PodParley PodParley

03: Algorithmen II, Vorlesung, WS 2019/20, 21.10.2019

An episode of the Algorithmen 2, Vorlesung, WS19/20 podcast, hosted by Prof. Dr. Peter Sanders, titled "03: Algorithmen II, Vorlesung, WS 2019/20, 21.10.2019" was published on October 21, 2019 and runs 75 minutes.

October 21, 2019 ·75m · Algorithmen 2, Vorlesung, WS19/20

0:00 / 0:00

03 | 0:00:00 Start 0:00:05 2 Fortgeschrittene Datenstrukturen 0:00:27 2.1 Adressierbare Prioritätslisten 0:01:45 Wälder Bearbeiten 0:02:10 Pairing Heaps 0:03:06 Fibonacci Heaps 0:05:01 Amortisierte Analyse von deleteMin 0:08:48 Warum ist maxRank logarithmisch? – Binomialbäume 0:11:41 Kaskadierende Schnitte 0:17:29 Auftritt Herr Fibonacci 0:18:57 Beweis: 0:23:56 Addressable Priority Queues: Mehr 0:27:47 Fortgeschrittene Graphenalgorithmen; 3 Kürzeste Wege 0:29:56 Allgemeine Definitionen 0:33:14 Dijkstra's Algorithmus: Pseudocode 0:35:35 Beispiel 0:37:04 Laufzeit 0:41:31 Laufzeit im Durchschnitt 0:49:55 Lineare Laufzeit für dichte Graphen 0:59:50 Präfixminima einer Zufallsfolge 1:02:15 Monotone ganzzahlige Prioritätslisten 1:08:41 Bucket-Queue 1:10:47 Operationen 1:13:53 Laufzeit Dijkstra mit Bucket-Queues

03 | 0:00:00 Start 0:00:05 2 Fortgeschrittene Datenstrukturen 0:00:27 2.1 Adressierbare Prioritätslisten 0:01:45 Wälder Bearbeiten 0:02:10 Pairing Heaps 0:03:06 Fibonacci Heaps 0:05:01 Amortisierte Analyse von deleteMin 0:08:48 Warum ist maxRank logarithmisch? – Binomialbäume 0:11:41 Kaskadierende Schnitte 0:17:29 Auftritt Herr Fibonacci 0:18:57 Beweis: 0:23:56 Addressable Priority Queues: Mehr 0:27:47 Fortgeschrittene Graphenalgorithmen; 3 Kürzeste Wege 0:29:56 Allgemeine Definitionen 0:33:14 Dijkstra's Algorithmus: Pseudocode 0:35:35 Beispiel 0:37:04 Laufzeit 0:41:31 Laufzeit im Durchschnitt 0:49:55 Lineare Laufzeit für dichte Graphen 0:59:50 Präfixminima einer Zufallsfolge 1:02:15 Monotone ganzzahlige Prioritätslisten 1:08:41 Bucket-Queue 1:10:47 Operationen 1:13:53 Laufzeit Dijkstra mit Bucket-Queues
Programmieren, WS19/20, Vorlesung Karlsruher Institut für Technologie (KIT) – Objekte und Klassen – Typen, Werte und Variablen – Methoden – Kontrollstrukturen – Rekursion – Referenzen, Listen – Vererbung – Ein/-Ausgabe – Exceptions – Programmiermethodik – Implementierung elementarer Algorithmen (z.B. Sortierverfahren) in Java Literaturhinweise: P. Pepper, Programmieren Lernen, Springer, 3. Auflage 2007 Weiterführende Literatur B. Eckels: Thinking in Java. Prentice Hall 2006 J. Bloch: Effective Java, Addison-Wesley 2008Vorlesungsaufzeichnung: KIT | WEBCAST: http://webcast.kit.edu Algorithmen 2, Vorlesung, WS17/18 Karlsruher Institut für Technologie (KIT) Diese Lehrveranstaltung soll Studierenden die grundlegenden theoretischen und praktischen Aspekte der Algorithmentechnik vermitteln. Es werden generelle Methoden zum Entwurf und der Analyse von Algorithmen für grundlegende algorithmische Probleme vermittelt sowie die Grundzüge allgemeiner algorithmischer Methoden wie Approximationsalgorithmen, Lineare Programmierung, Randomisierte Algorithmen, Parallele Algorithmen und parametrisierte Algorithmen behandelt.Literaturhinweise:- K. Mehlhorn, P. Sanders: Algorithms and Data Structures - The Basic Toolbox- K. Mehlhorn, S. Naeher: The LEDA Platform of Combinatorial and Geometric Computing Topic: Algorithm Engineering, Flows, Geometrie- R. K. Ahuja, T. L. Magnanti, J.B. Orlin: Network Flows- M. de Berg, M. van Kreveld, M. Overmars, O. C. Schwarzkopf: Computational Geometry: Algorithms and Applications- G. Navarro: Compact Data Structures "A Practical Approach", Cambridge University Press- R. Niedermeier: Invitation to Fixed-Parameter Algorithmen 2, Vorlesung, WS18/19 Karlsruher Institut für Technologie (KIT) Diese Lehrveranstaltung soll Studierenden die grundlegenden theoretischen und praktischen Aspekte der Algorithmentechnik vermitteln. Es werden generelle Methoden zum Entwurf und der Analyse von Algorithmen für grundlegende algorithmische Probleme vermittelt sowie die Grundzüge allgemeiner algorithmischer Methoden wie Approximationsalgorithmen, Lineare Programmierung, Randomisierte Algorithmen, Parallele Algorithmen und parametrisierte Algorithmen behandelt.Literaturhinweise:- K. Mehlhorn, P. Sanders: Algorithms and Data Structures - The Basic Toolbox- K. Mehlhorn, S. Naeher: The LEDA Platform of Combinatorial and Geometric Computing Topic: Algorithm Engineering, Flows, Geometrie- R. K. Ahuja, T. L. Magnanti, J.B. Orlin: Network Flows- M. de Berg, M. van Kreveld, M. Overmars, O. C. Schwarzkopf: Computational Geometry: Algorithms and Applications- G. Navarro: Compact Data Structures "A Practical Approach", Cambridge University Press- R. Niedermeier: Invitation to Fixed-Parameter Algorithmen 2, WS2016/17, Vorlesung Karlsruher Institut für Technologie (KIT) Diese Lehrveranstaltung soll Studierenden die grundlegenden theoretischen und praktischen Aspekte der Algorithmentechnik vermitteln. Es werden generelle Methoden zum Entwurf und der Analyse von Algorithmen für grundlegende algorithmische Probleme vermittelt sowie die Grundzüge allgemeiner algorithmischer Methoden wie Approximationsalgorithmen, Lineare Programmierung, Randomisierte Algorithmen, Parallele Algorithmen und parametrisierte Algorithmen behandelt.Literaturhinweise:- K. Mehlhorn, P. Sanders: Algorithms and Data Structures - The Basic Toolbox- K. Mehlhorn, S. Naeher: The LEDA Platform of Combinatorial and Geometric Computing Topic: Algorithm Engineering, Flows, Geometrie- R. K. Ahuja, T. L. Magnanti, J.B. Orlin: Network Flows- M. de Berg, M. van Kreveld, M. Overmars, O. C. Schwarzkopf: Computational Geometry: Algorithms and Applications- G. Navarro: Compact Data Structures "A Practical Approach", Cambridge University Press- R. Niedermeier: Invitation to Fixed-Parameter
URL copied to clipboard!