Nachklausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13)

Ähnliche Dokumente
Klausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13)

Bäume und Wälder. Definition 1

Übungsblatt 6. Vorlesung Theoretische Grundlagen der Informatik im WS 16/17

KAPITEL 3 MATCHINGS IN BIPARTITEN GRAPHEN

Bipartite Graphen. Beispiele

Musterlösung zur Hauptklausur Theoretische Grundlagen der Informatik Wintersemester 2013/14

Klausur Algorithmen und Datenstrukturen II 29. Juli 2013

Probleme aus NP und die polynomielle Reduktion

Übungsblatt 2 - Lösung

Das Heiratsproblem. Definition Matching

Lösungsvorschläge Blatt Z1

Felix Brandt, Jan Johannsen. Vorlesung im Wintersemester 2008/09

Klausur Algorithmen und Datenstrukturen II 10. August 2015

Klausur Algorithmen und Datenstrukturen

Klausur zur Vorlesung Grundbegriffe der Informatik 5. März 2014

Durchschnitt von Matroiden

Universität des Saarlandes

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)

Algorithmen II Vorlesung am

Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen

Grundlagen der Graphentheorie. Thomas Kamps 6. Oktober 2008

5. Musterlösung. Problem 1: Vitale Kanten * ω(f) > ω(f ). (a) Untersuchen Sie, ob es in jedem Netzwerk vitale Kanten gibt.

Stefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie

Verteilen von Bällen auf Urnen

Effiziente Algorithmen I

Wiederholung zu Flüssen

3. Musterlösung. Problem 1: Boruvka MST

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt

(Prüfungs-)Aufgaben zur Berechenbarkeits- und Komplexitätstheorie

Hauptklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2011/2012

Maike Buchin 18. Februar 2016 Stef Sijben. Probeklausur. Theoretische Informatik. Bearbeitungszeit: 3 Stunden

Theoretische Informatik: Berechenbarkeit und Formale Sprachen

Kombinatorische Optimierung

1. Klausur zur Vorlesung Informatik III Wintersemester 2004/2005

Klausur Theoretische Informatik I WS 2004/2005

Graphentheorie. Eulersche Graphen. Eulersche Graphen. Eulersche Graphen. Rainer Schrader. 14. November Gliederung.

Kombinatorische Optimierung

Lösungen zur 1. Klausur. Einführung in Berechenbarkeit, formale Sprachen und Komplexitätstheorie

Klausur. Diskrete Mathematik I. Donnerstag, den um 14 Uhr

Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 6: Matchings und TSP-Problem

Übung zur Vorlesung Berechenbarkeit und Komplexität

Grundbegriffe der Informatik

Minimal spannende Bäume

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 6: Graphentheorie

Formale Grundlagen der Informatik

Näherungsalgorithmen (Approximationsalgorithmen) WiSe 2006/07 in Trier. Henning Fernau Universität Trier

Studientag zur Algorithmischen Mathematik

Wie findet man den optimalen Weg zum Ziel? Klassische Probleme der Kombinatorischen Optimierung

Das Briefträgerproblem

1. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2009/2010

Die Komplexität von Domino

Ausarbeitung über den Satz von Menger und den Satz von König

Minimal spannender Baum

Guten Morgen und Willkommen zur Saalübung!

Fünf-Farben-Satz. Seminar aus reiner Mathematik, WS 13/14. Schweighofer Lukas, November Seite 1

Vorlesung Informatik 2 Algorithmen und Datenstrukturen

Überblick. TSP Vergleich der Lösungen. Das Travelling Salesman Problem. Nearest-Neighbor Heuristik für TSP

Kap. 7.1 Heuristiken Kap. 7.2 Approximative Algorithmen und Gütegarantien

WS 2009/10. Diskrete Strukturen

Algorithmen & Komplexität

2. Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung

ADS: Algorithmen und Datenstrukturen 2

Kapitel 5: Minimale spannende Bäume Gliederung der Vorlesung

Aufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1

1. Einleitung wichtige Begriffe

3. Musterlösung. Problem 1: Heapsort

Übungsblatt Nr. 5. Lösungsvorschlag

Grundbegriffe der Informatik

Das Postsche Korrespondenzproblem

Theoretische Informatik: Berechenbarkeit und Formale Sprachen

Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen

Teil III. Komplexitätstheorie

DAP2-Klausur

Kapitel 3: Berechnungstheorie Gliederung

3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel

Algorithmen und Datenstrukturen 2

Matchings (Paarungen) in Graphen. PS Algorithmen auf Graphen SS `06 Steven Birr

Das Steinerbaumproblem

WS 2009/10. Diskrete Strukturen

Fachwissenschaftliche Grundlagen

Anmerkungen zur Übergangsprüfung

Videoüberwachung mit Graphentheorie

Minimal spannende Bäume

Theoretische Informatik 1 WS 2007/2008. Prof. Dr. Rainer Lütticke

Diskrete Strukturen Kapitel 2: Grundlagen (Mengen)

Eulerweg, Eulerkreis. Das Königsberger Brückenproblem. Definition 3.1. Ein Weg, der jede Kante von G genau einmal

Routing Algorithmen. Begriffe, Definitionen

Wie komme ich von hier zum Hauptbahnhof?

K L A U S U R D E C K B L A T T

15. Elementare Graphalgorithmen

Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 3: Minimal aufspannende Bäume und Matroide

Kapitel 4: Minimal spannende Bäume Gliederung der Vorlesung

Algo&Komp. - Wichtige Begriffe Mattia Bergomi Woche 6 7

4.7 Der Algorithmus von Dinic für maximalen Fluss

Bäume und Wälder. Bäume und Wälder 1 / 37

Lösungsskizzen zu den Klausuraufgaben zum Kurs 1142 Algorithmische Mathematik

2. Teilklausur zur Vorlesung Grundlagen der Theoretischen Informatik

Algorithmen und Datenstrukturen

Vorlesung 2 KÜRZESTE WEGE

Transkript:

Berlin, 25. März 2013 Name:... Matr.-Nr.:... Nachklausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13) 1 2 3 4 5 6 7 8 9 Σ Bearbeitungszeit: 90 min. max. Punktezahl: 60 Punkte min. Punktezahl zum Bestehen: 20 Punkte Allgemeine Hinweise: Es sind keinerlei Hilfsmittel erlaubt. Benutzen Sie keinen Bleistift, sondern einen Kugelschreiber oder Füller in der Farbe schwarz oder blau. Beschriften Sie jedes Blatt mit Vor- und Nachnamen sowie Matrikelnummer. Falls in der Aufgabenstellung nicht explizit ausgeschlossen, sind alle Antworten zu begründen! Antworten ohne Begründung erhalten 0 Punkte. Viel Erfolg!

Aufgabe 1: Geschichte der Informatik (2+2+2 Punkte) Nennen Sie drei wichtige Durchbrüche in der Informatikgeschichte. Beschreiben Sie diese kurz in jeweils zwei bis drei Sätzen. 2

Aufgabe 2: Matching in Graphen (3+3 Punkte) Ein Matching in einem Graphen ist eine Teilmenge M der Kanten, sodass jeder Knoten Endpunkt höchstens einer Kante in M ist. Die Größe eines Matchings ist die Anzahl enthaltener Kanten. Ein Pfad zwischen zwei Knoten heißt augmentierend, wenn keiner der beiden Knoten Endpunkt einer Kante in M ist und die Kanten des Pfades abwechselnd aus M und M (der Komplementmenge von M) sind. a) Betrachten Sie den folgenden Graphen und das angegebene Matching (bestehend aus den fett gezeichneten Kanten). Geben Sie einen augmentierenden Pfad an und benutzen Sie diesen um ein größeres Matching zu finden (einzeichnen genügt). Ist das dadurch gefundene Matching größtmöglich? b) Begründen Sie, dass ein Matching nicht größtmöglich ist wenn es einen augmentierenden Pfad gibt. Hinweis: In der Vorlesung wurde dies für bipartite Graphen besprochen. Hier soll es auf allgemeinen Graphen gezeigt werden. 3

Aufgabe 3: Abstraktion (3 + 2 Punkte) (a) In das neue Gebäude der TU Berlin in der Marchstraße wurden W-LAB Router installiert, sodass jeder Standort im Gebäude im Empfangsbereich wenigstens eines Routers ist. Es gibt aber auch Standorte in welchen sich die Empfangsbereiche mehrerer Router überschneiden. Damit die Signale nicht interferieren, müssen jeweils zwei Router mit überlappenden Empfangsbereichen auf unterschiedlichen Kanälen (Frequenzbereichen) senden. Allerdings ist die Anzahl der Kanäle begrenzt. Die Aufgabe ist es nun jedem Router einen Kanal zuzuweisen, sodass keine zwei Signale interferieren können. Gehen Sie davon aus, dass man den Empfangsbereich eines jeden Routers messen kann. Modellieren Sie dieses Problem als Graphproblem. Beschreiben Sie dazu jeweils, was die Knoten und Kanten modellieren. Erklären Sie, wie eine ihres Graphproblems in einer Zuordnung von Kanälen an Router übersetzt werden kann und umgekehrt. Graphfärben (Knoten) (b) Das Packing-Problem ist wie folgt definiert: Packing Eingabe: Eine natürliche Zahl k N und eine Menge M = {o 1,..., o n } von Objekten, wobei jedes Objekt o i einen Wert W (o i ) und ein Gewicht G(o i ) hat. Aufgabe: Finde eine Teilmenge M M der Objekte mit Gesamtgewicht G(o) k, sodass der Wert W (o) maximal ist. o M o M Geben Sie zwei praktische Anwendungen an, in denen das Packing-Problem angewendet werden kann. todo 4

Aufgabe 4: Rekursion (4 Punkte) Bei den Türmen von Hanoi sind n Scheiben (alle verschieden groß) gegeben, die sich zu Beginn der Größe nach sortiert (oben die Kleinste) auf einem Stapel befinden. Ziel ist nun die Bewegung des Stapels unter Zuhilfenahme eines Zwischenstapels auf einen weiteren Stapel, wobei immer nur eine obenliegende Scheibe transportiert werden darf und nie eine kleinere Scheibe unter einer größeren Scheibe liegen darf. Geben Sie eine Bewegungsabfolge für n = 4 Scheiben an. Die Scheiben sind durchnummeriert; die größte Scheibe hat die Nummer 4 und die kleinste Scheibe die Nummer 1. Geben Sie dabei nach jeder Scheibenbewegung den Zustand des Systems an. Benutzen Sie bei Ihrer Beschreibung folgende Darstellungsweise: Startkonfiguration: 1 2 3 4 Zielkonfiguration: 1 2 3 4 mögliche erste Bewegung: 2 3 4 1 5

Aufgabe 5: Algorithmische Komplexität (3+5 Punkte) Betrachten Sie die beiden folgenden Probleme. Dominating Set Eingabe: Ein Graph G = (V, E) und k N. Frage: Gibt es eine dominierende Menge der Größe k in G? Bipartite Dominating Set Eingabe: Ein bipartiter Graph G = (V 1 V 2, E) und k N. Frage: Gibt es eine dominierende Menge der Größe k in G? Eine dominierende Menge in einem Graphen G ist eine Knotenteilmenge D, sodass für jeden Knoten in G gilt, dass er in D enthalten ist oder mindestens einen Nachbarn in D hat. Ein Graph G = (V 1 V 2, E) ist bipartit, falls V 1 V 2 = und jede Kante in E hat einen Endpunkt in V 1 und den anderen in V 2. Wir nehmen nun an wir hätten einen Algorithmus A Bip Dom, welcher das Bipartite Dominating Set-Problem löst. Wir wollen nun das Dominating Set-Problem für eine Eingabe G = (V, E) und k N mithilfe von A Bip Dom wie folgt lösen: Konstruiere einen bipartiten Graphen G = (V 1 V 2, E) wobei V 1 und V 2 jeweils eine Kopie von V ist. (Die Kopie eines Knoten v V in V 1 wird mit v 1 und die Kopie in V 2 mit v 2 bezeichnet.) Für jede Kante {v, u} E füge die Kanten {v 1, u 2 } und {u 1, v 2 } zu G hinzu. Für jeden Knoten v V füge die Kante {v 1, v 2 } zu G hinzu. Füge einen neuen Knoten z 1 zu V 1 und einen neuen Knoten z 2 zu V 2 hinzu. Füge die Kante {z 1, z 2 } hinzu, sowie die Kante {v 1, z 2 } für alle v V. Gib die Antwort von A Bip Dom für die Eingabe (G, k + 1) aus. 1. Erweitern Sie nach obiger Beschreibung den Graphen G für den nachfolgend angegebenen Graphen G (ohne Begründung). Geben Sie in beiden Graphen eine kleinste dominierende Menge an. u 1 u 2 v t v 1 v 2 G G' w 1 w 2 w u t 1 t 2 V 1 V 2 2. Beweisen Sie, dass obiger Algorithmus korrekt ist. Gehen Sie dazu wie folgt vor: Sei (G = (V, E), k) eine Eingabe für Dominating Set und G = (V 1 V 2, E ) der bipartite Graph, welcher durch die obige Vorschrift konstruiert wird. Zeigen Sie: a) Wenn G eine dominierende Menge der Größe k hat, dann hat auch G eine dominierende Menge der Größe k + 1. b) Wenn G eine dominierende Menge der Größe k + 1 hat, dann hat auch G eine dominierende Menge der Größe k. 6

Aufgabe 6: Postsches Korrespondenzproblem (Grenzen der Berechenbarkeit) (2 + 2 Punkte) Das Postsche Korrespondenzproblem wurde in der Vorlesung wie folgt eingeführt: Eingabe: Eine Menge von Paaren (x i, y i ) bestehend aus je zwei Binärzeichenketten. Frage: Gibt es eine Aneinanderreihung der Paare, wobei diese beliebig oft wiederholt werden dürfen, sodass das durch die x-teile gebildete Wort demjenigen der y-teile entspricht? Beispiel: (x 1, y 1 ) = (1, 101), (x 2, y 2 ) = (10, 00), (x 3, y 3 ) = (011, 11). Dann gilt: x 1 x 3 x 2 x 3 = 1 011 10 011 = 101110011 y 1 y 3 y 2 y 3 = 101 11 00 11 = 101110011 Geben Sie für jedes der folgenden Wörter an, ob es eine solche Aneinanderreihung gibt. (a) (11, 1), (1, 00), (11, 0). Es gibt keine. Da in keinem Tupel eine 0 in dem linken Wort enthalten ist, kommen Tupel 2 und 3 nicht für eine in Frage. Aus Längengründen kann mit Tupel 1 alleine eine konstruiert werden. (b) (11, 110), (00, 01), (100, 0). : 1,2,1,3: 110011100 7

Aufgabe 7: Heuristiken (2+3+3 Punkte) Independent Set wurde in der Vorlesung wie folgt definiert: Independent Set Eingabe: Ein ungerichteter Graph G. Aufgabe: Finde in G eine größtmögliche Menge von paarweise nicht benachbarten Knoten. Gegeben sind die folgenden beiden Heuristiken für Independent Set und folgender Graph G: Heuristik 1: Solange es einen Knoten gibt, nehme einen Knoten mit der niedrigsten Anzahl anliegender Kanten in die smenge und lösche ihn und seine Nachbarn (und alle an diesen anliegenden Kanten) aus dem Graph. Heuristik 2: Solange es eine Kante gibt, nehme einen Knoten mit der höchsten Anzahl anliegender Kanten und lösche ihn aus dem Graph. Die Menge der Knoten in dem Restgraph ohne Kanten ist die smenge. m k l h i f g a b c d e (a) Geben Sie für den gegebenen Graphen (siehe obiges Bild) jeweils eine von Heuristik 1 und eine von Heuristik 2 erzeugte smenge an (ohne Begründung). Heuristik 1: z.b. {a, e, m, c, h, i} Heuristik 2: {f, b, d, g, k, l} (b) Ist für den gegebenen Graphen eine der zwei (oder beide) erzeugten smengen optimal (d.h. größtmöglich)? Die von beiden Heuristiken ist optimal: Der Graph beinhaltet den Kreis a, b, c, d, e, g, i, l, m, k, h, f. In einem Kreis kann maximal jeder zweite Knoten in ein Independent Set aufgenommen werden. Daher sind auch in einer optimalen maximal 6 Knoten enthalten. (c) Liefert eine der beiden Heuristiken für alle Graphen eine optimale? Nein: Gegenbeispiel für Heuristik 1: Obigen Graph aus der Aufgabenstellung erweitert um einen Knoten n der mit den Knoten h, i, c verbunden wird: 8

m k l h i f n g a b c d e Heuristik 1 nimmt die dunklen Knoten, optimal sind die hellen Knoten. Gegenbeispiel für Heuristik 2: Stern wobei an alle Blätter jeweils ein Blatt angehängt wird, d.h. ein Stern wo jede Kante durch einen Knoten geteilt wird. 9

Aufgabe 8: Kryptologie (2+2+3+2 Punkte) Lösen Sie jede der folgenden Teilaufgaben in höchstens vier deutschen Sätzen. a) Erläutern Sie die Begriffe symmetrische und asymmetrische Verschlüsselung. b) Erläutern Sie die One-Time Pad-Verschlüsselung. Geben Sie Vor- und Nachteile an. c) Wie lässt sich die One-Time Pad-Verschlüsselung mit einem Pseudozufallsgenerator kombinieren um die Nachteile der One-Time Pad-Verschlüsselung zu umgehen? Welche Nachteile ergeben sich aus der Kombination? d) Erläutern Sie das Public-Key Verfahren anhand einer Briefkastenanalogie. 10

Aufgabe 9: Thesen (2+2+2+2+2 Punkte) Nehmen Sie zu jeder der folgenden Thesen in höchstens drei Sätzen Stellung. a) Zufall ist keine in der Informatik einsetzbare Ressource. b) Die des P vs. NP -Problems ist für die Praxis irrelevant. c) In ein paar Jahren wird es Compiler geben, welche Programme auf Korrektheit (d. h. das Programm verhält sich formal korrekt für jede mögliche Eingabe) prüfen. d) Die TU Berlin ist mit wichtigen Informatikentwicklungen verknüpft. e) Abstraktion war ein wichtiger Schlüssel auf dem Weg zur automobilen Gesellschaft. 11