Tirsdag 18. december David Pisinger
|
|
- Benjamin Ravn
- 7 år siden
- Visninger:
Transkript
1 Videregående Algoritmik, DIKU Tirsdag 8. december David Pisinger Approximations-algoritmer Motivation Definitioner Approximations-algoritme for knudeoverdækning Approximations-algoritme for TSP trekantsulighed) Negativt resultat om generel TSP Fuldt polynomiel-tids approximations skema FPTAS) for SUBSET-SUM Løsningsmetoder for NP -hårde opt.problemer Opdelingskriterier løsningskvalitet: optimal/ikke-optimal beregningstid: polynomiel/ikke-polynomiel Ikke-optimale metoder: løsningskvalitet: ingen garanti kan gives garanti kan gives, men det kan ikke gøres vilkårligt godt garanti kan gives, og det kan gøres vilkårligt godt beregningstid: ingen garanti kan gives polynomiel i inddata polynomiel i inddata og præcision Eksempel: knapsack problem Heuristik for Knapsack Problemet max s.t. n p j x j j= n j= w j x j c x j {0,} sorter efter aftagende effektivitet p j /w j fyld grådigt,,... så længe plads Vilkårligt dårlig løsning: Vi har: p =,w = p = M,w = M + c = M + heuristisk løsning: = optimal løsning: = M forhold: = M Eksempel: knudeoverdækning En knudeoverdækning af en ikke orienteret graf G = V,E) er en delmængde af V V så u,v) E u V eller v V eller begge) Størrelsen af en knudeoverdækning er V. Find den mindste overdækning i grafen. Approximations algoritme: Vælg tilfældig kant u, v) E. Lad V V {u} {v} Fjern kanter fra E som er incidente med u eller v Approximations algoritmen finder en knudeoverdækning V af størrelse som højst er dobbelt så stor som den optimale knudeoverdækning V af størrelse
2 Approximations-algoritmer Approximations-algoritmer Ikke-eksakte løsningsmetoder, der giver garanti for hvor tæt på optimum man kommer. algoritmens løsningsværdi problemets optimale løsningsværdi Minimeringsproblem ) Mål: gør så lille som muligt Maximeringsproblem ) Mål: gør Generelt krav Gør så lille som mulig. så lille som muligt max ) max, ), ρn) hvor ρn) er ratio bound. Bemærk ρn) Man kan også måle relativ fejl Minimering εn) = så ρn) ρn) Altså: εn) = ρn) Maximering så = ρn) ρn) ρn) = ρn) ρn) Altså: εn) = ρn) ρn) dermed: εn) ρn) ) 6 Approximations-algoritmer approximations skema smuk) Input: instans, ε > 0 Algoritme træffer valg på basis af n og ε Output: Løsning med relativ fejl mindre end ε Skema idet familie af algoritmer Betegnelser A Approximations-algoritme PTA Polynoimel-Tids Approximations-algoritme AS Approximations Skema PTAS Polynomiel-Tids Approximations Skema FPTAS Fuldt Polynomiel-Tids Approximations Skema polynomiel-tids approx. skema smukkere) Approximations skema Algoritme kører i polynomiel tid i størrelsen af n køretid f.eks. /ε n 3 Heuristik Ingen garanti for løsningskvalitet fuldt polynomiel-tids approx. skema smukkest) Approximations skema Algoritmen kører i polynomiel tid målt i n og /ε køretid f.eks. /ε) n 3 findes ej for stærkt NP -hårde problemer) 8
3 Traveling Salesman Problem Approx. algoritme for TSP trekantsulighed) Givet graf G = V,E), omkostning cu,v) for hvert kant u, v) E. Find billigste Hamilton-kreds APPROX-TSP-TOURG, c) select a vertex r V [G] to be a root vertex grow a minimum spanning tree T for G from root r using MST-PRIMG,c,r) 3 let L be the list of vertices visited in a preorder tree walk of T 4 return the Hamiltonian cycle H that visits the vertices in the order L Eksempel Trekantsulighed: u,v,w V cu,w) cu,v) + cv,w) bemærk: komplet graf) Overholdt: geometriske problemer Ej overholdt: flypriser Definition: pris af kantemængde A E ca) = u,v) A cu, v) 9 0 Sætning APPROX-TSP-TOUR er en approximations algoritme med ratio-bound ρ = for TSP opfyldende trekantsulighed. Dvs: ch) ch ) Bevis Mindste udspændende træ: T ct) ch ) full walk i grafen, besøger hver kant to gange cw) = ct) walk W ej Hamilton kreds sletter knuder. Trekantsulighed sikrer Totalt: ch) cw) ch) cw) = ct) ch ) Approx. algoritme for TSP generel) Hvis NP P findes der ingen polynomieltids approximationsalgoritme for generelt TSP med ratio bound ρ Bevis Antag at fandtes polynomiel approximations algoritme A med ratio bound ρ. Dvs finder tur med ρ Vil vise at HAM-YLE kan løses i polynomiel tid NP = P Givet instans af HAM-YLE defineret på G = V,E). Komplet graf: G = V,E ) hvor Tildel kantvægte E = {u,v) : u,v V og u v} cu,v) = { if u,v) E ρ V + if u,v) E Løs TSP for G,c).
4 Approx. algoritme for TSP generel) Subset-sum Problem HAM-YLE Afgør problem ρ V + TSP Hvis ρ V så findes der en Hamilton kreds Hvis > ρ V så findes der ikke en Hamilton kreds Vi har Hvis der findes en Hamilton kreds i G har TSP problemet optimal løsning = V. Hvis der ikke findes en Hamilton kreds i G vil TSP problemet vælge mindst en dyr kant cu,v) = ρ V + så > ρ V + Approximations algoritme A finder en løsning med pris opfyldende ρ Subset-sum problem delmængde sum): Givet mængde af heltal S = {x,x,...,x n } samt t Find en delmængde S S så er størst mulig For eksempel j S x j t S = {,4,6,64,6,040,093,84,344} t = 34 har løsning S = {,6,64,6,040,093,84}. Viser: Fuldt polynomiel-tids approximations skema 3 4 Eksponentiel algoritme Dynamisk programmering-lignende algoritme. Lister over tal som kan opnås med en delmængde af S Lad Liste L af positive heltal, f.eks. L =<,, 3,, 9 > x positivt heltal, f.eks. x = L + x =< 3,4,,, > P i = { tal, der kan opnås som sum af {x,...,x i } }. så gælder rekursionsligningen P i = P i P i + x i ) Her kan foreningsmængden L L udregnes i lineær tid da begge lister er sorterede i voksende orden MERGE- LISTS). Eksempel Lad S = {4,,}, t = 4 P 0 = {0} P = {0,4} P = {0,4,,9} P 3 = {0,4,,,9,,,6} Eksponentiel algoritme Algoritme EXAT-SUBSET-SUMS,t) n S L for i to n do 4 L i MERGE-LISTSL i,l i + x i ) remove from L i every element that is greater than t 6 return the largest element in L n Total køretid: nt. Eksponentiel i input størrelsen n logt. F.eks: t = n, køretid n n = O n ), input n. Idé til forbedring fjern elementer i P i som ligger tæt på hinanden behold det mindste af to tal tæt på hinanden TRIM liste L 6
5 Trimning Trimning trim parameter med 0 < < L L Fjern så mange elementer tæt på hinanden som muligt For ethvert fjernet element y L eksisterer z L med z y + )z y + z y + ) z ) Algoritme: TRIML, ) m L L y 3 last y 3 for i to m do 4 if y i > last + ) then append y i onto the end of L last y i 6 return L Køretid: lineær. Eksempel: = 0. L =< 0,,,,0,,,3,4,9 > L =< 0,,,0,3,9 > 8 Approximations algoritme Givet instans S,t), tilladt fejl ε. vælg trimningsfaktor = ε n APPROX-SUBSET-SUMS,t, ε) n S L for i to n do 4 L i MERGE-LISTSL i,l i + x i ) L i TRIML i,ε/n) 6 remove from L i every element that is greater than t return z A given by the largest element in L n Bogen kalder returnerede værdi, hvilket ikke harmonerer med at angiver optimal løsning) Sætning Fuldt polynomiel-tids approximations skema Finder en lovlig løsning z A Relative fejl er mindre end ε z A ε 3 Algoritmen kører i polynomiel tid i n og /ε Vi kan antage ε <, da -approximation nem overvej!) 9 Eksempel Instans: S = {04,0,0,0}, t = 308, ε = 0.40 Vælger = ε/n = 0.40/8 = 0.0. Forløb: line : L 0 = 0 line 4: L = 0,04 line : L = 0,04 line 6: L = 0,04 line 4: L = 0,0,04,06 line : L = 0,0,06 line 6: L = 0,0,06 line 4: L 3 = 0,0,0,06,303,40 line : L 3 = 0,0,0,303,40 line 6: L 3 = 0,0,0,303 line 4: L 4 = 0,0,0,0,03,30,303,404 line : L 4 = 0,0,0,30,404 line 6: L 4 = 0,0,0,30 Approximativ løsning: z A = 30 Optimal løsning: = 30, faktisk afvigelse %) 0
6 Finder en lovlig løsning Kun lovlige summer i L, alle t Naturligvis lovlig sum i sidste iteration Relativ fejl mindre end ε For ethvert fjernet element y P eksisterer z L så y + z y Ved induktion i i kan det vises at efter i iterationer gælder: For ethvert fjernet element y P i eksisterer z L i så y + ) i z y Gælder specielt for P n, dvs. der findes z L n så + ) n z z Må også gælde for z A som er den største værdi i L n så eller + ) n za + )n za Vil vise at + ) n + ε når = ε/n Relativ fejl mindre end ε Betragter f n,ε) = + ε n )n. Formel 3.3) side 3 siger at lim + x ) n = e x n n og da d dn f n,ε) > 0 er f voksende. + ε ) n e ε/ n Formel 3.) side 3 siger e x + x + x for x < så + ε ) n + ε/ + ε/) n og da ε < er ε ε, så + ε ) n + ε n Kombineret med formlen forrige side fås z A + ε og dermed z A = za z + ε = + ε ε + ε Kører i polynomiel tid i n og /ε TRIM sletter et element z z hvis z + ) z Så på ethvert tidspunkt vil elementerne i L i overholde z > + )z = αz Den tættest mulige liste ser ud som 0,,α,α,α 3,...,α k t α = + ) afstands-faktor Antal elementer er k +, hvor k findes som: α k = t k lnα = lnt k = lnt lnα = lnt ln + ) Formel 3.6) side 4 siger at for > gælder + ln + ) ln + ) + så + )lnt + ε/n)lnt k = ε/n Da ε < gælder at + ε/n) så k 4nlnt ε Køretid: Onk + )) = O ε n lnt) 3 Indsigt Approximabilitet og reduktion af problemer Da SUBSET-SUM er NP -fuldstændigt gælder f.eks. TSP p SUBSET-SUM Vi kan approximere SUBSET-SUM vilkårligt godt i polynomiel tid Gælder tilsvarende resultat for TSP? Reduktion gælder kun for afgørlighedsproblemer Såfremt vi vil løse SUBSET-SUM-DEISION skal ε = 0 4
7 Branch-and-bound som Approximations Skema Minimeringsproblem: givet ε > 0) For ethvert underproblem knude) lad l være en nedre grænseværdi Lad z være hidtil bedste løsning Forkast underproblem hvis l + ε) z Eksempel: ε = 0., l =, z =. Forkast knude Approximations skema. Relativ afvigelse < ε. Køretid:??? Branch-and-bound i Polynomiel tid Undersøg kun et polynomielt antal knuder M = n k Best-first søgning Stop efter M knuder Køretid polynomiel. Løsningskvalitet:???
Sidste gang Motivation Definitioner Approximations-algoritme for knudeoverdækning Approximations-algoritme for TSP med trekantsulighed
Approximations-algoritmer Sidste gang Motivation Definitioner Approximations-algoritme for knudeoverdækning Approximations-algoritme for TSP med trekantsulighed Negativt resultat om generel TSP Approximations-algoritme
Læs mereApproximations-algoritmer. Løsningsmetoder for NP -hårde opt.problemer
Motivation Definitioner Approximations-algoritme for nudeoverdæning Approximations-algoritme for TSP med treantsulighed Negativt resultat om generel TSP Approximations-algoritme for SET-OVERING Fuldt polynomiel-tids
Læs mereTirsdag 12. december David Pisinger
Videregående Algoritmik, DIKU 2006/07 Tirsdag 12. december David Pisinger Resume sidste to gang Sprog L : mængden af instanser for et afgørlighedsproblem hvor svaret er 1. P = {L : L genkendes af en algoritme
Læs mereBranch-and-bound. David Pisinger. Videregående algoritmik, DIKU (2004) 1 Introduktion 5 1.1 Gennemgående eksempler... 7. 2 Brute-force metoder 10
Branch-and-bound David Pisinger Videregående algoritmik, DIKU (2004) Indhold 1 Introduktion 5 1.1 Gennemgående eksempler..................... 7 2 Brute-force metoder 10 3 Divide and Conquer 11 4 Grænseværdier
Læs mereFunktionalligninger - løsningsstrategier og opgaver
Funktionalligninger - løsningsstrategier og opgaver Altså er f (f (1)) = 1. På den måde fortsætter vi med at samle oplysninger om f og kombinerer dem også med tidligere oplysninger. Hvis vi indsætter =
Læs mereLøs til optimalitet i eksponentiel tid Find tilnærmet løsning i polynomiel tid
6 april Løsning af N P -hårde problemer Løs til optimalitet i eksponentiel tid Find tilnærmet løsning i polynomiel tid Oversigt Grænseværdier (repetition) Branch-and-bound algoritmens komponenter Eksempler
Læs mereDesignMat Uge 11 Vektorrum
DesignMat Uge Vektorrum Preben Alsholm Forår 200 Vektorrum. Definition af vektorrum Definition af vektorrum Lad L betegne R eller C. Lad V være en ikke-tom mængde udstyret med en addition + og en multiplikation
Læs mereLøsning af præmie- og ekstraopgave
52 Læserbidrag Løsning af præmie- og ekstraopgave 23. årgang, nr. 1 Martin Wedel Jacobsen Både præmieopgaven og ekstraopgaven er specialtilfælde af en mere generel opgave: Hvor mange stykker kan en n-dimensionel
Læs mereSprog L : mængden af instanser for et afgørlighedsproblem
26. marts Resume sidste to gang Sprog L : mængden af instanser for et afgørlighedsproblem hvor svaret er 1. P NP L : L genkendes af en algoritme i polynomiel tid L : L verificeres af en polynomiel tids
Læs mereDM02 opgaver ugeseddel 2
DM0 opgaver ugeseddel af Fiona Nielsen 16. september 003 Øvelsesopgaver 9/9, 10/9 og 11/9 1. Vis, at 1 3 + 3 3 + 5 3 +... + (n 1) 3 = n 4 n. Omskriver til summationsformel: (i 1) 3 = n 4 n Bevis ved induktion
Læs mereGrafteori, Kirsten Rosenkilde, september 2007 1. Grafteori
Grafteori, Kirsten Rosenkilde, september 007 1 1 Grafteori Grafteori Dette er en kort introduktion til de vigtigste begreber i grafteori samt eksempler på opgavetyper inden for emnet. 1.1 Definition af
Læs mereSymmetrisk Traveling Salesman Problemet
Symmetrisk Traveling Salesman Problemet Videregående Algoritmik, Blok 2 2008/2009, Projektopgave 2 Bjørn Petersen 9. december 2008 Dette er den anden af to projektopgaver på kurset Videregående Algoritmik,
Læs mere.. if L(u) + w(u, v) < L(v) then.. begin... L(v) := L(u) + w(u, v)... F (v) := u.. end. med længde L(z)}
Procedure Dijkstra(G = (V, E): vægtet sh. graf,. a, z: punkter) { Det antages at w(e) > 0 for alle e E} For alle v V : L(v) := L(a) := 0, S := while z / S begin. u := punkt ikke i S, så L(u) er mindst
Læs mereLøs til optimalitet i eksponentiel tid Find tilnærmet løsning i polynomielt tid Optimeringsproblemer kan ikke altid verificeres i polynomiel
I dag Løsning af NP -hårde optimeringsproblemer Repetition: branch-and-bound Flere begreber Konkret eksempel: TSP Lagrange relaxering Parallel branch-and-bound 1 Opsummering Løsning af NP -hårde optimeringsproblemer
Læs mereTALTEORI Wilsons sætning og Euler-Fermats sætning.
Wilsons sætning og Euler-Fermats sætning, marts 2007, Kirsten Rosenkilde 1 TALTEORI Wilsons sætning og Euler-Fermats sætning. Disse noter forudsætter et grundlæggende kendskab til talteori som man kan
Læs mere16. december. Resume sidste gang
16. december Resume sidste gang Abstrakt problem, konkret instans, afgørlighedsproblem Effektiv kodning (pol. relateret til binær kodning) Sprog L : mængden af instanser for et afgørlighedsproblem hvor
Læs mereLigninger med reelle løsninger
Ligninger med reelle løsninger, marts 2008, Kirsten Rosenkilde 1 Ligninger med reelle løsninger Når man løser ligninger, er der nogle standardmetoder som er vigtige at kende. Vurdering af antallet af løsninger
Læs mereTALTEORI Wilsons sætning og Euler-Fermats sætning.
Wilsons sætning og Euler-Fermats sætning, marts 2007, Kirsten Rosenkilde 1 TALTEORI Wilsons sætning og Euler-Fermats sætning. Disse noter forudsætter et grundlæggende kendskab til talteori som man kan
Læs mereAnalyse 1, Prøve 4. 25. juni 2009. r+1. Men vi har øjensynligt, at 2. r r+1
Analyse 1, Prøve 4 25. juni 29 Alle henvisninger til CB er henvisninger til Metriske Rum (1997, Christian Berg), alle henvisninger til TL er til Kalkulus (26, Tom Lindstrøm), og alle henvisninger til Opgaver
Læs mereTALTEORI Primfaktoropløsning og divisorer.
Primfaktoropløsning og divisorer, oktober 2008, Kirsten Rosenkilde 1 TALTEORI Primfaktoropløsning og divisorer. Disse noter forudsætter et grundlæggende kendskab til talteori som man kan få i Marianne
Læs mereHamilton-veje og kredse:
Hamilton-veje og kredse: Definition: En sti x 1, x 2,...,x n i en simpel graf G = (V, E) kaldes en hamiltonvej hvis V = n og x i x j for 1 i < j n. En kreds x 1, x 2,...,x n, x 1 i G kaldes en hamiltonkreds
Læs mereFunktioner af flere variable
Funktioner af flere variable Stud. Scient. Martin Sparre Københavns Universitet 23-10-2006 Definition 1 (Definition af en funktion af flere variable). En funktion af n variable defineret på en delmængde,
Læs mereMATEMATIK A-NIVEAU. Eksempel på løsning af matematik A eksamenssæt STX143-MAT/A-05122014 Matematik A, STX. Anders Jørgensen & Mark Kddafi
MATEMATIK A-NIVEAU Eksempel på løsning af matematik A eksamenssæt STX143-MAT/A-05122014 Matematik A, STX 2016 MATEMATIK A-NIVEAU Vejledende eksempler på eksamensopgaver og eksamensopgaver i matematik 2012
Læs mereMultipel Lineær Regression. Polynomiel regression Ikke-lineære modeller og transformation Multi-kolinearitet Auto-korrelation og Durbin-Watson test
Multipel Lineær Regression Polynomiel regression Ikke-lineære modeller og transformation Multi-kolinearitet Auto-korrelation og Durbin-Watson test Multipel lineær regression x,x,,x k uafhængige variable
Læs mere16. marts P NP. Essentielle spørgsmål: NP P? Et problem Q kaldes NP -fuldstændigt 1 Q NP 2 R NP : R pol Q. Resume sidste gang
16. marts Resume sidste gang Abstrakt problem konkret instans afgørlighedsproblem Effektiv kodning (pol. relateret til binær kodning) Sprog L : mængden af instanser for et afgørlighedsproblem hvor svaret
Læs mereModul 5: Test for én stikprøve
Forskningsenheden for Statistik ST01: Elementær Statistik Bent Jørgensen Modul 5: Test for én stikprøve 5.1 Test for middelværdi................................. 1 5.1.1 t-fordelingen.................................
Læs mereVideregående Algoritmik. Version med vejledende løsninger indsat!
Videregående Algoritmik DIKU, timers skriftlig eksamen, 1. april 009 Nils Andersen og Pawel Winter Alle hjælpemidler må benyttes, dog ikke lommeregner, computer eller mobiltelefon. Opgavesættet består
Læs merePendulbevægelse. Måling af svingningstid: Jacob Nielsen 1
Pendulbevægelse Jacob Nielsen 1 Figuren viser svingningstiden af et pendul i sekunder som funktion af udsvinget i grader. For udsving mindre end 20 grader er svingningstiden med god tilnærmelse konstant.
Læs mere9. marts. NP -fuldstændighed. Datalogiens største spørgsmål. Hvis kan bevise NP P fås 1 million dollar
9. marts NP -fuldstændighed Datalogisk indsigt Der findes problemer som kan løses effektivt polynomiel tid) Der findes problemer som ikke kan løses effektivt Der findes problemer som slet ikke kan løses
Læs mereHamiltonkreds, den handelsrejsendes problem, delmængdesum-problemet
, den handelsrejsendes problem, delmængdesum-problemet Videregående algoritmik Cormen et al. 34.5.3 34.5.5 Fredag den 19. december 2008 1 N P-fuldstændige problemer 1 N P-fuldstændige problemer 2 Reduktion
Læs mereTaxageometri og metriske rum
Taxageometri og metriske rum Douglas LaFontain og Troels Bak Andersen 8. oktober 2011 Målet med denne kursusdag er at introducere en ny geometri, der er forskellig fra vores sædvanlige Euklidiske plangeometri.
Læs mereArealer under grafer
HJ/marts 2013 1 Arealer under grafer 1 Arealer og bestemt integral Som bekendt kan vi bruge integralregning til at beregne arealer under grafer. Helt præcist har vi denne sætning. Sætning 1 (Analysens
Læs mereVariabel- sammenhænge
Variabel- sammenhænge Udgave 2 2009 Karsten Juul Dette hæfte kan bruges som start på undervisningen i variabelsammenhænge for stx og hf. Hæftet er en introduktion til at kunne behandle to sammenhængende
Læs mereSecret Sharing. Olav Geil Institut for Matematiske Fag Aalborg Universitet email: olav@math.aau.dk URL: http://www.math.aau.dk/ olav.
1 Læsevejledning Secret Sharing Olav Geil Institut for Matematiske Fag Aalborg Universitet email: olav@math.aau.dk URL: http://www.math.aau.dk/ olav September 2006 Nærværende note er tænkt som et oplæg
Læs mereKvantitative Metoder 1 - Forår 2007
Dagens program Afsnit 3.3-3.5 Varians Eksempel: Forventet nytte Kovarians og korrelation Middelværdi og varians af summer af stokastiske variabler Eksempel: Porteføljevalg 1 Beskrivelse af fordelinger
Læs mereBranch-and-bound. David Pisinger. Videregående algoritmik, DIKU (2007-08) 1 Introduktion 5 1.1 Gennemgående eksempler... 7. 2 Brute-force metoder 10
Branch-and-bound David Pisinger Videregående algoritmik, DIKU (2007-08) Indhold 1 Introduktion 5 1.1 Gennemgående eksempler..................... 7 2 Brute-force metoder 10 3 Divide and Conquer 11 4 Grænseværdier
Læs mereTal, funktioner og grænseværdi
Tal, funktioner og grænseværdi Skriv færdig-eksempler der kan udgøre en væsentlig del af et forløb der skal give indsigt vedrørende begrebet grænseværdi og nogle nødvendige forudsætninger om tal og funktioner
Læs mereAfstandsformlerne i Rummet
Afstandsformlerne i Rummet Frank Nasser 12. april 2011 c 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Bemærk:
Læs mereMinimum udspændende Træer (MST)
Minimum udspændende Træer (MST) Træer Et (frit/u-rodet) træ er en uorienteret graf G = (V, E) som er Sammenhængende: der er en sti mellem alle par af knuder. Acyklisk: der er ingen lukket kreds af kanter
Læs mereInduktion: fra naturlige tal til generaliseret skønhed Dan Saattrup Nielsen
36 Induktion: fra naturlige tal til generaliseret skønhed Dan Saattrup Nielsen En artikel om induktion, hvordan er det overhovedet muligt? Det er jo trivielt! Bevis ved induktion er en af de ældste matematiske
Læs mereVIA læreruddannelsen Silkeborg. WordMat kompendium
VIA læreruddannelsen Silkeborg WordMat kompendium Bolette Fisker Olesen 25-11-2015 Indholdsfortegnelse Ligning... 2 Løs ligning... 2 WordMat som lommeregner... 4 Geometri... 4 Trekanter... 4 Funktioner...
Læs mereBinære søgetræer. Nærmeste naboer Binære søgetræer Indsættelse Predecessor og successor Sletning Algoritmer på træer og trægennemløb.
Binære søgetræer Nærmeste naboer Binære søgetræer Indsættelse Predecessor og successor Sletning Algoritmer på træer og trægennemløb Philip Bille Binære søgetræer Nærmeste naboer Binære søgetræer Indsættelse
Læs mereMinimum udspændende Træer (MST)
Minimum udspændende Træer (MST) Træer Et (frit/u-rodet) træ er en uorienteret graf G = (V, E) som er Sammenhængende: der er en sti mellem alle par af knuder. Acyklisk: der er ingen kreds af kanter. Træ
Læs mereHypotese test. Repetition fra sidst Hypoteser Test af middelværdi Test af andel Test af varians Type 1 og type 2 fejl Signifikansniveau
ypotese test Repetition fra sidst ypoteser Test af middelværdi Test af andel Test af varians Type 1 og type fejl Signifikansniveau Konfidens intervaller Et konfidens interval er et interval, der estimerer
Læs mereMatematik projekt 4. Eksponentiel udvikling. Casper Wandrup Andresen 2.F 16-01-2009. Underskrift:
Matematik projekt 4 Eksponentiel udvikling Casper Wandrup Andresen 2.F 16-01-2009 Underskrift: Teorien bag eksponentiel udvikling er som sådan meget enkel. Den har forskriften: B er vores begndelsesværdi
Læs mereFinde invers funktion til en 2-gradsfunktion - ved parallelforskydning. John V Petersen
Finde invers funktion til en 2-gradsfunktion - ved parallelforskydning John V Petersen Finde invers funktion til en 2-gradsfunktion - ved parallelforskydning 2015 John V Petersen art-science-soul Indhold
Læs mereMatematisk modellering og numeriske metoder. Lektion 18
Matematisk modellering numeriske metoder Lektion 18 Morten Grud Rasmussen 12. november, 2013 1 Numeriske metoder til førsteordens ODE er [Bens afsnit 21.1 side 898] 1.1 Euler-metoden Vi stiftede allerede
Læs mereProjekt 10.1 Er der huller i Euklids argumentation? Et moderne aksiomsystem (især for A)
Projekt 10.1 Er der huller i Euklids argumentation? Et moderne aksiomsystem (især for A) Indhold Introduktion... 2 Hilberts 16 aksiomer Et moderne, konsistent og fuldstændigt aksiomsystem for geometri...
Læs mereHashing. Hashing. Ordbøger. Ordbøger. Ordbøger Hægtet hashing Hashfunktioner Lineær probering. Ordbøger Hægtet hashing Hashfunktioner Lineær probering
Philip Bille. Vedligehold en dynamisk mængde S af elementer. Hvert element har en nøgle x.key fra et univers af nøgler U og satellitdata x.data. Ordbogsoperationer. SEARCH(k): afgør om element med nøgle
Læs mereOm hvordan Google ordner websider
Om hvordan Google ordner websider Hans Anton Salomonsen March 14, 2008 Man oplever ofte at man efter at have givet Google et par søgeord lynhurtigt får oplysning om at der er fundet et stort antal - måske
Læs mereTekst Notation og layout Redegørelse og dokumentation Figurer Konklusion
1 Indledning Dette afsnit omhandler første delprøve, den uden hjælpemidler. Dette afsnit bygger på vejledningen til lærerplanen og lærerplanen for matematik b-niveau, samt eksamensopgaverne fra 2014-2012,
Læs mereLektion 6 Logaritmefunktioner
Lektion 6 Logaritmefunktioner Den naturlige logaritmefunktion Andre logaritmefunktioner log() Regneregler Integration ln() =, ln(e) = ln(a b) = ln(a) + ln(b) ln(a r ) = r ln(a) d = ln + C En berømt grænseværdi
Læs mereSkoleudvalget i Fredensborg Kommune har besluttet at ca. 10-12% lønmidlerne skal fordeles på baggrund af sociale indikatorer
Notat om fordeling af midlerne mellem Fredensborgs skoler med udgangspunkt i elevernes sociale baggrund Venturelli Consulting Oktober 2006 1 Indholdsfortegnelse 1. Resume...3 2. Baggrund...3 3. Den grundlæggende
Læs mereOversigt [S] 2.7, 2.9, 11.4
Oversigt [S] 2.7, 2.9, 11.4 Nøgleord og begreber Tangentlinje for graf Tangentplan for graf Test tangentplan Lineær approximation i en og flere variable Test approximation Differentiabilitet i flere variable
Læs mereForelæsning 8: Inferens for varianser (kap 9)
Kursus 02402 Introduktion til Statistik Forelæsning 8: Inferens for varianser (kap 9) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800 Lyngby
Læs mereFormler, ligninger, funktioner og grafer
Formler, ligninger, funktioner og grafer Omskrivning af ligninger og formler... 39 To ligninger med to ubekendte... 44 Formler, ligninger, funktioner og grafer Side 38 Omskrivning af ligninger og formler
Læs mereEksamensspørgsmål Mat C maj-juni 2016 1E. TWE
1. Rentesregning.... 2 2. Procent- og rentesregning.... 2 3. Rentesregning... 2 4. Opsparingsannuitet... 2 5. Opsparing... 2 6. Geometri... 3 7. Geometri.... 3 8. Geometri... 3 9. Lineære funktioner...
Læs merePerspektiverende Datalogikursus
Perspektiverende Datalogikursus Uge 1 - Algoritmer og kompleksitet Gerth Stølting Brodal 2. september 2005 1 Afleveringsopgaver... /\.. // \\ / \ / [] \ \\_// / \ / \ []._. ---------------- _ 2 Øvelse
Læs mereEr A åben? Er A afsluttet? Er A en Borel-mængde? [Vink: Prøv at skriv A som en tællelig forening af afsluttede mængder.
Analyse Øvelser Rasmus Sylvester Bryder 10. og 13. september 013 Supplerende opgave 4 Betragt mængden A = {(x, y) R x + y 1, x < y}. Er A åben? Er A afsluttet? Er A en Borel-mængde? [Vink: Prøv at skriv
Læs mereRetningslinjer for bedømmelsen. Georg Mohr-Konkurrencen 2011 2. runde
Retningslinjer for bedømmelsen. Georg Mohr-Konkurrencen 20 2. runde Det som skal vurderes i bedømmelsen af en besvarelse, er om deltageren har formået at analysere problemstillingen, kombinere de givne
Læs merePerspektiverende Datalogikursus
Perspektiverende Datalogikursus Uge 1 - Algoritmer og kompleksitet Gerth Stølting Brodal 27. august 2004 1 Indhold Mere om Eksempler på beregningsproblemer Algoritmer og deres analyse Korrekthed af algoritmer
Læs mereOversigt [LA] 6, 7, 8
Oversigt [LA] 6, 7, 8 Nøgleord og begreber Lineære ligningssystemer Løsningsmængdens struktur Test løsningsmængde Rækkereduktion Reduceret matrix Test ligningssystem Rækkeoperationsmatricer Rangformlen
Læs mereKonfidensinterval for µ (σ kendt)
Program 1. Repetition: konfidens-intervaller. 2. Hypotese test 3. Type I og type II fejl, p-værdi 4. En og to-sidede tests 5. Test for middelværdi (kendt varians) 6. Test for middelværdi (ukendt varians)
Læs mereEt generelt algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer. Ideen er simpel:
Grådige algoritmer Grådige algoritmer Et generelt algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer. Ideen er simpel: Opbyg løsningen skridt for skridt ved hele tiden af vælge lige
Læs mereSkriftlig Eksamen Algoritmer og Datastrukturer (dads)
Skriftlig Eksamen Algoritmer og Datastrukturer (dads) Datalogisk Institut Aarhus Universitet Tirsdag den 27. maj 2003, kl. 9.00 3.00 Opgave (25%) For konstanten π = 3.4592... gælder identiteten π 2 6 =
Læs mereDifferential- regning
Differential- regning 1 del () (1) 006 Karsten Juul Indhold 1 Funktionsværdi, graf og tilvækst1 Differentialkvotient og tangent8 3 Formler for differentialkvotient16 4 Opgaver med tangent 5 Væksthastighed5
Læs mereForslag til løsning af Opgaver til ligningsløsning (side172)
Forslag til løsning af Opgaver til ligningsløsning (side17) Opgave 1 Hvis sønnens alder er x år, så er faderens alder x år. Der går x år, før sønnen når op på x år. Om x år har faderen en alder på: x x
Læs mereSølvkorn 11 Eksponentialfunktioner og logaritmer
Eksponentialfunktioner og logaritmer Rasmus Sylvester Bryder Findes der for b, y > 0 et x R, så b x = y? Svaret er ja undtagen for b = 1, y 1), og det er alment kendt, at logaritmefunktionen gør et godt
Læs merePiger er bedst til at bryde den sociale arv
Piger er bedst til at bryde den sociale arv Piger er bedre end drenge til at bryde den sociale arv. Mens næsten hver fjerde pige fra ufaglærte hjem får en videregående uddannelse, så er det kun omkring
Læs mereDesignMat Egenværdier og Egenvektorer
DesignMat Egenværdier og Egenvektorer Preben Alsholm September 008 1 Egenværdier og Egenvektorer 1.1 Definition og Eksempel 1 Definition og Eksempel 1 Lad V være et vektorrum over L (enten R eller C).
Læs mereSudoku. Jørgen Brandt. Sudoku 1
Jørgen Brandt 1 Men hvad er? Antal Minimal Odds and Ends 2 3 9 7 1 4 7 2 8 5 2 9 1 8 7 4 3 6 7 1 7 9 3 2 6 5 2 Men hvad er? Antal Minimal Odds and Ends Hemmeligheden bag 2 3 9 7 1 4 7 2 8 5 2 9 1 8 7 4
Læs mere1hf Spørgsmål til mundtlig matematik eksamen sommer 2014
1. Procent og rente Vis, hvordan man beregner gennemsnitlig procentændring 2. Procent og rente Vis hvordan man beregner indekstal. 3. Procent og rente Vis, hvordan man kan beregne forskellige størrelser
Læs mereMiniprojekt 3: Fejlkorligerende køder Fejlkorrigerende koder
Miniprojekt 3: Fejlkorligerende køder Fejlkorrigerende koder Denne note er skrevet med udgangspunkt i [, p 24-243, 249] Et videre studium kan eksempelvis tage udgangspunkt i [2] Eventuelle kommentarer
Læs mereDen bedste dåse, en optimeringsopgave
bksp-20-15e Side 1 af 7 Den bedste dåse, en optimeringsopgave Mange praktiske anvendelser af matematik drejer sig om at optimere en variabel ved at vælge en passende kombination af andre variable. Det
Læs mereMatematik A Vejledende opgaver 5 timers prøven
Højere Teknisk Eksamen 007 Matematik A Vejledende opgaver 5 timers prøven Undervisningsministeriet Prøvens varighed er 5 timer. Opgavebesvarelsen skal dokumenteres/begrundes. Opgavebesvarelsen skal udformes
Læs mereKører du altid 110? Af Seniorkonsulent Uwe Hansen, Metro Therm 17.02.2016. Hvor svært kan det være at vælge varmtvandsbeholder til en-familieboligen?
Kører du altid 110? Af Seniorkonsulent Uwe Hansen, Metro Therm 17.02.2016 Hvor svært kan det være at vælge varmtvandsbeholder til en-familieboligen? Kravene til en varmtvandsbeholder har ændret sig gennem
Læs mereXII Vektorer i planen
Side 1 0101 Afsæt i et koordinatsystem vinklerne 135º og 20º og deres retningspunkter. 0102 Tegn i et koordinatsystem 4 forskellige repræsentanter for vektoren v = 5 3. 0103 Afsæt vektorerne p = 2, q =
Læs mere1 Kapitel 5: Forbrugervalg
1 Kapitel 5: Forbrugervalg Vi har set på: 1. budgetbegrænsninger 2. præferencer og nyttefunktioner. Nu stykker vi det hele sammen og studerer forbrugerens optimale valg. 2 Optimalt forbrug - grafisk fremstilling
Læs merePerspektiverende Datalogi Klassiske Algoritmer
Perspektiverende Datalogi Klassiske Algoritmer Gerth Stølting Brodal 1 Indhold Eksempler på beregningsproblemer Algoritmer og deres analyse Korrekthed af algoritmer Ressourceforbrug for algoritmer Kompleksitet
Læs mereUdtømmende søgning. Udtømmende søgning (kombinatorisk søgning) Problem med 4461 byer Udtømmende søgning i grafer. Find den korteste rundtur
Udtømmende søgning Udtømmende søgning (kombinatorisk søgning) Systematisk gennemsøgning af alle potentielle løsninger Den rejsende sælgers problem (TSP): En sælger skal besøge N byer ind den korteste rundtur
Læs mereLøsningsforslag 7. januar 2011
Løsningsforslag 7. januar 2011 May 9, 2012 Opgave 1 (5%) Funktionen f er givet ved forskriften f(x) = ln(x 2) + x 2. a) Bestem definitionsmængden for f. b) Beregn f (x). a) Definitionsmængden Logaritmen
Læs mereMindste udspændende træ
Mindste udspændende træ Introduktion Repræsentation af vægtede grafer Egenskaber for mindste udspændende træer Prims algoritme Kruskals algoritme Philip Bille Mindste udspændende træ Introduktion Repræsentation
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj 2014 Institution Uddannelse Fag og niveau Lærer(e) VUF - Voksenuddannelsescenter Frederiksberg Hf Matematik
Læs mereTilstandsligningen for ideale gasser
ilstandsligningen for ideale gasser /8 ilstandsligningen for ideale gasser Indhold. Udledning af tilstandsligningen.... Konsekvenser af tilstandsligningen...4 3. Eksempler og opgaver...5 4. Daltons lov...6
Læs mereP (n): rekursiv beregning af f n kræver f n beregninger af f 1. P (n) er sand for alle n 2.
P (n): rekursiv beregning af f n kræver f n beregninger af f 1. P (n) er sand for alle n 2. Bevis ved stærk induktion. Basisskridt: P (2) er sand og P (3) er sand. Induktionsskridt: Lad k 2 og antag P
Læs mereModul 3: Kontinuerte stokastiske variable
Forskningsenheden for Statistik ST501: Science Statistik Bent Jørgensen Modul 3: Kontinuerte stokastiske variable 3.1 Kontinuerte stokastiske variable........................... 1 3.1.1 Tæthedsfunktion...............................
Læs mereAreal. Et af de ældste skrifter om matematik, der findes, hedder Rhind Papyrus. NTRO
Areal Et af de ældste skrifter om matematik, der findes, hedder Rhind Papyrus. NTRO Det stammer fra Egypten og er ca. 3650 år gammelt. I Rhind Papyrus findes optegnelser, der viser, hvordan egypterne beregnede
Læs mereUdtømmende søgning 1
Udtømmende søgning Udtømmende søgning (kombinatorisk søgning) Systematisk gennemsøgning af alle potentielle løsninger Den rejsende sælgers problem (TSP): En sælger skal besøge N byer Find den korteste
Læs mereKapitel 3 Centraltendens og spredning
Kapitel 3 Centraltendens og spredning Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 Indledning 2 Centraltendens 3 Spredning 4 Praktisk beregning 5 Fraktiler 6 Opsamling 1 Indledning
Læs mereINSTITUT FOR DATALOGI, AARHUS UNIVERSITET
INSTITUT FOR ATALOGI, AARHUS UNIVERSITET Science and Technology EKSAMEN Algoritmer og atastrukturer (00-ordning) Antal sider i opgavesættet (incl. forsiden): (elleve) Eksamensdag: Fredag den. august 0,
Læs mereProgram. 1. Repetition: konfidens-intervaller. 2. Hypotese test, type I og type II fejl, signifikansniveau, styrke, en- og to-sidede test.
Program 1. Repetition: konfidens-intervaller. 2. Hypotese test, type I og type II fejl, signifikansniveau, styrke, en- og to-sidede test. 1/19 Konfidensinterval for µ (σ kendt) Estimat ˆµ = X bedste bud
Læs mereAndengradspolynomier
Andengradspolynomier Teori og opgaver (hf tilvalg) Forskydning af grafer...... 2 Andengradspolynomiets graf (parablen)..... 5 Andengradsligninger. 10 Andengradsuligheder 13 Nyttige formler, beviser og
Læs mereÅr 2000 2001 2002 2003 2004 2005. Løn (kr.) 108,95 112,79 117,69 122,92 127,17 130,76
Eksamensspørgsmål i ma til 1b sommeren 2010 1. Procent og rentesregning Gør rede for begrebet fremskrivningsfaktor og giv eksempler på anvendelse heraf. Forklar formlen til kapitalfremskrivning (i daglig
Læs mereDifferentiation af Logaritmer
Differentiation af Logaritmer Frank Nasser 11. juli 2011 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Indhold
Læs mereLæsevejledning til resultater på regionsplan
Læsevejledning til resultater på regionsplan Indhold 1. Overblik... 2 2. Sammenligninger... 2 3. Hvad viser figuren?... 3 4. Hvad viser tabellerne?... 5 5. Eksempler på typiske spørgsmål til tabellerne...
Læs mereINSTITUT FOR DATALOGI, AARHUS UNIVERSITET
INSTITUT FOR DATALOGI, AARHUS UNIVERSITET Science and Technology EKSAMEN Antal sider i opgavesættet (incl. forsiden): 6 (seks) Eksamensdag: Fredag den 22. juni 2012, kl. 9.00-13.00 Eksamenslokale: Finlandsgade
Læs mereAlgorithms & Architectures I 2. lektion
Algorithms & Architectures I 2. lektion Design-teknikker: Divide-and-conquer Rekursive algoritmer (Recurrences) Dynamisk programmering Greedy algorithms Backtracking Dagens lektion Case eksempel: Triple
Læs mereDanske Vandværker på vej mod 2020
Danske Vandværker på vej mod 2020 1. Aktuelt fra Danske Vandværker 2. Vandsektorlov og nye regnskabsregler 3. Samarbejde og sammenlægninger 1. Aktuelt fra Danske Vandværker 2. Vandsektorlov og nye regnskabsregler
Læs mereSymmetrisk traveling salesman problem Dat2A godkendelsesopgave 2
Symmetrisk traveling salesman problem Dat2A godkendelsesopgave 2 Jens Kristian Jensen, David Pisinger og Martin Zachariasen 13. april 2003 1 Formalia Dette er den anden af to godkendelsesopgaver på kurset
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj 2014 Institution Uddannelse Fag og niveau Lærer(e) VUF - Voksenuddannelsescenter Frederiksberg Stx Matematik
Læs mere