Optimierungsprobleme:

Slides:



Advertisements
Ähnliche Präsentationen
8. Termin Teil B: Wiederholung Begriffe Baum
Advertisements

Christian Scheideler SS 2009
Programmierung 1 - Repetitorium
Inhalt Saarbrücken,.
Zerlegung von Graphen.
Datenstrukturen, Algorithmen und Programmierung 2 (DAP2)
LS 2 / Informatik Datenstrukturen, Algorithmen und Programmierung 2 (DAP2)
Graphen Ein Graph ist eine Kollektion von Knoten und Kanten. Knoten sind einfache Objekte. Sie haben Namen und können Träger von Werten, Eigenschaften.
7. Natürliche Binärbäume
Graphalgorithmen ( elementare A. )
R. Der - Vorlesung Algorithmen und Datenstrukturen (Magister)
Die 1-Baum-Relaxation des TSP mit der Subgradientenmethode
Marco Barz Seminar über Algorithmen SoSe2007
Manfred Thaller, Universität zu Köln Köln 22. Januar 2009
Unscharfe Optimierung
Seminar parallele Programmierung SS 2003
EINI-I Einführung in die Informatik für Naturwissenschaftler und Ingenieure I Vorlesung 2 SWS WS 99/00 Gisbert Dittrich FBI Unido
Klausur „Diskrete Mathematik II“
Diskrete Mathematik I Vorlesung 6 Binärer Suchbaum II.
Schiller-Gymnasium Hof Manuel Friedrich OStR,
Polymorphe Operatoren: Bewertung
Dijkstras Suche nach kürzesten Wegen Prof. Dr. Wolfram FH Gelsenkirchen MGI Version 0.9.
Inhalt danach. inhalt danach inhalt danach inhalt danach inhalt danach inhalt danach.
Approximationsalgorithmen Facility Location K-Median Cheng, Wei 12. Juli.
Tetraederzerlegung Ina Ehmann Tetraederzerlegung.
Beweissysteme Hartmut Klauck Universität Frankfurt WS 06/
Effiziente Algorithmen
Flüsse, Schnitte, bipartite Graphen
Chromatische Zahl.
Effiziente Algorithmen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Geoinformation II Vorlesung 4 SS 2001 Voronoi-Diagramme.
Effiziente Algorithmen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation
Quantum Computing Hartmut Klauck Universität Frankfurt WS 04/
Christian Scheideler Institut für Informatik Universität Paderborn
Institut für Theoretische Informatik
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Graphen und Bäume.
Informatik Datenstruktur Graph 3.3 Durchlaufen von Graphen
se_4_graphen_und_baeume_I.ppt1 Softwareengineering Graphen und Bäume 1 Prof. Dr.-Ing. Axel Benz, Berlin School of Economics and Law.
Karl-Franzens Universität Graz, Inst. f. Psychologie, Abt. f
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation II 6. Sem. Vorlesung Mai 2000 Konstruktion des Voronoi-Diagramms.
Analyse der Laufzeit von Algorithmen
Die Tiefensuche Vorgedanke: Die Sage von Theseus und dem Minotaurus
Bipartite Graphen Der Satz von König.
Eine kurze Geschichte der Graphentheorie
7 Bäume = „verzweigte Folgen“ Z.B. Stammbaum, patriarchalisch: Abraham
Anwendung der Ellipsoidmethode in der Kombinatorischen Optimierung
Institut für Kartographie und Geoinformation Diskrete Mathematik I Vorlesung Binärer Suchbaum I-
Version vom Max-Flow in Orientierten Matroiden Winfried Hochstättler & Robert Nickel Fernuniversität in Hagen Lehrstuhl für Diskrete Mathematik.
Gliederung der Vorlesung
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation II 6. Sem. Vorlesung 4 4. Mai 2000 Voronoi-Diagramm.
Übung 1 Bestimme ein Erzeugendensystem für die
Binärbäume.
Vorlesung Grundlagen der computergestützten Produktion und Logistik W1332 Fakultät für Wirtschaftswissenschaften W. Dangelmaier.
Programmiersprachen II Vorbesprechung Klausur Prof. Dr. Reiner Güttler Fachbereich GIS HTW.
Adiabatisches Quantencomputing
Einführung in die Informationsverarbeitung Teil Thaller Stunde V: Wege und warum man sie geht Graphen. Köln 14. Januar 2016.
Warum man besser sein kann als andere und trotzdem nie der Beste wird 47. Berliner Landesolympiade Mathematikolympiaden in Berlin e.V.
Philip Schill Erik Kurrat Simon Walther
Wiederholung Verband Ungerichtete Graphen Partielle Ordnung
 Präsentation transkript:

Optimierungsprobleme: Unscharfe Optimierung Optimierungsprobleme: unscharfe intern und extern stabile Menge; unscharfe Kerne; unscharfe Färbungen; unscharfes Matching (Korrespondenz); unscharfe Zentren; unscharfe Mediane; andere…

Unscharfe intern stabile Mengen Unscharfe Optimierung Unscharfe intern stabile Mengen

Unscharfe intern stabile Menge Unscharfe Optimierung Unscharfe intern stabile Menge

Unscharfe intern stabile Menge Unscharfe Optimierung Unscharfe intern stabile Menge

Unscharfe intern stabile Menge Unscharfe Optimierung Unscharfe intern stabile Menge Beispiel

Unscharfe extern stabile Menge Unscharfe Optimierung Unscharfe extern stabile Menge Beispiel

Unscharfe extern stabile Menge Unscharfe Optimierung Unscharfe extern stabile Menge

Unscharfe extern stabile Menge Unscharfe Optimierung Unscharfe extern stabile Menge

Unscharfe Optimierung Unscharfe Kerne . Beispiel

Unscharfe Optimierung Unscharfe Färbungen .

Definition der unscharfen chromatischen Menge Unscharfe Optimierung Definition der unscharfen chromatischen Menge Beispiel 1) Suchen wir alle maximale intern stabile Menge: .

Definition der unscharfen chromatischen Menge Unscharfe Optimierung Definition der unscharfen chromatischen Menge Beispiel Wir haben 13 maximale intern stabile Menge gefunden: 2) Bilden wir eine Matrix (Knoten – intern stabile Menge): .

Definition der unscharfen chromatischen Menge Unscharfe Optimierung Definition der unscharfen chromatischen Menge Beispiel 3) Finden wir die Überdeckung: Als Ergebnis bekommen wir die folgende Aussage: Von dieser Aussage finden wir die Überdeckungen: .

Definition der unscharfen chromatischen Menge Unscharfe Optimierung Definition der unscharfen chromatischen Menge Beispiel 4) Definieren wir die unscharfe chromatische Menge des Graphen : Zwei Farben (Grad der Verteilung L(2)=0,4): Knoten B und E – Farbe 1; Knoten A, C, D, F – Farbe 2. Drei Farben (Grad der Verteilung L(3)=1): Knoten A, D, F – Farbe 1; Knoten C, E – Farbe 2; Knote B – Farbe 3. .

Unscharfe Optimierung Relationen .

Unscharfe Optimierung Unscharfe Relationen .

Unscharfe Optimierung Komposition .

Unscharfe Optimierung Unscharfe Relationen Beispiel .

Unscharfe Optimierung Eigenschaften .

Operatoren für unscharfen Relationen Unscharfe Optimierung Operatoren für unscharfen Relationen .

Operatoren für unscharfen Relationen Unscharfe Optimierung Operatoren für unscharfen Relationen .

Unscharfe Optimierung Transitive Hüllen .

Transitive Hüllen Beispiel Unscharfe Optimierung Transitive Hüllen Beispiel A, B, C, D, E, F – Städte; die Kanten –Verbindungswege (Einbahnstraßen). Die Werte auf die Kanten werden als Tunnelhöhen interpretiert. Mögliche Wege: 1) ABCD; 2) ABCCD; 3) ABCEFD; 4) ABCCEFD; 5) ABEFD; 6) AEFD. … . Es ist der Weg am besten, auf dem die Höhe des niedrigsten Tunnels am größten ist. Diesen Weg nennen wir den „stärksten Weg“.

Transitive Hüllen Beispiel Aus der Tafel der transitiven Hülle folgt: Unscharfe Optimierung Transitive Hüllen Beispiel Aus der Tafel der transitiven Hülle folgt: Die Tafel der transitiven Hülle: .