Beschreibung des Zielkriteriums in Form relevanter Merkmale Einf. in die KI 3 14
15 Pfad Probleme und Lösungen (2) Sequenz von Operatoren, die von einem Zustand zu einem anderen führen Pfadkosten Kostenfunktion über Pfade, i.d.r. Summe der Kosten der einzelnen Operatoren des Pfades (Qualitätsmaß für Lösungen) Lösung Pfad von einem Anfangs- zu einem Zielzustand Suchkosten Zeit- und Speicherbedarf, der nötig ist, um eine Lösung zu finden Gesamtkosten = Suchkosten + Pfadkosten Abwägung (trade-off ) Qualität vs. Aufwand Einf. in die KI 3 15
16 Beispiel: 8er-Puzzle Start State Goal State Einf. in die KI 3 16
17 Beispiel: 8er-Puzzle (2) Zustände: Beschreibung der Lage der 8 Zahlenkästchen und des Leerkästchens Operatoren: Verschieben des Leerkästchens nach links, rechts, oben, unten Zieltest: Entspricht der aktuelle Zustand dem rechten Bild? Pfadkosten: Jeder Schritt kostet eine Einheit Einf. in die KI 3 17
18 Beispiel: 8-Damen-Problem Zieltest: 8 Damen auf dem Brett, keine angreifbar Pfadkosten: 0 (nur die Lösung interessiert) Einf. in die KI 3 18
19 Beispiel: 8-Damen-Problem (2) Darstellung 1 Zustände: beliebige Anordnung von 0 8 Damen Operatoren: setze eine der Damen aufs Brett 64 8 Pfade zu untersuchen Darstellung 2 Zustände: Anordnung von 0 8 Damen in unangreifbarer Position Operatoren: setze eine der Damen soweit wie möglich links unangreifbar aufs Brett sehr viel weniger Pfade (2057), aber u.u. keine Aktion möglich Darstellung 3 Zustände: 8 Damen auf dem Brett, eine in jeder Spalte Operatoren: verschiebe eine angegriffene Dame in derselben Spalte (auf eine unangreifbare Position) Einf. in die KI 3 19
20 Beispiel: Missionare und Kannibalen Informelle Problembeschreibung: An einem Fluss haben sich 3 Kannibalen und 3 Missionare getroffen, die alle den Fluss überqueren wollen. Es steht ein Boot zur Verfügung, das maximal zwei Leute aufnehmen kann. Es darf nie die Situation eintreten, dass an einem Ufer mehr Kannibalen als Missionare weilen. Finde eine Aktionsfolge, die alle ans andere Ufer bringt. Dieses Beispiel wurde in der ersten Veröffentlichung über Problemformulierungen verwendet [Amarel 68]. Einf. in die KI 3 20
21 Beispiele für reale Probleme Routenplanung Systemunterstützte Reiseplanung, Flugroutenplanung Travelling Salesman Problem Rundreise, bei der jede Stadt genau einmal besucht werden muss VLSI Design Problem der möglichst effizienten Anordnung von Komponenten auf einem Chip Roboter Navigation Schwierigkeit nimmt mit der Anzahl der Freiheitsgrade extrem zu Typische Probleme: z.b. Fehler bei Wahrnehmungen, unbekannte Umgebungen Montageplanung Planung des Zusammenbaus von komplexen Werkstücken Einf. in die KI 3 21
22 Suche Schrittweise Entwicklung partieller Lösungen (Operatorfolgen): Ausgehend vom Anfangszustand werden Zustände so lange expandiert (d.h. es werden mögliche Folgezustände erzeugt), bis ein Zielzustand erreicht ist. Aufbau eines Suchbaumes function GENERAL-SEARCH( problem, strategy) returns a solution, or failure initialize the search tree using the initial state of problem loop do if there are no candidates for expansion then return failure choose a leaf node for expansion according to strategy if the node contains a goal state then return the corresponding solution else expand the node and add the resulting nodes to the search tree end Einf. in die KI 3 22
23 Suchbäume Suchbäume repräsentieren Ausschnitte aus dem Zustandsraum. Suchknoten Wurzel des Suchbaumes (repräsentiert den Startzustand) Blätter Zustände, die (noch) keine Nachfolger haben Kanten repräsentieren Operatoren Vorsicht: Zustände sollten möglichst nicht mehrmals in Knoten des Suchbaumes vorkommen. Einf. in die KI 3 23
24 Datenstrukturen datatype NODE components: state, parent-node, operator, depth, path-cost Zustand der entsprechende Zustand aus dem Zustandsraum Elternknoten Vorgänger -Knoten Operator der Operator, durch den der Knoten erzeugt wurde Tiefe Anzahl der Knoten auf dem Pfad von der Wurzel zum Knoten Pfadkosten Pfadkosten bis zum Knoten Einf. in die KI 3 24
25 Algorithmus Die Suchstrategie bestimmt, welcher Knoten als nächster expandiert wird. Die Menge der Knoten, die noch expandiert werden können, ist als Schlange (queue) organisiert. Operationen: make-queue(elem) empty?(queue) remove-front(queue) queuing-fn(elem,queue) Erzeugen einer Schlange Leerabfrage Abtrennen und Zurückgeben des ersten Elementes Einfügen neuer Elemente Suchstrategie Einf. in die KI 3 25
26 der uninformierten oder blinden Suche: Suchstrategien keine Information über die Anzahl der Schritte oder die Pfadkosten vom aktuellen Knoten bis zu einem Zielknoten Breitensuche uniforme Kostensuche Tiefensuche tiefenbeschränkte Suche iterative Tiefenssuche bidirektionale Suche im Unterschied dazu: informierte oder heuristische Suche. Einf. in die KI 3 26
27 Kriterien Vollständigkeit: Wird immer eine Lösung gefunden, sofern es eine gibt? Zeitkomplexität: Wie lange dauert es, bis eine Lösung gefunden ist? Platzkomplexität: Wieviel Speicherplatz benötigt die Suche? Optimalität: Findet das Verfahren immer die beste Lösung? Einf. in die KI 3 27
28 Breitensuche (1) Expansion der Wurzel Expansion aller Nachfolger der Wurzel Expansion aller Knoten der Tiefe d vor denen der Tiefe d + 1 function BREADTH-FIRST-SEARCH (problem) returns a solution or failure return GENERAL-SEARCH(problem,ENQUEUE-AT-END) Einf. in die KI 3 28
29 Breitensuche (2) Breitensuche ist eine systematische Suchstrategie. Eigenschaften: Vollständigkeit Breitensuche findet immer eine Lösung, falls eine existiert. Optimalität Breitensuche findet immer die naheliegendste Lösung. Die gefundene Lösung ist immer die beste, vorausgesetzt die Pfadkosten sind eine nicht fallende Funktion der Knotentiefe (z.b. alle Operatoren sind gleich teuer). Einf. in die KI 3 29
30 Breitensuche (3) Aufwand b der maximale Vezweigungsfaktor (branching factor), d.h. eine Expansion erzeugt maximal b Folgeknoten. d Tiefe des Lösungspfades. Maximale Anzahl zu expandierender Knoten: exponentieller Aufwand: O(b d ). 1 + b + b 2 + b b d Einf. in die KI 3 30
31 Breitensuche (4) Beispiel Angenommen: b = Knoten / sec können expandiert und getestet werden jeder Knoten benötigt 100 Bytes Depth Nodes Time Memory millisecond 100 bytes seconds 11 kilobytes 4 11, seconds 1 megabyte minutes 111 megabytes hours 11 gigabytes days 1 terabyte years 111 terabytes years 11,111 terabytes Einf. in die KI 3 31
32 Beispiel: Routenplanung (1) Oradea Neamt Zerind Arad Iasi Sibiu Fagaras Vaslui Timisoara Rimnicu Vilcea Lugoj Pitesti Mehadia Urziceni Hirsova Dobreta Craiova Bucharest Giurgiu Eforie Einf. in die KI 3 32
33 function GENERAL-SEARCH( problem, QUEUING-FN) returns a solution, or failure nodes MAKE-QUEUE(MAKE-NODE(INITIAL-STATE[problem])) loop do if nodes is empty then return failure node REMOVE-FRONT(nodes) if GOAL-TEST[problem] applied to STATE(node) succeeds then return node nodes QUEUING-FN(nodes, EXPAND(node, OPERATORS[problem])) end function BREADTH-FIRST-SEARCH (problem) returns a solution or failure return GENERAL-SEARCH(problem,ENQUEUE-AT-END) Einf. in die KI 3 33
34 Beispiel: Routenplanung (2) (a) The initial state Arad (b) After expanding Arad Arad Sibiu Timisoara Zerind (c) After expanding Sibiu Arad Sibiu Timisoara Zerind Arad Fagaras Oradea Rimnicu Vilcea Einf. in die KI 3 34
35 Breitensuche (5) Breitensuche verwendet keine Zusatzinformation über die Nähe eines Knotens zu einem Zielknoten. Einf. in die KI 3 35
36 Uniforme Kostensuche (1) Die naheliegendste Lösung ist nicht immer die beste. Uniforme Kostensuche ist eine Modifikation der Breitensuche, die immer den Knoten n mit den geringsten Pfadkosten g(n) expandiert. Einf. in die KI 3 36
37 S 0 S A B C S S A B 5 G A B C 5 15 G 11 S 15 5 C (a) (b) A B C G G Breitensuche entspricht der uniformen Kostensuche für den Fall g(n) = DEPTH(n) Einf. in die KI 3 37
38 Uniforme Kostensuche (2) Uniforme Kostensuche findet immer die günstigste Lösung, falls g(nachfolger(n)) g(n) für alle n Gibt es Operatoren mit negativen Kosten, liefert nur eine erschöpfende Suche die optimale Lösung. Einf. in die KI 3 38
39 Beispiel: Routenplanung (3) Arad Oradea 71 Neamt Zerind Sibiu 99 Fagaras 80 Timisoara Rimnicu Vilcea 111 Lugoj 70 Mehadia 75 Dobreta 120 Craiova Pitesti Bucharest 90 Giurgiu 87 Iasi Urziceni Vaslui Hirsova 86 Eforie Straight line distance to Bucharest Arad 366 Bucharest 0 Craiova 160 Dobreta 242 Eforie 161 Fagaras 178 Giurgiu 77 Hirsova 151 Iasi 226 Lugoj 244 Mehadia 241 Neamt 234 Oradea 380 Pitesti 98 Rimnicu Vilcea 193 Sibiu 253 Timisoara 329 Urziceni 80 Vaslui 199 Zerind 374 Pfadkosten? Einf. in die KI 3 39
40 Tiefensuche (1) Expansion der Wurzel Expansion eines Nachfolgers der Wurzel Expansion von Knoten maximaler Tiefe Einf. in die KI 3 40
41 Tiefensuche (2) function DEPTH-FIRST-SEARCH (problem) return returns a solution or failure GENERAL-SEARCH(problem,ENQUEUE-AT-FRONT) Eigenschaften: Vollständigkeit Tiefensuche ist nicht vollständig. Optimalität Tiefensuche findet i.a. nicht die beste Lösung. Aufwand Speicherplatz wird nur für einen Pfad benötigt (und die nicht expandierten Knoten). bei Verzweigungsfaktor b und maximaler Tiefe m ist der Speicheraufwand O(b m), der Zeitaufwand O(b m ) Einf. in die KI 3 41
42 Tiefensuche (3) Für Probleme mit vielen Lösungen ist Tiefensuche i.d.r. besser geeignet als Breitensuche. Tiefensuche ist ungeeignet, wenn die maximale Tiefe sehr groß werden kann. Einf. in die KI 3 42
43 Tiefenbeschränkte Suche (1) Die maximale Pfadlänge wird fest vorgegeben. Für die Routenplanung mit n Städten reicht eine maximale Tiefe von n 1 aus, um eine Lösung zu finden. Einf. in die KI 3 43
44 Oradea Neamt Zerind Arad Iasi Sibiu Fagaras Vaslui Timisoara Rimnicu Vilcea Lugoj Pitesti Mehadia Urziceni Hirsova Dobreta Craiova Bucharest Giurgiu Eforie Einf. in die KI 3 44
45 Tiefenbeschränkte Suche (2) Im Beispiel: erreichen. Jede Stadt ist von jeder anderen aus in höchstens 9 Schritten zu Bestimme den Durchmesser des Problems. Eigenschaften: Tiefenbeschränkte Suche ist vollständig, aber nicht optimal. Zeit- und Speicheraufwand entsprechen den Aufwänden bei der Tiefensuche. Achtung: vollständig. Bei zu klein gewählter Maximaltiefe ist das Verfahren nicht mehr Einf. in die KI 3 45
46 Iterative Tiefensuche (1) Iterative Tiefensuche (Iterative Deepening) umgeht das Problem, die richtige Tiefenbeschränkung zu finden dadurch, daß alle möglichen Schranken nacheinander ausprobiert werden. Einf. in die KI 3 46
47 Limit = 0 Limit = 1 Limit = 2 Limit = 3... Einf. in die KI 3 47
48 function ITERATIVE-DEEPENING-SEARCH( problem) returns a solution sequence inputs: problem, a problem for depth 0 to do if DEPTH-LIMITED-SEARCH( problem, depth) succeeds then return its result end return failure Einf. in die KI 3 48
49 Iterative Tiefensuche (2) Iterative Tiefensuche kombiniert Tiefen- und Breitensuche. Das Verfahren ist optimal und vollständig. Frage: Wird durch die zusätzlichen Expansionen der Aufwand erheblich erhöht? Iterative Tiefensuche: (d + 1)1 + (d)b + (d 1)b b d 2 + 2b d 1 + 1b d Breitensuche: 1 + b + b 2 + b b d 1 + b d kein großer Unterschied! Einf. in die KI 3 49
50 Beispiel: b = 10, d = 5 Breitensuche: = Iterative Tiefensuche: = Einf. in die KI 3 50
51 Iterative Tiefensuche (3) Für b = 10 expandiert Iterative Tiefensuche nur 11% mehr Knoten als Breitensuche. Der Speicheraufwand ist jedoch erheblich niedriger. Zeitaufwand: O(b d ) Speicheraufwand: O(b d) Iterative Tiefensuche ist besonders geeignet bei großen Suchräumen und unbekannter maximaler Suchtiefe. Einf. in die KI 3 51
52 Bidirektionale Suche Start Goal Einf. in die KI 3 52
53 Bidirektionale Suche (2) Es werden zwei Suchbäume gleichzeitig entwickelt. Eine Lösung ist gefunden, wenn beide Bäume ein Blatt gemeinsam haben. Vielversprechend: Ist der Verzweigungsfaktor für beide Richtungen gleich, reduziert sich der Aufwand erheblich: Für eine Lösung der Tiefe d ist der Aufwand O(2 b d/2 ) = O(b d/2 ). Beispiel: Für b = 10 und d = 6 erzeugt Breitensuche Knoten, Bidirektionale Suche dagegen nur Hier werden beide Bäume nur bis zur Tiefe 3 entwickelt. Einf. in die KI 3 53
54 Bidirektionale Suche (3) Rückwärts suchen heißt, Vorgänger von Knoten erzeugen. Sind die Operatoren umkehrbar? Häufig gibt es sehr viele Zielzustände, die nur unvollständig beschrieben sind. Symmetrie? Gibt es effiziente Verfahren zum Testen, ob sich ein erzeugter Knoten bereits im anderen Suchbaum befindet? Welche Suchverfahren sollen jeweils gewählt werden? Um festzustellen, ob eine Lösung gefunden wurde, müssen die Knoten eines Baumes gespeichert werden. Speicheraufwand: O(b d/2 ) Einf. in die KI 3 54
55 Vergleich der Suchstrategien Kriterien: Vollständigkeit Zeitkomplexität Platzkomplexität Optimalität Einf. in die KI 3 55
56 Vergleich der Suchstrategien (2) Criterion Breadth- Uniform- Depth- Depth- Iterative Bidirectional First Cost First Limited Deepening (if applicable) Time b d b d b m b l b d b d/2 Space b d b d bm bl bd b d/2 Optimal? Yes Yes No No Yes Yes Complete? Yes Yes No Yes, if l d Yes Yes b: Verzweigungsfaktor d: Tiefe m: maximale Tiefe l: Tiefenbeschränkung Einf. in die KI 3 56
57 Wiederholungen (1) Bei manchen Suchproblemen sind mehrfache Vorkommen desselben Knotens im Suchbaum nicht möglich. Jeder Zustand kann nur auf genau eine Weise erreicht werden (z.b. 8-Damen-Problem). Häufig sind jedoch Wiederholungen kaum zu vermeiden, z.b. dann, wenn Operatoren reversibel sind (z.b. bei Routenplanung). Suchbäume mit unendlicher Tiefe A A B B B C C C C C D Einf. in die KI 3 57
58 Wiederholungen (2) Selbst bei endlichen Suchbäumen kann das Erkennen von Wiederholungen die Suchkosten erheblich reduzieren. Beispiel: (vgl. Abb.) Bei m + 1 Zuständen, wobei m die maximale Tiefe ist, enthält der Baum alle möglichen Pfade durch den Suchraum, d.h. 2 m Verzweigungen. Vermeidung von Wiederholungen Erzeuge keinen Knoten, der dem Elternknoten entspricht. Vermeide Pfade mit Zyklen. Erzeuge nur neue Knoten Speichern aller Knoten O(s) (s = # Zustände im Zustandsraum) Verwendung von Hashtabellen schneller Zugriff Einf. in die KI 3 58
59 Zusammenfassung Adäquate Ziel- und Problemformulierung sind für das Problemlösen entscheidend. Ein Problem hat fünf Komponenten: Zustandsraum, Anfangszustand, Operatoren, Zieltest, Pfadkosten. Ein Pfad vom Anfangszustand zu einem Zielzustand ist eine Lösung. Für reale Anwendungsszenarien ist diese zustandsbasierte Modellierung sehr häufig adäquat. Es existiert ein allgemeiner Suchalgorithmus. Die vorgestellten Suchverfahren sind Varianten dieses Algorithmus. Differenzierung durch unterschiedliche Such-Strategien. Suchverfahren werden nach den Kriterien Vollständigkeit, Optimalität, Zeit- und Platzkomplexität beurteilt. Einf. in die KI 3 59
Heuristische Suche. Uninformierte (blinde) Suchverfahren. erzeugen systematisch neue Knoten im Suchbaum und führen jeweils den Zieltest durch;
Heuristische Suche Uninformierte (blinde) Suchverfahren erzeugen systematisch neue Knoten im Suchbaum und führen jeweils den Zieltest durch; verwenden keine problemspezifische Zusatzinformation. Informierte
MehrIntelligente Systeme
Intelligente Systeme Heuristische Suchalgorithmen Prof. Dr. R. Kruse C. Braune {rudolf.kruse,christian.braune}@ovgu.de Institut für Intelligente Kooperierende Systeme Fakultät für Informatik Otto-von-Guericke-Universität
MehrWissensbasierte Systeme 3. Problemlösen durch Suche
Wissensbasierte Systeme 3. Problemlösen durch Suche Problemlösende Agenten, Problemformulierungen, Suchstrategien Michael Beetz Plan-based Robot Control 1 Inhalt 3.1 Problemlösende Agenten 3.2 Problemformulierungen
MehrKünstliche Intelligenz
Künstliche Intelligenz Vorlesung 3: Suchverfahren Informierte Suche 1/78 WIEDERHOLUNG Bislang uninformierte Strategien BFS, DFS, Iteratives Vertiefen, Bidirektionale Suche Wichtige Begriffe: Suchraum,
MehrIntelligente Systeme
Intelligente Systeme Heuristische Suchalgorithmen Prof. Dr. R. Kruse. raune. Doell {kruse,cbraune,doell}@iws.cs.uni-magdeburg.de Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik Otto-von-Guericke
MehrZustände und Knoten. Vorgänger Information: Tiefe = 4 ΣKosten=4 Expandiert: ja. Zustand Aktion: right. Aktion: down
Zustände und Knoten Zustände: Schnappschüsse der Welt Knoten: Datenobjekte, welche Zustände repräsentieren und weitere Information enthalten Vorgängerknoten (im Baum 1) Nachfolgerknoten (im Baum b) mit
MehrÜbersicht. Künstliche Intelligenz: 3. Problemlösen durch Suche Frank Puppe 1
Übersicht I Künstliche Intelligenz II Problemlösen 3. Problemlösen durch Suche 4. Informierte Suchmethoden 5. Constraint-Probleme 6. Spiele III Wissen und Schlußfolgern IV Logisch Handeln V Unsicheres
MehrKünstliche Intelligenz
Künstliche Intelligenz Vorlesung 4: Suchverfahren Informierte Suche 1/135 WIEDERHOLUNG BISLANG... Uninformierte Strategien: bearbeiten den Suchraum systematisch, aber ohne problemspezifisches Wissen ab.
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
MehrEinfacher Problemlösungsagent. Übersicht. Begriffsdefinitionen für Einfach-Probleme
Übersicht I Künstliche Intelligenz II Problemlösen 3. Problemlösen durch Suche 4. Informierte Suchmethoden 5. Constraint-Probleme 6. Spiele III Wissen und Schlußfolgern IV Logisch Handeln V Unsicheres
MehrSuche in Spielbäumen Spielbäume Minimax Algorithmus Alpha-Beta Suche. Suche in Spielbäumen. KI SS2011: Suche in Spielbäumen 1/20
Suche in Spielbäumen Suche in Spielbäumen KI SS2011: Suche in Spielbäumen 1/20 Spiele in der KI Suche in Spielbäumen Spielbäume Minimax Algorithmus Alpha-Beta Suche Einschränkung von Spielen auf: 2 Spieler:
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 5. Klassische Suche: Beispiele von Zustandsräumen Malte Helmert Universität Basel 7. März 2014 Suchprobleme: Überblick Kapitelüberblick klassische Suche: 3. 5. Einführung
MehrInformierte Suchverfahren
Informierte Suchverfahren Für größere Suchbäume sind Breiten- und Tiefesuche nicht effizient genug. Vielversprechender sind Ansätze, bei denen Problemwissen zur Steuerung des Suchprozesses eingesetzt wird.
MehrStartzustand. Mögliche heuristische Funktionen:
Informierte Suchverfahren Für größere Suchbäume sind Breiten- und Tiefensuche nicht effizient genug. Vielversprechender sind Ansätze, bei denen Problemwissen zur Steuerung des Suchprozesses eingesetzt
MehrVortrag. Suchverfahren der Künstlichen Intelligenz. Sven Schmidt (Technische Informatik)
Vortrag Suchverfahren der Künstlichen Intelligenz Sven Schmidt (Technische Informatik) Suchverfahren der Künstlichen Intelligenz Grundlagen Zustandsraumrepräsentation Generische Suche Bewertung von Suchstrategien
Mehr13.1 Einführung Einführung. Grundlagen der Künstlichen Intelligenz Gierige Bestensuche 13.3 A Weighted A. 13.
Grundlagen der Künstlichen Intelligenz 31. März 2014 13. Klassische Suche: Gierige Bestensuche, A, Weighted A Grundlagen der Künstlichen Intelligenz 13. Klassische Suche: Gierige Bestensuche, A, Weighted
MehrBinäre Bäume. 1. Allgemeines. 2. Funktionsweise. 2.1 Eintragen
Binäre Bäume 1. Allgemeines Binäre Bäume werden grundsätzlich verwendet, um Zahlen der Größe nach, oder Wörter dem Alphabet nach zu sortieren. Dem einfacheren Verständnis zu Liebe werde ich mich hier besonders
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
MehrKapiteltests zum Leitprogramm Binäre Suchbäume
Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm
Mehr4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.
Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel
MehrWissensbasierte Systeme
WBS3 Slide 1 Wissensbasierte Systeme Sebastian Iwanowski FH Wedel Kap. 3: Algorithmische Grundlagen der KI WBS3 Slide 2 Suchstrategien Warum sind Suchstrategien so wichtig in Wissensbasierten Systemen?
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
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
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
Mehr15 Optimales Kodieren
15 Optimales Kodieren Es soll ein optimaler Kodierer C(T ) entworfen werden, welcher eine Information (z.b. Text T ) mit möglichst geringer Bitanzahl eindeutig überträgt. Die Anforderungen an den optimalen
MehrDatenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen
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),
MehrWissensbasierte Systeme
WBS5 Slide 1 Wissensbasierte Systeme Vorlesung 5 vom 17.11.2004 Sebastian Iwanowski FH Wedel WBS5 Slide 2 Wissensbasierte Systeme 1. Motivation 2. Prinzipien und Anwendungen 3. Logische Grundlagen 4. Suchstrategien
MehrIntelligente Systeme
Intelligente Systeme Heuristische Suchalgorithmen Prof. Dr. R. Kruse C. Braune C. Moewes {kruse,cmoewes,russ}@iws.cs.uni-magdeburg.de Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik
MehrKapitel 3: Problemformulierungen in der KI. oder das Problem ist die halbe Lösung
Kapitel 3: Problemformulierungen in der KI oder das Problem ist die halbe Lösung Lernziele: eine Struktur für die Definition eines problemlösenden Agenten kennen die wichtige Rolle von Abstraktionen in
MehrAlgorithmen & Datenstrukturen 1. Klausur
Algorithmen & Datenstrukturen 1. Klausur 7. Juli 2010 Name Matrikelnummer Aufgabe mögliche Punkte erreichte Punkte 1 35 2 30 3 30 4 15 5 40 6 30 Gesamt 180 1 Seite 2 von 14 Aufgabe 1) Programm Analyse
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
MehrUnterscheidung: Workflowsystem vs. Informationssystem
1. Vorwort 1.1. Gemeinsamkeiten Unterscheidung: Workflowsystem vs. Die Überschneidungsfläche zwischen Workflowsystem und ist die Domäne, also dass es darum geht, Varianten eines Dokuments schrittweise
MehrIdee: Wenn wir beim Kopfknoten zwei Referenzen verfolgen können, sind die Teillisten kürzer. kopf Eine Datenstruktur mit Schlüsselwerten 1 bis 10
Binäre Bäume Bäume gehören zu den wichtigsten Datenstrukturen in der Informatik. Sie repräsentieren z.b. die Struktur eines arithmetischen Terms oder die Struktur eines Buchs. Bäume beschreiben Organisationshierarchien
Mehr3.2 Binäre Suche. Usr/local/www/ifi/fk/menschen/schmid/folien/infovk.ppt 1
3.2 Binäre Suche Beispiel 6.5.1: Intervallschachtelung (oder binäre Suche) (Hier ist n die Anzahl der Elemente im Feld!) Ein Feld A: array (1..n) of Integer sei gegeben. Das Feld sei sortiert, d.h.: A(i)
MehrHandbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken
Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Dateiname: ecdl5_01_00_documentation_standard.doc Speicherdatum: 14.02.2005 ECDL 2003 Basic Modul 5 Datenbank - Grundlagen
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)
MehrGuten Morgen und Willkommen zur Saalübung!
Guten Morgen und Willkommen zur Saalübung! 1 Wie gewinnt man ein Spiel? Was ist ein Spiel? 2 Verschiedene Spiele Schach, Tic-Tac-Toe, Go Memory Backgammon Poker Nim, Käsekästchen... 3 Einschränkungen Zwei
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
MehrProgrammierkurs Java
Programmierkurs Java Dr. Dietrich Boles Aufgaben zu UE16-Rekursion (Stand 09.12.2011) Aufgabe 1: Implementieren Sie in Java ein Programm, das solange einzelne Zeichen vom Terminal einliest, bis ein #-Zeichen
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:
MehrFolge 19 - Bäume. 19.1 Binärbäume - Allgemeines. Grundlagen: Ulrich Helmich: Informatik 2 mit BlueJ - Ein Kurs für die Stufe 12
Grundlagen: Folge 19 - Bäume 19.1 Binärbäume - Allgemeines Unter Bäumen versteht man in der Informatik Datenstrukturen, bei denen jedes Element mindestens zwei Nachfolger hat. Bereits in der Folge 17 haben
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
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
MehrVirtueller Seminarordner Anleitung für die Dozentinnen und Dozenten
Virtueller Seminarordner Anleitung für die Dozentinnen und Dozenten In dem Virtuellen Seminarordner werden für die Teilnehmerinnen und Teilnehmer des Seminars alle für das Seminar wichtigen Informationen,
MehrKünstliches binäres Neuron
Künstliches binäres Neuron G.Döben-Henisch Fachbereich Informatik und Ingenieurwissenschaften FH Frankfurt am Main University of Applied Sciences D-60318 Frankfurt am Main Germany Email: doeben at fb2.fh-frankfurt.de
MehrKapitel 6. Komplexität von Algorithmen. Xiaoyi Jiang Informatik I Grundlagen der Programmierung
Kapitel 6 Komplexität von Algorithmen 1 6.1 Beurteilung von Algorithmen I.d.R. existieren viele Algorithmen, um dieselbe Funktion zu realisieren. Welche Algorithmen sind die besseren? Betrachtung nicht-funktionaler
MehrSuche schlecht beschriftete Bilder mit Eigenen Abfragen
Suche schlecht beschriftete Bilder mit Eigenen Abfragen Ist die Bilderdatenbank über einen längeren Zeitraum in Benutzung, so steigt die Wahrscheinlichkeit für schlecht beschriftete Bilder 1. Insbesondere
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
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
MehrIn diesem Tutorial lernen Sie, wie Sie einen Termin erfassen und verschiedene Einstellungen zu einem Termin vornehmen können.
Tutorial: Wie erfasse ich einen Termin? In diesem Tutorial lernen Sie, wie Sie einen Termin erfassen und verschiedene Einstellungen zu einem Termin vornehmen können. Neben den allgemeinen Angaben zu einem
MehrAlbert HAYR Linux, IT and Open Source Expert and Solution Architect. Open Source professionell einsetzen
Open Source professionell einsetzen 1 Mein Background Ich bin überzeugt von Open Source. Ich verwende fast nur Open Source privat und beruflich. Ich arbeite seit mehr als 10 Jahren mit Linux und Open Source.
MehrDER SELBST-CHECK FÜR IHR PROJEKT
DER SELBST-CHECK FÜR IHR PROJEKT In 30 Fragen und 5 Tipps zum erfolgreichen Projekt! Beantworten Sie die wichtigsten Fragen rund um Ihr Projekt für Ihren Erfolg und für Ihre Unterstützer. IHR LEITFADEN
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Dipl. Inform. Andreas Wilkens 1 Organisatorisches Freitag, 05. Mai 2006: keine Vorlesung! aber Praktikum von 08.00 11.30 Uhr (Gruppen E, F, G, H; Vortestat für Prototyp)
MehrKapitalerhöhung - Verbuchung
Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.
MehrInhalt. 1 Einleitung AUTOMATISCHE DATENSICHERUNG AUF EINEN CLOUDSPEICHER
AUTOMATISCHE DATENSICHERUNG AUF EINEN CLOUDSPEICHER Inhalt 1 Einleitung... 1 2 Einrichtung der Aufgabe für die automatische Sicherung... 2 2.1 Die Aufgabenplanung... 2 2.2 Der erste Testlauf... 9 3 Problembehebung...
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
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2006 3. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Algorithmen für Graphen Fragestellungen: Suche
MehrDie Post hat eine Umfrage gemacht
Die Post hat eine Umfrage gemacht Bei der Umfrage ging es um das Thema: Inklusion Die Post hat Menschen mit Behinderung und Menschen ohne Behinderung gefragt: Wie zufrieden sie in dieser Gesellschaft sind.
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?
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
Mehr4. Lernen von Entscheidungsbäumen. Klassifikation mit Entscheidungsbäumen. Entscheidungsbaum
4. Lernen von Entscheidungsbäumen Klassifikation mit Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch /Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse zugeordnet werden.
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
Mehr1 Einleitung. Lernziele. Symbolleiste für den Schnellzugriff anpassen. Notizenseiten drucken. eine Präsentation abwärtskompatibel speichern
1 Einleitung Lernziele Symbolleiste für den Schnellzugriff anpassen Notizenseiten drucken eine Präsentation abwärtskompatibel speichern eine Präsentation auf CD oder USB-Stick speichern Lerndauer 4 Minuten
MehrDie Lernumgebung des Projekts Informationskompetenz
Beitrag für Bibliothek aktuell Die Lernumgebung des Projekts Informationskompetenz Von Sandra Merten Im Rahmen des Projekts Informationskompetenz wurde ein Musterkurs entwickelt, der den Lehrenden als
MehrInternet Explorer Version 6
Internet Explorer Version 6 Java Runtime Ist Java Runtime nicht installiert, öffnet sich ein PopUp-Fenster, welches auf das benötigte Plugin aufmerksam macht. Nach Klicken auf die OK-Taste im PopUp-Fenster
MehrProgrammiertechnik II
Bäume Symboltabellen Suche nach Werten (items), die unter einem Schlüssel (key) gefunden werden können Bankkonten: Schlüssel ist Kontonummer Flugreservierung: Schlüssel ist Flugnummer, Reservierungsnummer,...
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
MehrSummenbildung in Bauteiltabellen mit If Then Abfrage
Summenbildung in Bauteiltabellen mit If Then Abfrage Die in Bauteiltabellen ausgelesenen Werte lassen sich in jeder Spalte als Summe berechnen. So können selbstverständlich die Flächen der in der Tabelle
MehrAZK 1- Freistil. Der Dialog "Arbeitszeitkonten" Grundsätzliches zum Dialog "Arbeitszeitkonten"
AZK 1- Freistil Nur bei Bedarf werden dafür gekennzeichnete Lohnbestandteile (Stundenzahl und Stundensatz) zwischen dem aktuellen Bruttolohnjournal und dem AZK ausgetauscht. Das Ansparen und das Auszahlen
MehrWhitebox-Tests: Allgemeines
-Tests: Allgemeines Andere Bezeichnungen Logic driven, Strukturelles Der Tester entwickelt Testfälle aus einer Betrachtung der Ablauflogik des Programms unter Berücksichtigung der Spezifikation Intuitiv
Mehr9 Auto. Rund um das Auto. Welche Wörter zum Thema Auto kennst du? Welches Wort passt? Lies die Definitionen und ordne zu.
1 Rund um das Auto Welche Wörter zum Thema Auto kennst du? Welches Wort passt? Lies die Definitionen und ordne zu. 1. Zu diesem Fahrzeug sagt man auch Pkw oder Wagen. 2. kein neues Auto, aber viel billiger
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrWissensbasierte Systeme 5. Constraint Satisfaction Probleme
Wissensbasierte Systeme 5. Constraint Satisfaction Probleme Michael Beetz Vorlesung Wissensbasierte Systeme 1 Inhalt 5.1 Begriffe 5.2 Constraint Satisfaction in Linienbildern 5.3 Beispielanwendungen 5.4
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Dipl. Inform. Andreas Wilkens aw@awilkens.com Überblick Grundlagen Definitionen Elementare Datenstrukturen Rekursionen Bäume 2 1 Datenstruktur Baum Definition eines Baumes
MehrBranch-and-Bound. Wir betrachten allgemein Probleme, deren Suchraum durch Bäume dargestellt werden kann. Innerhalb des Suchraums suchen wir
Effiziente Algorithmen Lösen NP-vollständiger Probleme 289 Branch-and-Bound Wir betrachten allgemein Probleme, deren Suchraum durch Bäume dargestellt werden kann. Innerhalb des Suchraums suchen wir 1.
MehrSoftware-Engineering SS03. Zustandsautomat
Zustandsautomat Definition: Ein endlicher Automat oder Zustandsautomat besteht aus einer endlichen Zahl von internen Konfigurationen - Zustände genannt. Der Zustand eines Systems beinhaltet implizit die
MehrSharePoint Demonstration
SharePoint Demonstration Was zeigt die Demonstration? Diese Demonstration soll den modernen Zugriff auf Daten und Informationen veranschaulichen und zeigen welche Vorteile sich dadurch in der Zusammenarbeit
MehrDie Dateiablage Der Weg zur Dateiablage
Die Dateiablage In Ihrem Privatbereich haben Sie die Möglichkeit, Dateien verschiedener Formate abzulegen, zu sortieren, zu archivieren und in andere Dateiablagen der Plattform zu kopieren. In den Gruppen
MehrArge Betriebsinformatik GmbH & Co.KG, CAP News 40, Februar 2013. CAP-News 40
CAP-News 40 CAP-News ist in unrägelmäßigen Abständen erscheinende Information zum Produktkonfigurator CAP/VARIANTS. Hier werden die neuen Befehle, Funktionen und Möglichkeiten beschrieben. In CAP-News
MehrSecond Steps in eport 2.0 So ordern Sie Credits und Berichte
Second Steps in eport 2.0 So ordern Sie Credits und Berichte Schritt 1: Credits kaufen, um Zugangscodes generieren zu können Wählen Sie Credits verwalten und klicken Sie auf Credits kaufen. Geben Sie nun
Mehr1. Software installieren 2. Software starten. Hilfe zum Arbeiten mit der DÖHNERT FOTOBUCH Software
1. Software installieren 2. Software starten Hilfe zum Arbeiten mit der DÖHNERT FOTOBUCH Software 3. Auswahl 1. Neues Fotobuch erstellen oder 2. ein erstelltes, gespeichertes Fotobuch laden und bearbeiten.
MehrDatensicherung. Beschreibung der Datensicherung
Datensicherung Mit dem Datensicherungsprogramm können Sie Ihre persönlichen Daten problemlos Sichern. Es ist möglich eine komplette Datensicherung durchzuführen, aber auch nur die neuen und geänderten
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
MehrIhre Interessentendatensätze bei inobroker. 1. Interessentendatensätze
Ihre Interessentendatensätze bei inobroker Wenn Sie oder Ihre Kunden die Prozesse von inobroker nutzen, werden Interessentendatensätze erzeugt. Diese können Sie direkt über inobroker bearbeiten oder mit
MehrSoftware Engineering Klassendiagramme Assoziationen
Software Engineering Klassendiagramme Assoziationen Prof. Adrian A. Müller, PMP, PSM 1, CSM Fachbereich Informatik und Mikrosystemtechnik 1 Lesen von Multiplizitäten (1) Multiplizitäten werden folgendermaßen
MehrStep by Step Webserver unter Windows Server 2003. von Christian Bartl
Step by Step Webserver unter Windows Server 2003 von Webserver unter Windows Server 2003 Um den WWW-Server-Dienst IIS (Internet Information Service) zu nutzen muss dieser zunächst installiert werden (wird
MehrAnwendungsbeispiele. Neuerungen in den E-Mails. Webling ist ein Produkt der Firma:
Anwendungsbeispiele Neuerungen in den E-Mails Webling ist ein Produkt der Firma: Inhaltsverzeichnis 1 Neuerungen in den E- Mails 2 Was gibt es neues? 3 E- Mail Designs 4 Bilder in E- Mails einfügen 1 Neuerungen
MehrFachbericht zum Thema: Anforderungen an ein Datenbanksystem
Fachbericht zum Thema: Anforderungen an ein Datenbanksystem von André Franken 1 Inhaltsverzeichnis 1 Inhaltsverzeichnis 1 2 Einführung 2 2.1 Gründe für den Einsatz von DB-Systemen 2 2.2 Definition: Datenbank
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:
MehrDatenübernahme von HKO 5.9 zur. Advolux Kanzleisoftware
Datenübernahme von HKO 5.9 zur Advolux Kanzleisoftware Die Datenübernahme (DÜ) von HKO 5.9 zu Advolux Kanzleisoftware ist aufgrund der von Update zu Update veränderten Datenbank (DB)-Strukturen in HKO
MehrWoraus besteht ein Bild? 28.02.2008 (c) Winfried Heinkele 2006 2
Woraus besteht ein Bild? 28.02.2008 (c) Winfried Heinkele 2006 2 Was ist ein Pixel? Die durch das Objektiv einer Kamera auf einen Film oder einen elektronischen Bildsensor projizierte Wirklichkeit ist
MehrEinen Wiederherstellungspunktes erstellen & Rechner mit Hilfe eines Wiederherstellungspunktes zu einem früheren Zeitpunkt wieder herstellen
Einen Wiederherstellungspunktes erstellen & Rechner mit Hilfe eines Wiederherstellungspunktes zu einem früheren Zeitpunkt wieder herstellen 1 Hier einige Links zu Dokumentationen im WEB Windows XP: http://www.verbraucher-sicher-online.de/node/18
MehrTutorium Algorithmen & Datenstrukturen
June 16, 2010 Binärer Baum Binärer Baum enthält keine Knoten (NIL) besteht aus drei disjunkten Knotenmengen: einem Wurzelknoten, einem binären Baum als linken Unterbaum und einem binären Baum als rechten
MehrKleines Handbuch zur Fotogalerie der Pixel AG
1 1. Anmelden an der Galerie Um mit der Galerie arbeiten zu können muss man sich zuerst anmelden. Aufrufen der Galerie entweder über die Homepage (www.pixel-ag-bottwartal.de) oder über den direkten Link
MehrNicht über uns ohne uns
Nicht über uns ohne uns Das bedeutet: Es soll nichts über Menschen mit Behinderung entschieden werden, wenn sie nicht mit dabei sind. Dieser Text ist in leicht verständlicher Sprache geschrieben. Die Parteien
MehrWasserfall-Ansätze zur Bildsegmentierung
Wasserfall-Ansätze zur Bildsegmentierung von Philipp Jester Seminar: Bildsegmentierung und Computer Vision 16.01.2006 Überblick 1. Problemstellung 2. Wiederholung: Wasserscheiden-Ansätze 3. Der Wasserfall-Ansatz
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
Mehr! " # $ " % & Nicki Wruck worldwidewruck 08.02.2006
!"# $ " %& Nicki Wruck worldwidewruck 08.02.2006 Wer kennt die Problematik nicht? Die.pst Datei von Outlook wird unübersichtlich groß, das Starten und Beenden dauert immer länger. Hat man dann noch die.pst
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
Mehr