Lehrstuhl für Algorithm Engineering LS11

Präsentation zum Thema: "Lehrstuhl für Algorithm Engineering LS11"—  Präsentation transkript:

1 Lehrstuhl für Algorithm Engineering LS11
Karsten Klein Lehrgebietsvorstellung Juni 2007

2 Die Professoren… Dezember 2004: Lehrstuhl für Algorithm Engineering
Petra Mutzel Günter Rudolph Jan Vahrenhold Dezember 2004: Lehrstuhl für Algorithm Engineering (Nachfolge des Lehrstuhls für Systemanalyse, Prof. Schwefel)

3 Kurz-Vorstellung Studium an Univ. Augsburg (WiMa/Math) 1983--1990
Wiss. Mitarb. an Rice University, Houston (TX) Wiss. Mitarb. an FU Berlin Promotion an Univ. zu Köln (Inf) 1994 Habilitation am Max-Planck-Institut für Informatik, Saarbrücken 1999 Vertr.-Professur (C3) an Univ. Heidelberg (Inf) 1999 Lehrstuhl für Algorithmen und Datenstrukturen, TU Wien seit Dezember 2004: Lehrstuhl für Algorithm Engineering, LS11

4 Forschungsinteressen
Algorithmen und Datenstrukturen Graphenalgorithmen Kombinatorische Optimierung Algorithm Engineering Design, theoretische Analyse, Implementierung, und experimentelle Evaluation von Algorithmen und Datenstrukturen anwendungs- orientiert

5 Traditionelle Algorithmik
Entwurf für einfache Problem- und Maschinenmodelle Hauptergebnis: beweisbare Leistungsgarantien für alle möglichen Eingaben → Elegante, zeitlose, an viele konkreten Anwendungen anpassbare Lösungen → Zuverlässig hohe Effizienz auch für zur Implementie-rungszeit unbekannte Typen von Eingaben Instanzen in Praxis bestimmte Charakteristik? Vorstellung: Anwender greifen Ergebnisse auf, Implementierung, Einbau in Anwendungen Klappt meist nicht! Große Lücke zwischen Theorie und Praxis!

6 Traditionelle Algorithmik
Abstrakte Modelle Entwurf Algorithmentheorie Analyse Leistungsgarantien Implementierung Anwendungen

7 Traditionelle Algorithmik
Beweisbare Leistungsgarantie? Asympt. Worst-Case Teilweise SEHR hohe versteckte Konstanten Systemcharakteristika beeinflussen Performance Eingabecharakteristika beeinflussen Performance Praktisches Verhalten so schwer beschreibbar Simplex-Algorithmus: Theoretisch exponentiell, praktisch „gutmütig“ Auch „Crossover Point“ für Algorithmen 70er/80er Jahre: Häufig gar keine Implementierung, Gefahr der Veröffentlichung inkorrekter Algorithmen

8 Durchwandern eines Arrays
for i=1,…,N: D[i]:=i C:=Permute(D) Lineares Durchlaufen: for i=1,…,N: A[D[i]]:=A[D[i]]+1 Zufälliges Durchlaufen: for i=1,…,N: A[C[i]]:=A[C[i]]+1

9 Durchwandern eines Arrays
sec Durchwandern eines Arrays k 223= Größe 2k

10 Hierarchisches Speichermodell
moderner Computer Extern- speicher Interner Speicher (Main Memory) Cache CPU Faktor 100 schneller als Faktor schneller als Secondary Memory

11 Problem ist aktueller denn je, denn
Geschwindigkeit der Prozessoren verbessert sich zwischen 30%-50% im Jahr; Geschwindigkeit des Speichers nur um 7%-10% pro Jahr „One of the few resources increasing faster than the speed of computer hardware is the amount of data to be processed.“

12 Algorithm Engineering
Einfluss von System- und Eingabecharakteristika evaluieren und in Entwurf berücksichtigen Praktisch schnelle Algorithmen entwerfen Algorithmen und Datenstrukturen für Praxis vereinfachen

13 Algorithm Engineering
Realistische Modelle Reale Eingaben 1 Entwurf Experimente 2 5 Anwendungen 3 4 Analyse Implementierung Leistungsgarantien Alg.-Bibliotheken

14 Algorithm Engineering
Realistische Modelle Reale Eingaben 1 Entwurf Experimente 2 5 Anwendungen 3 4 Benchmarkinstanzbibliitheken und Algorithmenbibliotheken Analyse Implementierung Leistungsgarantien Alg.-Bibliotheken

15 Anwendungsorientierung?

16 Anwendungsbereiche Automatisches Zeichnen von Graphen: Übersichtliche Darstellung von Informationen Netzwerkdesign: Aufwandsoptimierung und Versorgungssicherheit in Kommunikation oder Energieversorgung Routenplanung: Speditionen Bioinformatik: Schnelle/optimale Algorithmen und Visualisierung visualisieren von Daten Fernwaerme

17 Anwendungsbereiche Automatisches Zeichnen von Graphen
Kreuzungsminimierung Planare Zeichenverfahren Viele Probleme sind NP-schwer

18

19 Teilweise sehr unterschiedliche Anforderungen, Algorithmen und Lösungsansätze

20 Ein Layoutverfahren für biologische Netzwerke
Diplomarbeit (MPII) Ein Layoutverfahren für biologische Netzwerke

21

22 Der chemische Strukturraum: PG 504

23

24

25 Anwendungsbereiche Automatisches Zeichnen von Graphen
Kreuzungsminimierung Planare Zeichenverfahren Molekulare Bioinformatik Sequenzanalyse (Sequenzenalignierung) Proteinanalyse (Suffix Arrays, Graphprobleme)

26 Anwendungsbereiche Automatisches Zeichnen von Graphen
Kreuzungsminimierung Planare Zeichenverfahren Molekulare Bioinformatik Sequenzanalyse (Sequenzenalignierung) Proteinanalyse (Suffix Arrays, Graphprobleme) Netzwerkdesign

27 Ausbau eines Fernwärmesystems
)

28 Diplomarbeitsthemen Anwendungsbereiche
Automatisches Zeichnen von Graphen Kreuzungsminimierung Planare Zeichenverfahren Molekulare Bioinformatik Sequenzanalyse (Sequenzenalignierung) Proteinanalyse (Suffix Arrays, Graphprobleme) Netzwerkdesign Routenplanung

29 Laufende Diplomarbeiten
Ein Branch-and-Cut Ansatz für das Maximum c-planare Subgraphen Problem Ein Layoutverfahren für biologische Netzwerke Ein progressiver Algorithmus für Multiple Sequence Alignment auf Basis von A*-Suche ... In Deutsch oder Englisch

30 Weitere Themen Externspeicheralgorithmen: PG 503 Xaver: Algorithm Engineering XXL (Auch: Vahrenhold) Algorithmische Geometrie (Vahrenhold)

31 Algorithmische Geometrie & Externspeicher
Simulation von Flussnetzwerken auf hochauflösenden dig. Geländemodellen zur Überschwemmungsvorhersage

32 LVAs im WS 07/08 Vorlesung Automatisches Zeichnen von Graphen
VO Mo, Di 12-14, 4VO+2Ü Seminar Algorithm Engineering: Vorbesprechung Mittwoch 11.07, 14Uhr PG 512 Smart Cell: Clevere Algorithmen für den Cell-Prozessor

33 Weitere Vorlesungen… Algorithmische Geometrie Algorithm Engineering
Graphenalgorithmen … Schwerpunktgebiete: Algorithmen und Komplexität (4) Computational Intelligence (6) Intelligente Systeme (7)

34 Vielen Dank! Bis Bald!