Algorytmy i struktury danych

Slides:



Advertisements
Podobne prezentacje
Zadania obliczeniowe, algorytmy i złożoność obliczeniowa
Advertisements

Data Mining w e-commerce
Egzamin.
DOMINOWANIE W GRAFACH Magdalena Lemańska.
Grafy spełniające nierówność Γ(G) < IR(G)
Zadania przygotowawcze na egzamin
Zaawansowane techniki algorytmiczne
Grafy inaczej, czyli inne modele grafów
Kolorowanie grafów Niech G = (V, E) będzie spójnym grafem nieskierowanym bez pętli. Kolorowaniem wierzchołków grafu nazywa się przypisanie wierzchołkom.
WYKŁAD 6. Kolorowanie krawędzi
ELEMENTY TEORII GRAFÓW
Algorytm Dijkstry (przykład)
Techniki konstrukcji algorytmów
Logarytmy.
Badania operacyjne. Wykład 1
Badania operacyjne. Wykład 2
Liniowość - kryterium Kryterium Znane jako zasada superpozycji
WYKŁAD 5. Skojarzenia – ciąg dalszy
WYKŁAD 2. Kolorowanie wierzchołków
WYKŁAD 7. Spójność i rozpięte drzewa
WĘDRÓWKI PO GRAFACH Obchody Eulera Cykle Hamiltona.
GRAFY PLANARNE To grafy, które można narysować na płaszczyźnie tak, by krawędzie nie przecinały się (poza swoimi końcami). Na przykład K_4, ale nie K_5.
Obliczalność i złożoność obliczeniowa
Materiały pomocnicze do wykładu
Additive Models, Trees, and Related Methods
Algorytmy genetyczne.
Algorytmy genetyczne.
WYKŁAD 7. Spójność i rozpięte drzewa Graf jest spójny, gdy dla każdego podziału V na dwa rozłączne podzbiory A i B istnieje krawędź z A do B. Definicja.
Kod Graya.
SKIEROWANE Marek Bil Krzysztof Fitrzyk Krzysztof Godek.
Przegląd podstawowych algorytmów
IV OTWARTE MISTRZOSTWA OPOLA W PROGRAMOWANIU ZESPOŁOWYM
Algorytmy i struktury danych
Badania operacyjne Wykład 5.
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
ALGORYTMY OPTYMALIZACJI
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
Uniwersytet Dzieci Nieważne jaki masz komputer
METODY NUMERYCZNE I OPTYMALIZACJA
Technika optymalizacji
Dana jest sieć dystrybucji wody w postaci: Ø      m- węzłów,
ALGORYTMY I STRUKTURY DANYCH
Wspomaganie Decyzji II
Algorytm Dijkstry 1 Zbiory: T - zbiór wierzchołków
Źródła błędów w obliczeniach numerycznych
Maciej Paszyński Katedra Informatyki Akademia Górniczo-Hutnicza
Autor: Karol Podsiadło Kierujący pracą: dr inż. Ewa Płuciennik-Psota
Politechniki Poznańskiej
I T P W ZPT 1 Kodowanie stanów to przypisanie kolejnym stanom automatu odpowiednich kodów binarnych. b =  log 2 |S|  Problem kodowania w automatach Minimalna.
System gromadzenia i udostępniania informacji o ruchu pojazdów i przesyłek w przedsiębiorstwie kurierskim Autor: Karol Podsiadło gr. OS1 Promotor: dr inż.
Drogi i cykle Eulera w grafach nieskierowanych
WĘDRÓWKI PO GRAFACH Obchody Eulera Cykle Hamiltona.
Szachy a grafy. Powiązanie szachownicy z grafem Szachownicę można przedstawić jako graf. Wierzchołek odpowiada polu, a krawędzie ruchowi danej figury.
NP-zupełność Problemy: rozwiązywalne w czasie wielomianowym - O(nk)
Optymalizacja Monte-Carlo - algorytmy inspirowane przyrodniczo (algorytmy genetyczne, symulowane wyżarzanie, stadne strategie obliczeniowe) Przykład 2.
Wstęp do programowania Wykład 4
Temat 3: Podstawy programowania Algorytmy – 2 z 2 _________________________________________________________________________________________________________________.
INFORMATYKA SORTOWANIE DANYCH
Wstęp do programowania Wykład 1
Modelowanie matematyczne – złożoność obliczeniowa, teoria a praktyka
Pojęcia podstawowe c.d. Rachunek podziałów Elementy teorii grafów
Zagadnienia transportowe Katedra Ekonomiki i Funkcjonowania Przedsiębiorstw Transportowych.
Zdefiniować problem Jaki jest problem? Jakie są główne założenia? Jak chcesz śledzić przebieg funkcjonowania projektu ? metody ewaluacji Budżet Jakie źródła.
Treść dzisiejszego wykładu l Postać standardowa zadania PL. l Zmienne dodatkowe w zadaniu PL. l Metoda simpleks –wymagania metody simpleks, –tablica simpleksowa.
1.problem próbkowania (sampling problem) dobór charakterystycznych punktów powierzchni w celu uzyskania najlepszego efektu przy minimalizacji ilości danych.
Uniwersytet Zielonogórski
Optymalizacja programów Open-Source
Model matematyczny przydziału częstotliwości w sieciach komórkowych
Metoda klasyczna (wg książki Sasao)
Algorytmy i struktury danych
Zapis prezentacji:

Algorytmy i struktury danych Problemy łatwe i trudne Klasa P i NP Wybrane problemy

Przykłady praktycznych problemów, które można sprowadzić do kolorowania grafów rozdział częstotliwości roboczych dla stacji nadawczych układanie rozkładów zajęć rozmieszczanie elementów na warstwach układu scalonego projektowanie kodów odpornych na błędy szacowanie rzadkich macierzy Jakobiego konstrukcja prostokątów łacińskich optymalizacja kodu wynikowego generowanego przez kompilator Istnieje wiele rozmaitych problemów, które można sprowadzić do kolorowania grafów. Taką idyllę burzy fakt, że znalezienie najlepszego pokolorowania przy użyciu komputera może zająć dużo, a nawet baaaaaaaardzo dużo czasu.

Problemy łatwe, trudne i nierozwiązywalne Problemy łatwe, dla których znany jest algorytm pracujący w czasie wielomianowo zależnym od ilości wierzchołków grafu. Przykłady: minimalny/maksymalny wierzchołek, cykl/droga Eulera. Problemy trudne, dla których nie jest znany dokładny algorytm wielomianowy. Przykłady: największa klika, kolorowanie grafów. Problemy nierozwiązywalne, których nie można rozwiązać przy pomocy komputera, Przykład: problem stopu. Problemy grafowe i większość problemów informatycznych można w ogólności podzielić na trzy grupy: Problemy łatwe, dla których znany jest algorytm (tj sposób rozwiązania problemu) pracujący w czasie wielomianowo zależnym od ilości wierzchołków grafu. Przykłady: minimalny/maksymalny wierzchołek, cykl/droga Eulera. Problemy trudne, dla których nie jest znany dokładny algorytm wielomianowy. Przykłady: największa klika, kolorowanie grafów. Problemy nierozwiązywalne, których nie można rozwiązać przy pomocy komputera, Przykład: problem stopu. Problem stopu można najogólniej sformułować tak Należy napisać program który na podstawie listingu będzie w stanie stwierdzić czy dowolny program się nie zapętla. Zwracam uwagę że dowolny to również on sam. Można pokazać formalny dowód że napisanie takiego programu jest niemożliwe.

Tempo wzrostu

Tempo wzrostu

Klasa problemów NP-zupełnych Dla wielu przypuszczalnie niewielomianowych problemów, pokazano ich wzajemną równoważność co oznacza, że: jeżeli znajdziemy wielomianowy algorytm dla jednego z problemów to będziemy w stanie wszystkie te problemy rozwiązać w czasie wielomianowym. Czy to ważne ?

Wariant pesymistyczny... Nie potrafię znaleźć szybkiego sposobu na zrobienie tego...

Wariant optymistyczny... Nie istnieje szybki sposób na zrobienie tego...

Dla problemów NP-zupełnych ... Nie potrafię znaleźć szybkiego sposobu na zrobienie tego, ale ci wszyscy ZNANI NAUKOWCY też nie potrafili...

Klasa NPI Algorytm deterministyczny Algorytm niedeterministyczny Problemy decyzyjne Problemy optymalizacyjne Dla decyzyjnych problemów klasy NPC koniecnze jest istnienie wielomianowego (być może niedetermini-stycznego) algorytmu

Klasy P, NPI, NPC NPI NPC P

Wybrane problemy NPC Spełnialność, 3-spełnialność Liczba i indeks chromatyczny Największa klika, minimalne pokrycie, najw. zbiór niezależny Cykl i ścieżka hamiltona, problem komiwojażera Najdłuższa ścieżka, najdłuższy cykl Problem plecakowy, podział zbioru Najdłuższy wspólny podciąg Szeregowanie zadań, układanie rozkładów zajęć Izomorfizm grafów ?

Wybrane problemy otwarte Izomorfizm grafów Faktoryzacja Problemy ostatnio zamknięte Programowanie liniowe Stwierdzenie czy liczba jest pierwsza