Übung Algorithmen und Datenstrukturen
|
|
|
- Nadja Seidel
- vor 7 Jahren
- Abrufe
Transkript
1 Übung Algorithmen und Datenstrukturen Sommersemester 2015 Marc Bux, Humboldt-Universität zu Berlin
2 Organisation Vorlesung: Montag Uhr Ulf Leser RUD 26, Mittwoch Uhr Ulf Leser RUD 26, Übung: Montag Uhr Marc Bux RUD 26, Mittwoch Uhr Berit Grußien RUD 26, Mittwoch Uhr Berit Grußien RUD 26, Mittwoch Uhr Marc Bux RUD 26, Donnerstag Uhr Sebastian Wandelt RUD 26, Donnerstag Uhr Sebastian Wandelt RUD 26, Freitag Uhr Jan Sürmeli RUD 26, Freitag Uhr Jan Sürmeli RUD 26, Tutorium: Montag Uhr Michael R. Jung RUD Dienstag Uhr Michael R. Jung RUD Donnerstag Uhr Michael R. Jung RUD Klausur: 11. August und 15. September 2015, jeweils Uhr 2
3 Inhalt dieser Veranstaltung Heute (KW 17): Organisatorisches, Vorbereitung und Besprechung 1. Übungsblatt In KW 19, 21, 23, 25, 27, 29: Pflichttermin Ausgabe und Besprechung von Übungsblatt n in KW n Abgabe und Besprechung der Lösungen von Übungsblatt n in KW n Rückgabe der Lösungen von Übungsblatt n in KW n Pro Aufgabe werden zwei bis drei Studenten zur Vorstellung der Lösung ihrer Gruppe ausgelost Wer mehr als zwei Mal gelost wird und nicht anwesend ist (oder die Lösungen seiner Gruppe nicht präsentieren kann), wird nicht zur Prüfung zugelassen In den Wochen dazwischen: freiwillige Veranstaltung Fragen zu den Übungsaufgaben klären Wiederholungen und Vertiefungen von Themen aus der Vorlesung Wenn anderer Termin besser passt oder eine Übung ausfällt: zu anderer Übung gehen (Ausnahme: Pflichttermine) Website: 3
4 Übungsaufgaben 6 Blätter mit je 50 Punkten Ausgabe mindestens zwei Wochen vor Abgabetermin in GOYA und auf der Webseite Erstes Übungsblatt: Seit 17. April Abgabe des ersten Übungsblatts: Bis 4. Mai Danach alle zwei Wochen Lösungen schriftlicher Aufgaben sind auf Papier mit nach Aufgaben getrennten Blättern abzugeben Abgabe schriftlicher Aufgaben vor der Vorlesung bis 11:10 Uhr Oder vorher im Sekretariat RUD 25, Programmieraufgaben (Java 1.6) sind auf gruenau2 zu testen und in GOYA abzugeben (gleicher Termin wie schriftliche Aufgaben) Namen, Matrikelnummer, Übungsgruppe auf jeder Aufgabe / Abgabe angeben 4
5 Übungsschein Übungsschein = Zulassung zur Prüfung Voraussetzungen für Erhalt: Anmeldung und Gruppenzuweisung in GOYA (wichtige Informationen werden über GOYA verschickt) Jedes Übungsblatt muss bearbeitet werden Insgesamt müssen 50% der Punkte erreicht werden (150 Punkte) Anwesenheit und Beteiligung bei Vorrechnen der Aufgaben Bei vermutetem Abschreiben: 0 Punkte Nicht ausführbare Programmieraufgaben: 0 Punkte 5
6 Übungsgruppen Übungsblätter sind in Gruppen zu bearbeiten Zusammensetzung: zwei Studenten aus der selben Veranstaltung Ziel: Zusammenarbeit fördern und voneinander lernen Beide Mitglieder einer Gruppe müssen Ergebnisse präsentieren können Als Absicherung und um die eigene Abgabe in der Übung parat zu haben: Abgabe kopieren Wenn Übungspartner sich nicht fair beteiligt: früh Bescheid geben Wer Ende der Woche noch keinen Partner hat, bekommt einen zugewiesen Wer hat den Übungsschein bereits? Wer hat noch keinen Übungspartner? 6
7 Agenda 1. Organisatorisches 2. Die Landau-Notation 3. Vorstellung des ersten Übungsblatts 7
8 Zeitkomplexität Ziel: Abschätzung der Anzahl notwendiger Operationen eines Algorithmus als Funktion der Eingabe (üblicherweise) im schlechtesten Fall unabhängig von Hardware und Implementierung Grundidee: Welche Faktoren bestimmen die Laufzeit des Algorithmus, wenn die Eingabe sehr groß wird Nur der größte Faktor (mit dem größten Exponent) ist interessant Konstante (und lineare) Faktoren sind uninteressant 8
9 Die Landau-Notation Seien f und g Funktionen von R 0 + nach R 0 + Wir schreiben f n = Ο(g n ), falls es Zahlen n o und c > 0 gibt, so dass für alle n n 0 gilt: f n c g(n) Bedeutung: f wächst nicht wesentlich (d.h. höchstens um lineare oder konstante Faktoren) schneller als g. Formal bezeichnet Ο g n die Klasse aller Funktionen f, die obige Bedingungen erfüllen Ο g = f: R R c R+ > 0 n 0 R + 0 > 0 0 n n 0 : f n c g(n) Gleichung f n = Ο g n drückt in Wahrheit eine Element- Beziehung f Ο(g n ) aus Ο-Terme können auch auf der linken Seite vorkommen; in diesem Fall wird eine Inklusionsbeziehung ausgedrückt n 2 + Ο n = Ο(n 2 ) steht für die Aussage {n 2 + f f Ο n } Ο n 2 9
10 Die Landau-Notation (2) Definitionen: Ο g = f: R 0 + R 0 + Ω g = f: R 0 + R 0 + Θ g = f: R 0 + R 0 + ο g = f: R 0 + R 0 + ω g = f: R 0 + R 0 + c R + > 0 n 0 R + 0 > 0 n n 0 : f n c g(n) c R + > 0 n 0 R + 0 > 0 n n 0 : f n c g(n) c 1, c 2 R + > 0 n 0 R + 0 > 0 n n 0 : c 1 g n f n c 2 g(n) c R + > 0 n 0 R + 0 > 0 n n 0 : f n < c g(n) c R + > 0 n 0 R + 0 > 0 n n 0 : f n > c g(n) Bedeutung: f wächst... nicht wesentlich schneller als g nicht wesentlich langsamer als g ungefähr genauso schnell wie g wesentlich langsamer als g wesentlich schneller als g 10
11 Beispiel 1 Definitionen (kurz): f n = Ο g n c, n 0 n n 0 : f n c g(n) f n = Ω g n c, n 0 n n 0 : f n c g(n) f n = Θ g n c 1, c 2, n 0 n n 0 : c 1 g n f n c 2 g(n) Funktionen f n = k mit k > 0 g n = 1 Wähle c = k, n 0 = 0 n n 0 : f n c g n da k k 1 f n = Ο g n = Ο(1) n n 0 : f n c g n da k k 1 f n = Ω g n = Ω(1) f n = Θ g n = Θ 1 Konstante Funktionen wachsen alle asymptotisch gleich schnell (nämlich gar nicht) 11
12 Definitionen (kurz): Beispiel 2 f n = Ο g n c, n 0 n n 0 : f n c g(n) f n = Ω g n c, n 0 n n 0 : f n c g(n) f n = Θ g n c 1, c 2, n 0 n n 0 : c 1 g n f n c 2 g(n) Funktionen f n = 3n 5 + 4n g n = n 5 Wähle c = = 22, n 0 = 1 n n 0 : f n c g n da 3n 5 + 4n n 5 für n 1 f n = Ο g n = Ο(n 5 ) Wähle c = 3, n 0 = 1 n n 0 : f n c g n da 3n 5 + 4n n 5 für n 1 f n = Ω g n = Ω(n 5 ) f n = Θ g n = Θ(n 5 ) Allgemein gilt: a k n k + a k 1 n k a 0 = Θ n k für a k > 0 12
13 Definitionen (kurz): Beispiel 2 (2) f n = Ο g n c, n 0 n n 0 : f n c g(n) f n = Ω g n c, n 0 n n 0 : f n c g(n) f n = Θ g n c 1, c 2, n 0 n n 0 : c 1 g n f n c 2 g(n) f n = ο g n c n 0 n n 0 : f n < c g(n) f n = ω g n c n 0 n n 0 : f n > c g(n) Funktionen f n = 3n 5 + 4n g n = n 5 Wähle c = 3 ( c: f n < c g n ) da 3n 5 + 4n > 3 n 5 für n 1 f n ο g n = ο(n 5 ) Wähle c = = 22 ( c: f n > c g n ) da 3n 5 + 4n < 22 n 5 für n 1 f n ω g n = ο(n 5 ) 13
14 Zusammenhänge zwischen Ο, Ω, Θ, ο und ω Definitionen (kurz): f n = Ο g n c, n 0 n n 0 : f n c g(n) f n = Ω g n c, n 0 n n 0 : f n c g(n) f n = ο g n c n 0 n n 0 : f n < c g(n) f n = ω g n c n 0 n n 0 : f n > c g(n) Satz: f Ο g g Ω(f) Beweis: f Ο(g) c n 0 n n 0 : f n c g n für c = 1 und das gleiche n c 0 gilt: n n 0 : g n g Ω f Satz: f ο g Satz: f ο g g ω f f Ω(g) c f(n) Beweis: f ο(g) c n 0 n n 0 : f n < c g n es existiert kein c, so dass für ein n 0 gilt: n n 0 : f n f Ω(g) Satz: f ω g f Ο(g) c g(n) 14
15 Grenzwert als hinreichendes Kriterium Definitionen (kurz): f n = Ο g n c, n 0 n n 0 : f n c g(n) f n = ο g n c n 0 n n 0 : f n < c g(n) Satz: lim f(n) n g(n) < f Ο(g) Funktion im Nenner wächst mindestens so schnell wie im Zähler Satz: lim f(n) n g(n) = 0 f ο(g) Funktion im Nenner wächst schneller als im Zähler Beispiel: f n = 23 g n = log log n f(n) lim n 23 log log n = 0 = lim g(n) n f ο g f Ω(g) und g ω(f) 15
16 Logarithmen und Satz von L Hôpital Logarithmengesetz für Produkte: log b x r = r log b x log a n = log a n log b a log b a = log b a log a n log b a = log b n log b a = 1 log b a log b n Logarithmen zu verschiedenen Basen können mit einem konstanten Faktor ineinander umgerechnet werden log a n = Θ(log b n) Satz von L Hôpital: Seien f und g zwei differenzierbare Funktionen, deren Grenzwerte entweder beide gegen 0 oder beide gegen f n gehen. Dann gilt lim = lim f n (falls der Grenzwert existiert). n g(n) n g (n) Beispiel: f n = log n = log 2 n g n = n lim log n = lim n = n n log n lim n n = lim ln n = lim n ln 2 n n f o g, f Ω(g), g ω(f) 1 n ln n 1 2 = lim n 2 n ln 2 n = lim = 0 n ln 2 n 16
17 Agenda 1. Organisatorisches 2. Die Landau-Notation 3. Vorstellung des ersten Übungsblatts 17
18 Übungsblatt 1 18
19 Konventionen 19
20 Aufgabe 1 20
21 Aufgabe 2 21
22 Beispiele zu Aufgabe 2 f(n) g(n) (f) n 1 2 n 3 4 (g) n + log n 2n (h) 2 n 2 n+1 (i) 2 n 2 2n (j)* 2 n n! 22
23 Aufgabe
24 Aufgabe
25 Aufgabe
26 Aufgabe
27 Ausblick: Nächste Woche Klärung von Fragen zum ersten Übungsblatt Wiederholung und Fortsetzung der Vertiefung der Landau- Notation Weitere Beispielaufgaben (an der Tafel) Vertiefende Wiederholung zu Dynamic Programming Als Vorbereitung auf Übungsblatt 2 Fragen? 27
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 3, Donnerstag 6.
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 3, Donnerstag 6. November 2014 (O-Notation, Theta, Omega) Junior-Prof. Dr. Olaf Ronneberger
WS 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
Algorithmen und Datenstrukturen
1 Algorithmen und Datenstrukturen Wintersemester 2014/15 3. Vorlesung Laufzeitanalyse Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I 2 Recap: Diskutieren Sie mit Ihrer NachbarIn! 1. 2. 3. Was sind
Abgabe: (vor der Vorlesung) Aufgabe 2.1 (P) O-Notation Beweisen Sie die folgenden Aussagen für positive Funktionen f und g:
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 2009 Grundlagen: Algorithmen und Datenstrukturen Übungsblatt 2 Prof. Dr. Helmut Seidl, S. Pott,
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 186.172 Algorithmen und Datenstrukturen 1 VL 4.0 Übungsblatt 1 für die Übung
Kostenmodell. Daniel Graf, Tobias Pröger. 22. September 2016 (aktualisierte Fassung 5 vom 9. Oktober 2016)
Kostenmodell Daniel Graf, Tobias Pröger 22. September 2016 (aktualisierte Fassung 5 vom 9. Oktober 2016) Erklärung: Diese Mitschrift ist als Ergänzung zur Vorlesung gedacht. Wir erheben keinen Anspruch
Algorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Prof. Dr. Ralf Möller Universität zu Lübeck Institut für Informationssysteme Stefan Werner (Übungen) sowie viele Tutoren Teilnehmerkreis und Voraussetzungen Studiengänge
Definition: Unter der n-ten Potenz einer beliebigen reellen Zahl a versteht man das n-fache Produkt von a mit sich selbst
Potenzen mit ganzzahligen Exponenten Definition: Unter der n-ten Potenz einer beliebigen reellen Zahl a versteht man das n-fache Produkt von a mit sich selbst Man schreibt a n = b Dabei heißt a die Basis,
Einführung in die Informatik 2
Einführung in die Informatik 2 Mathematische Grundbegriffe Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 [email protected] Sprechstunde: Freitag, 12:30-14:00 Uhr,
Algorithmen & Datenstrukturen
Algorithmen & Datenstrukturen Prof. Dr. Gerd Stumme Universität Kassel FB Elektrotechnik/Informatik FG Wissensverarbeitung Sommersemester 2009 Ziele der Veranstaltung 1 Kennenlernen grundlegender Algorithmen
Klausur Algorithmen und Datenstrukturen
Technische Universität Braunschweig Sommersemester 2013 IBR - Abteilung Algorithmik Prof. Dr. Sándor Fekete Dr. Christiane Schmidt Stephan Friedrichs Klausur Algorithmen und Datenstrukturen 22.08.2013
Übungen zur Vorlesung MATHEMATIK II
Fachbereich Mathematik und Informatik der Philipps-Universität Marburg Übungen zur Vorlesung MATHEMATIK II Prof. Dr. C. Portenier unter Mitarbeit von Michael Koch Marburg, Sommersemester 2005 Fassung vom
Logik und diskrete Strukturen
Prof. Dr. Institut für Informatik Abteilung I Wintersemester 2012/13 Organisatorisches Vorlesung Dienstag und Donnerstag 10:15 11:45 Uhr (HS 1) und 12:30 14:00 Uhr (HS 2) Vorlesung am Vormittag = Vorlesung
Advanced Topics of Software Engineering. Organisatorische Hinweise
Advanced Topics of Software Engineering Organisatorische Hinweise Prof. Dr. Dr. h.c. Manfred Broy Lehrstuhl Software & Systems Engineering Institut für Informatik Software & Systems Engineering Technische
Operations Research I
Operations Research I Lineare Programmierung Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Sommersemester 2015 Peter Becker (H-BRS) Operations Research I Sommersemester 2015
Übungen zu Grundlagen der Logik in der Informatik - WS15/16
Übungen zu Grundlagen der Logik in der Informatik - WS15/16 1 / 11 Übungen zu Grundlagen der Logik in der Informatik - WS15/16 Donnerstag 14:15-15:45, Cauerstraße 7/9, Raum 0.154-115 Freitag 14:15-15:45,
Kapitel 0: Organisatorisches
Einführung in die Praktische Informatik Wintersemester 2009 / 2010 Kapitel 0: Organisatorisches Prof. Dr. Manfred Reichert Andreas Lanz, Rüdiger Pryss Universität Ulm Institut für Datenbanken und Informationssysteme
Beziehungen zwischen Vektorräumen und ihren Dimensionen
Beziehungen zwischen Vektorräumen und ihren Dimensionen Lineare Algebra I Kapitel 9 20. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz
Software Engineering II Projektorganisation und Management Organisatorische Hinweise
Technische Universität München Software Engineering II Projektorganisation und Management Organisatorische Hinweise Prof. Dr. Dr. h.c. Manfred Broy Agenda Organisatorisches Team Termine Anmeldungen Übungsbetrieb
Algorithmen und Datenstrukturen
Lehrstuhl für Informatik I Algorithmen und Datenstrukturen Wintersemester 2013/14 Organisatorisches Vorlesung: Übungsbetreuung: Übungen: Programmiertutorium: Alexander Wolff (E29) Krzysztof Fleszar (E13)
Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
Algorithmen und Datenstrukturen CS1017
Algorithmen und Datenstrukturen CS1017 Th. Letschert TH Mittelhessen Gießen University of Applied Sciences Organisatorisches und Einführung Lehrpersonal Dozent Dr. Letschert Tutoren Alissia Sauer Jonas
Physik 4: Quantenmechanik, Atomund Kernphysik (Pk 4a/b)
Physik 4: Quantenmechanik, Atomund Kernphysik (Pk 4a/b) Vorlesung Kombibachelor Physik Humboldt-Universität zu Berlin Sommersemester 2014 Martin zur Nedden, Humboldt-Universität zu Belrin Martin zur Nedden
Mathematik für Biologen und Biotechnologen (240109)
Mathematik für Biologen und Biotechnologen (240109) Dr. Matthieu Felsinger Sommersemester 2014 Kontakt Matthieu Felsinger [email protected] Homepage: www.math.uni-bielefeld.de/~matthieu
Komplexität. G. Zachmann Clausthal University, Germany Leistungsverhalten von Algorithmen
lausthal Informatik II Komplexität von Algorithmen. Zachmann lausthal University, ermany [email protected] Leistungsverhalten von Algorithmen Speicherplatzkomplexität: Wird primärer & sekundärer
Einführung in die Praktische Informatik WS 09/10
Einführung in die Praktische Informatik WS 09/10 Prof. Dr. Christian Sengstock Institut für Informatik Neuenheimer Feld 348 69120 Heidelberg http://dbs.ifi.uni-heidelberg.de [email protected]
Praktische Informatik 1
Praktische Informatik 1 Imperative Programmierung und Objektorientierung Karsten Hölscher und Jan Peleska Wintersemester 2011/2012 Session 1 Ziele der Veranstaltung Imperative Programmierung... Konzepte
Einführung in die Programmierung
Einführung in die Programmierung Prof. Dr. Peer Kröger, Janina Bleicher, Florian Richter Ludwig-Maximilians-Universität München, Institut für Informatik, LFE Datenbanksysteme Wintersemester 2016/2017 Peer
Der Primzahlsatz. Es gibt eine Konstante A, so daß f(x) g(x) Ah(x) für alle genügend großen x.
Der Primzahlsatz Zusammenfassung Im Jahr 896 wurde von Hadamard und de la Vallée Poussin der Primzahlsatz bewiesen: Die Anzahl der Primzahlen kleiner gleich verhält sich asymptotisch wie / log. Für ihren
4. Übungsblatt zu Mathematik für Informatiker I, WS 2003/04
4. Übungsblatt zu Mathematik für Informatiker I, WS 2003/04 JOACHIM VON ZUR GATHEN, OLAF MÜLLER, MICHAEL NÜSKEN Abgabe bis Freitag, 14. November 2003, 11 11 in den jeweils richtigen grünen oder roten Kasten
Komplexität von Algorithmen
Komplexität von Algorithmen Prof. Dr. Christian Böhm WS 07/08 in Zusammenarbeit mit Gefei Zhang http://www.dbs.informatik.uni-muenchen.de/lehre/nfinfosw Ressourcenbedarf - Größenordnungen Prozesse verbrauchen
Einführung in die Informatik für Nebenfach. Einleitung
Einführung in die Informatik für Nebenfach Einleitung Organisatorisches, Motivation, Herangehensweise Wolfram Burgard 1 Vorlesung Zeit und Ort: Di+Do 11.00 13.00 Uhr, Gebäude 086, Raum 00-006 Dozent: Prof.
Fortgeschrittene Programmiertechniken
FERNSTUDIUM INFORMATIK an Fachhochschulen Fortgeschrittene Programmiertechniken Studienplan SS 2016 Inhalt Der Modulablauf im Überblick... 1 Ihre Kursbetreuer... 1 Wo finde ich das Lehrmaterial?... 2 Zusatzaufgaben...
Mathematik für Wirtschaftswissenschaftler I
Mathematik für Wirtschaftswissenschaftler I Prof. Dr. Rainer Göb* und Dipl.-Math. Kristina Lurz** Institut für Mathematik Lehrstuhl für Mathematik VIII, Statistik Universität Würzburg Sanderring 2 97070
Kapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
Thomas Markwig. 23. Oktober 2013
Thomas Markwig http://www.mathematik.uni-kl.de/ keilen 23. Oktober 2013 Jede Woche ein Übungsblatt. Aufgaben zu Hause bearbeiten und zur Lösung einreichen. Diskutiert über Lösungsansätze und Lösungen mit
Übungen zur Vorlesung. Maschinelles Lernen. Wintersemester 2011/2012
Prof. Dr. Morik Dortmund, 14. Oktober Allgemeines Übungen zur Vorlesung Maschinelles Lernen Wintersemester 2011/2012 Begleitend zur Vorlesung findet eine Übung statt. Die Teilnahme an der Übung, sowie
Übung Info A. http://www.is.informatik.uni-duisburg.de. Übungsleiter. Informationen (Sprechstunden, Kontaktdaten): André Schaefer Gudrun Fischer
Übung Info A Übungsleiter André Schaefer Gudrun Fischer Informationen (Sprechstunden, Kontaktdaten): http://www.is.informatik.uni-duisburg.de Ziele der Übung Vertiefung der Inhalte der Vorlesung Praktische
Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom
Prof. Dr. M. Kaßmann Fakultät für Mathematik Wintersemester 2011/2012 Universität Bielefeld Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom 27.10.2011 Aufgabe III.1 (4 Punkte) Sei Ω R
Algorithmen und Datenstrukturen 1-1. Seminar -
Algorithmen und Datenstrukturen 1-1. Seminar - Dominic Rose Bioinformatics Group, University of Leipzig Wintersemester 2009/10 Inhalt der ersten beiden Vorlesungen Algorithmenbegriff Komplexität, Asymptotik
Einstieg in die Informatik mit Java
1 / 32 Einstieg in die Informatik mit Java Effizienz Gerd Bohlender Institut für Angewandte und Numerische Mathematik Gliederung 2 / 32 1 Überblick: was ist Effizienz? 2 Landau-Symbole 3 Eier im Korb 4
Programmierung 2. Organisatorisches. Sebastian Hack. Klaas Boesche. Sommersemester 2012. [email protected]. [email protected].
1 Programmierung 2 Organisatorisches Sebastian Hack [email protected] Klaas Boesche [email protected] Sommersemester 2012 2 Wer sind wir? Dozent Assistent Sebastian Hack Gebäude E1 3 Raum
2. Übungsblatt zu Algorithmen II im WS 2016/2017
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders Dr. Christian Schulz, Dr. Simon Gog Michael Axtmann. Übungsblatt zu Algorithmen II im WS 016/017 Aufgabe
Algorithmen und Datenstrukturen. PD Ma&hias Thimm
Algorithmen und Datenstrukturen PD Ma&hias Thimm Modulnummer, Addressaten und Voraussetzungen Modulnummer: 04IN1014 Adressaten: Bachelor Informa:k, 2. Jahr Bachelor Computervisualis:k, 2. Jahr Bachelor
S=[n] Menge von Veranstaltungen J S kompatibel mit maximaler Größe J
Greedy-Strategie Definition Paradigma Greedy Der Greedy-Ansatz verwendet die Strategie 1 Top-down Auswahl: Bestimme in jedem Schritt eine lokal optimale Lösung, so dass man eine global optimale Lösung
Kapitel 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
Datenstrukturen, Algorithmen und Programmierung 2
Datenstrukturen, Algorithmen und Programmierung 2 Professor Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 1. VO SS 2009 14. April 2009 Petra Mutzel Kurzvorstellung
Mathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine Universität Düsseldorf 13. Oktober 2010 Hinweise Internetseite zur Vorlesung: http://blog.ruediger-braun.net Dort können Sie Materialien
Alle bislang betrachteten Sortieralgorithmen hatten (worst-case) Laufzeit Ω(nlog(n)).
8. Untere Schranken für Sortieren Alle bislang betrachteten Sortieralgorithmen hatten (worst-case) Laufzeit Ω(nlog(n)). Werden nun gemeinsame Eigenschaften dieser Algorithmen untersuchen. Fassen gemeinsame
4. DIE ABLEITUNG (DERIVATIVE)
31 Dieses Skript ist ein Auszug mit Lücken aus Einführung in die mathematische Behandlung der Naturwissenschaften I von Hans Heiner Storrer, Birkhäuser Skripten. Als StudentIn sollten Sie das Buch auch
Algorithmische Mathematik und Programmieren
Algorithmische Mathematik und Programmieren Martin Lanser Universität zu Köln WS 2016/2017 Organisatorisches M. Lanser (UzK) Alg. Math. und Programmieren WS 2016/2017 1 Ablauf der Vorlesung und der Übungen
Jeweils am Montag um 18:30 treffen sich Studenten in Seminarraum 3 zum gemeinsamen Lernen.
Jeweils am Montag um 18:30 treffen sich Studenten in Seminarraum 3 zum gemeinsamen Lernen. Betrachtungen zu Sprache, Logik und Beweisen Sprache Wir gehen von unserem Alphabet einigen Zusatzsymbolen aus.
Entscheidungsbäume. 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
Übungsaufgaben zur Analysis
Serie Übungsaufgaben zur Analysis. Multiplizieren Sie folgende Klammern aus: ( + 3y)( + 4a + 4b) (a b )( + 3y 4) (3 + )(7 + y) + (a + b)(3 + ). Multiplizieren Sie folgende Klammern aus: 6a( 3a + 5b c)
Kapitel 9. Komplexität von Algorithmen und Sortieralgorithmen
Kapitel 9 Komplexität von Algorithmen und Sortieralgorithmen Arrays 1 Ziele Komplexität von Algorithmen bestimmen können (in Bezug auf Laufzeit und auf Speicherplatzbedarf) Sortieralgorithmen kennenlernen:
Physik 1: Mechanik, Thermodynamik und Schwingungen (Pk 1)
Physik 1: Mechanik, Thermodynamik und Schwingungen (Pk 1) Vorlesung Kombibachelor Physik Humboldt-Universität zu Berlin Wintersemester 2014/2015 Martin zur Nedden, Stefan Kowarik Humboldt-Universität zu
Vorlesung Berechenbarkeit und Komplexität. Motivation, Übersicht und Organisatorisches
Berechenbarkeit und Komplexität: Motivation, Übersicht und Organisatorisches Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen Berechenbarkeit die absoluten Grenzen
Funktionalgleichungen
Funktionalgleichungen Thomas Peters Thomas Mathe-Seiten www.mathe-seiten.de 10. Mai 2010 Funktionalgleichungen sind Gleichungen, mit denen Funktionen charakterisiert oder bestimmt werden können. In diesem
Probeklausur zur Linearen Algebra II (B2)
Prof. Dr. Salma Kuhlmann Gabriel Lehéricy 12. Juli 2016 Lothar Sebastian Krapp Sommersemester 2016 Probeklausur zur Linearen Algebra II (B2) Klausurnummer: 1 Matrikelnummer: Pseudonym: Aufgabe 1 2 3 erreichte
Angewandte Mathematik: Stochastik Prof. Dr. Reinhard Klein
Angewandte Mathematik: Stochastik Prof. Dr. Reinhard Klein Veranstaltungsbewertung der Fachschaft Informatik 4. September 2015 Abgegebene Fragebögen: 38 1 Bewertung der Vorlesung 1.1 Bitte beurteile die
Höhere Mathematik für Naturwissenschaftler Studienjahr 2016/17
1/37 0. Organisatorisches 2/37 Übung Höhere Mathematik für Naturwissenschaftler Studienjahr 2016/17 Dr. Udo Lorz TU Bergakademie Freiberg Fakultät für Mathematik und Informatik Links zur Vorlesung Website
Übersicht. Datenstrukturen und Algorithmen. Übersicht. Divide-and-Conquer. Vorlesung 9: Quicksort (K7)
Datenstrukturen und Algorithmen Vorlesung 9: (K7) Joost-Pieter Katoen Lehrstuhl für Informatik 2 Software Modeling and Verification Group http://www-i2.rwth-aachen.de/i2/dsal0/ Algorithmus 8. Mai 200 Joost-Pieter
Regulär variierende Funktionen
KAPITEL 4 Regulär variierende Funktionen Unser nächstes Ziel ist es, die Max-Anziehungsbereiche der Extremwertverteilungen zu beschreiben. Dies wird im nächsten Kapitel geschehen. Wir haben bereits gesehen,
1 Grundbegriffe zur Asymptotik
1 Grundbegriffe zur Asymptotik Es hat etwas zutiefst Befriedigendes, auf Fragen exakte Antworten zu geben oder Probleme präzise zu lösen. Es gibt jedoch auch Situationen, in denen Approximationen gefragt
Kapitel 9. Komplexität von Algorithmen und Sortieralgorithmen
1 Kapitel 9 Komplexität von Algorithmen und Sortieralgorithmen Ziele 2 Komplexität von Algorithmen bestimmen können (in Bezug auf Laufzeit und auf Speicherplatzbedarf) Sortieralgorithmen kennenlernen:
Algorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Wintersemester 2012/13 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Programm heute 1 Einführung 2 Mathematische Grundlagen
Evolutionäre Algorithmen. SS 2015 Woche 01
Evolutionäre Algorithmen SS 2015 Woche 01 Inhalt Organisation der Übung Wiederholung Die Komponenten eines EA Zwei Minimal-Beispiele Besprechung des Übungsblatts Das Team Vorlesung Prof. Dr.-Ing. habil.
II. Zeitlicher Ablauf und Fernbleiben an einem Praktikumstermin
Hinweise für die Praktika Physik I, Physik II I. Voraussetzungen zur Teilnahme Die Zugangsvoraussetzungen sind in den Prüfungsordnungen vom 08.06.2011 (bei Studienbeginn ab WS 2011/2012) und 15.09.2015
Technische Universität München Zentrum Mathematik. Übungsblatt 4
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 4 Hausaufgaben Aufgabe 4. Gegeben sei die Funktion f : D R mit f(x) :=
Datenstrukturen und Algorithmen
Datenstrukturen und Algorithmen Sommersemester 2013 1 1 O. Einführung 0.1 Organisatorisches 0.2 Überblick 2 0.1 Organisatorisches DSAL Team Veranstaltungen & Termine Kommunikation Materialien Übungsbetrieb
Höhere Mathematik für Physiker II
Universität Heidelberg Sommersemester 2013 Wiederholungsblatt Übungen zur Vorlesung Höhere Mathematik für Physiker II Prof Dr Anna Marciniak-Czochra Dipl Math Alexandra Köthe Fragen Machen Sie sich bei
Stetigkeit. Kapitel 4. Stetigkeit. Peter Becker (H-BRS) Analysis Sommersemester / 543
Kapitel 4 Stetigkeit Peter Becker (H-BRS) Analysis Sommersemester 2016 254 / 543 Inhalt Inhalt 4 Stetigkeit Eigenschaften stetiger Funktionen Funktionenfolgen und gleichmäßige Konvergenz Umkehrfunktionen
Mathematik für Wirtschaftswissenschaftler. gehalten von Claus Diem
Mathematik für Wirtschaftswissenschaftler gehalten von Claus Diem Übungen Die Seminare / Übungsgruppen / Tutorien finden wöchentlich statt. Alle zwei Wochen am Montag wird ein Übungsblatt ausgegeben. Dies
Kapitel 5 KONVERGENZ
Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz
Vorlesung Formale Aspekte der Software-Sicherheit und Kryptographie Sommersemester 2015 Universität Duisburg-Essen
Vorlesung Formale Aspekte der Software-Sicherheit und Kryptographie Sommersemester 2015 Universität Duisburg-Essen Prof. Barbara König Übungsleitung: Sebastian Küpper Barbara König Form. Asp. der Software-Sicherheit
Einführung in die Betriebswirtschaftslehre (BWL)
Einführung in die Betriebswirtschaftslehre, WS 2016/2017 1 Einführung in die Betriebswirtschaftslehre (BWL) gehalten von Prof. Dr. Harald von Korflesch und Sebastian Eberz im Rahmen des Bachelorstudienangebots
ADS. 1. Vorlesung. Techniken der Programmentwicklung Prof. Dr. Wolfgang Schramm
ADS 1. Vorlesung Techniken der Programmentwicklung Prof. Dr. Wolfgang Schramm 6.10.2016 ORGANISATORISCHES Algorithmen & Datenstrukturen Prof. Dr. Wolfgang Schramm Der Dozent 2 Prof. Dr. Wolfgang Schramm
How To: Bachelor SWT. Heiko Geppert. Fachgruppe Informatik
How To: Bachelor SWT Heiko Geppert Fachgruppe Informatik 12.10.2015 Übersicht Das Studium Das erste Semester Scheine des 1. Semesters Prüfungen Deadlines und Prüfungsordnung LSF und Stundenplan Tipps &
Vorlesung Makroökonomik (früher AVWL II) Wintersemester 2014/15. Prof. Dr. Frank Heinemann AVWL II
Vorlesung Makroökonomik (früher AVWL II) Wintersemester 2014/15 Prof. Dr. Frank Heinemann Seite 1 Einführung Makroökonomie Das spannendste Fach des Grundstudiums? Makro behandelt Grundprobleme der Wirtschaftspolitik,
1. Einführung. Was ist ein Algorithmus (eine Datenstruktur)? Welche Probleme kann man damit lösen? Warum betrachten wir (effiziente) Algorithmen?
1. Einführung Was ist ein Algorithmus (eine Datenstruktur)? Welche Probleme kann man damit lösen? Warum betrachten wir (effiziente) Algorithmen? Wie beschreiben wir Algorithmen? Nach welchen Kriterien
Kapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
2.3 Logarithmus. b). a n = b n = log a. b für a,b 0 ( : gesprochen genau dann bedeutet, dass beide Definitionen gleichwertig sind) Oder log a
2.3 Logarithmus Bsp. Seite 84 mitte: Wie lange muss man Fr. 10 000.- zu 5,1% anlegen, um Fr. 16 000.- zu erhalten? Lösen Sie die Zinseszinsformel nach q n auf Aus q n erfolgt die Berechnung von n mittels
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 186.172 Algorithmen und Datenstrukturen 1 VL 4.0 Übungsblatt 4 für die Übung
Algorithmen und Datenstrukturen Wintersemester 2004/ November T(n) = T(n a) + T(a) + n
Lehrstuhl für Praktische Informatik III Norman May B6, 29, Raum C0.05 68131 Mannheim Telefon: (0621) 181 2517 Email: [email protected] Matthias Brantner B6, 29, Raum C0.05 68131 Mannheim
Theorie der Informatik
Theorie der Informatik 0. Organisatorisches Malte Helmert Gabriele Röger Universität Basel 16. Februar 2015 Organisatorisches Personen Dozenten Prof. Dr. Malte Helmert E-Mail: [email protected] Büro:
Vorlesung: Analysis I für Ingenieure
Vorlesung: Analysis I für Ingenieure Dozent: Dr. Michael Karow Thema: unendliche Reihen Definition. Eine unendliche Reihe ist der Grenzwert einer Folge von Summen: a k = lim k a k, wobei a k C. Falls der
AuD-Tafelübung T-B5b
1. Übung Organisatorisches, Algorithmisches Denken, Grundlagen der Java-Programmierung 25.10.2011 Wer bin ich? Wer seid ihr? Wer bin ich? Euer Tutor ;) Informatik-Student im 2. Semester Euer Hausaufgaben-Korrektor
3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten
Folgerung 3.33 Es sei f : T C in einem Punkt x T Hölder stetig, d.h. es gibt ein C > und ein < α 1 so, dass f(x) f(x ) C x x α für alle x T. Dann gilt lim N S N f(x ) = f(x ). Folgerung 3.34 Es f : T C
Einführung in die Programmierung
Einführung in die Programmierung PD Dr. Peer Kröger, Dr. Andreas Züfle, Daniel Kaltenthaler, Klaus Schmid Ludwig-Maximilians-Universität München, Institut für Informatik, LFE Datenbanksysteme Wintersemester
Formale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz
Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Definition Sei A eine Menge und ɛ A A A eine zweistellige
Grundlagen der Programmkonstruktion (GPK)
1 2014-10-02 Vorbesprechung Herzlich Willkommen zu Grundlagen der Programmkonstruktion () 185.A02, VU, 2.9 ECTS www.complang.tuwien.ac.at/franz/gpk 2 2014-10-02 Vorbesprechung Das Team Vortragende: Jürgen
Kapitel 8. Rekursionsgleichungen. Landau-Symbole. Lösen von Rekursionsgleichungen Allgemeines Iterationsmethode Spezialfälle Erzeugende Funktionen
Rekursionsgleichungen Landau-Symbole Kapitel 8 Lösen von Rekursionsgleichungen Allgemeines Iterationsmethode Spezialfälle Erzeugende Funktionen Kapitel 8 Rekursionsgleichungen p./42 Landau-Symbole () Modellierung
11. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 200/ 2.0.-28.0. Aufgabe G (Grenzwertberechnung)
Rückblick auf die letzte Vorlesung. Bemerkung
Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D
Übersicht. Datenstrukturen und Algorithmen Vorlesung 5: Rekursionsgleichungen (K4) Übersicht. Binäre Suche. Joost-Pieter Katoen. 20.
Übersicht Datenstrukturen und Algorithmen Vorlesung 5: (K4) Joost-Pieter Katoen Lehrstuhl für Informatik 2 Software Modeling and Verification Group http://www-i2.informatik.rwth-aachen.de/i2/dsal12/ 20.
Klausur Mathematik 1
Mathematik für Ökonomen SS 2009 Campus Duisburg U. Herkenrath/H. Hoch, Fachbereich Mathematik Klausur Mathematik 1 28. Juli 2009, 08:30 10:30 Uhr (120 Minuten) Erlaubte Hilfsmittel: Nur reine Schreib-
Diskrete Strukturen Tutorium I 29. Oktober Tim Weißker
Diskrete Strukturen Tutorium I 29. Oktober 2015 Tim Weißker Willkommen Chennaiyin FC vs. Athlético de Kolkata, Chennai, Indien (Oktober 2015) 2 Diskrete Strukturen - Tutorium I Willkommen Chennaiyin FC
6 Reelle und komplexe Zahlenfolgen
Mathematik für Physiker I, WS 200/20 Freitag 0.2 $Id: folgen.tex,v. 200/2/06 :2:5 hk Exp $ $Id: reihen.tex,v. 200/2/0 4:4:40 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Cauchyfolgen Wir kommen nun
2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
