Gráfszínezési problémák és ütemezési alkalmazásaik
|
|
- Zalán Szekeres
- 5 évvel ezelőtt
- Látták:
Átírás
1 Gráfszínezési problémák és ütemezési alkalmazásaik Marx Dániel Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi és Információelméleti tanszék Neumann János Doktoranduszi Konferencia Budapest, 2003
2 Gráfok színezése 1 Bemenet: Egy G(V, E) gráf Feladat: rendeljünk a csúcsokhoz színeket úgy, hogy szomszédos csúcsok színe különböző legyen. Cél: Próbáljuk a feladatot minél kevesebb szín felhasználásával megoldani.
3 Gráfok színezése 1 Bemenet: Egy G(V, E) gráf Feladat: rendeljünk a csúcsokhoz színeket úgy, hogy szomszédos csúcsok színe különböző legyen. Cél: Próbáljuk a feladatot minél kevesebb szín felhasználásával megoldani. Minimális színszám meghatározása NP-nehéz.
4 Intervallumgráfok 2 Alkalmazás: repülőgépek hozzárendelése járatokhoz.
5 Intervallumgráfok 2 Alkalmazás: repülőgépek hozzárendelése járatokhoz.
6 Intervallumgráfok 2 Alkalmazás: repülőgépek hozzárendelése járatokhoz. Intervallumgráfok színezésére ismert lineáris idejű algoritmus.
7 Színezésbővítés 3 A színezésbővítés problémában a gráf néhány csúcsa előre ki van színezve, ezt kell befejezni adott számú szín felhasználásával. Alkalmazás: bizonyos járatokhoz már rendeltünk repülőgépeket (megváltoztathatatlanul). Intervallumgráfokon a színezésbővítés NP-teljes. [Biró, Hujter, Tuza 1992] A probléma NP-teljes marad akkor is ha, minden intervallum hossza egységnyi. [M. 2002]
8 Egy speciális eset 4 Minden szín csak egyszer szerepel a kezdeti színezésben. Ekkor a probléma polinom időben megoldható intervallumgráfokon. [Biró, Hujter, Tuza 1992] Alkalmazás: Minden repülőgéphez van egyetlen karbantartásra kijelölt időszak amikor nem repülhet (más megkötés nincs).
9 Egy speciális eset 4 Minden szín csak egyszer szerepel a kezdeti színezésben. Ekkor a probléma polinom időben megoldható intervallumgráfokon. [Biró, Hujter, Tuza 1992] Alkalmazás: Minden repülőgéphez van egyetlen karbantartásra kijelölt időszak amikor nem repülhet (más megkötés nincs). További kiterjesztés: ha minden szín csak egyszer szerepel a kezdeti színezésben, akkor a probléma polinom időben megoldható merevkörű gráfokon. [M. 2003]
10 Periodikus ütemezés 5 Mindennap ugyanazt a repülőgép kiosztást szeretnénk használni. Ha lehetnek éjfélen átnyúló járatok akkor egy ívgráfot kell színeznünk. A minimális színszám meghatározása ívgráfokon NP-teljes. [Garey, Johnson, Miller, Papadimitriou 1980] Ismert determinisztikus 3 -közelítő [Karapetian 1980] és randomizált 1,37-közelítő 2 [Kumar 2001] algoritmus. 0 óra
11 WDM gyűrűk 6 Újabb példa az ívszínezés alkalmazása: WDM gyűrűben a kijelölt utakhoz kell hullámhosszt rendelni. Egy optikai szálon egy hullámhosszt csak egy összeköttetés használhat. WDM technológia: egy optikai szálon több párhuzamos csatorna a különböző hullámhosszokon. Egy adatfolyamnak végig azonos hullámhosszon kell haladnia, mert a teljesen optikai kapcsolók nem képesek hullámhosszkonverzióra.
12 Bázisállomások frekvenciakiosztása 7 Mindegyik bázisállomáshoz egy frekvenciát kell rendelnünk, közeli bázisállomások interferencia miatt nem használhatják ugyanazt a frekvenciát. A probléma interferencia gráfjában a közeli állomásokat kötjük össze.
13 Bázisállomások frekvenciakiosztása 7 Mindegyik bázisállomáshoz egy frekvenciát kell rendelnünk, közeli bázisállomások interferencia miatt nem használhatják ugyanazt a frekvenciát. A probléma interferencia gráfjában a közeli állomásokat kötjük össze.
14 Bázisállomások frekvenciakiosztása 7 Mindegyik bázisállomáshoz egy frekvenciát kell rendelnünk, közeli bázisállomások interferencia miatt nem használhatják ugyanazt a frekvenciát. A probléma interferencia gráfjában a közeli állomásokat kötjük össze.
15 Bázisállomások frekvenciakiosztása 7 Mindegyik bázisállomáshoz egy frekvenciát kell rendelnünk, közeli bázisállomások interferencia miatt nem használhatják ugyanazt a frekvenciát. A probléma interferencia gráfjában a közeli állomásokat kötjük össze. Speciális eset: Egységkorong gráf: a csúcsok egységnyi sugarú korongok, az egymást metszők össze vannak kötve. 3-közelítő algoritmus egységkorong gráfok színezésére (pl. [Gräf et al. 1998])
16 Multiszínezés 8 Multiszínezés: minden csúcsra adott egy szám, ennyi színt kell neki adni úgy, hogy szomszédos színhalmazok diszjunktak legyenek. Alkalmazás: egy bázisállomáshoz nem egyetlen frekvenciát kell rendelni, hanem megadott számút.
17 Multiszínezés 8 Multiszínezés: minden csúcsra adott egy szám, ennyi színt kell neki adni úgy, hogy szomszédos színhalmazok diszjunktak legyenek. Alkalmazás: egy bázisállomáshoz nem egyetlen frekvenciát kell rendelni, hanem megadott számút.
18 Multiszínezés 8 Multiszínezés: minden csúcsra adott egy szám, ennyi színt kell neki adni úgy, hogy szomszédos színhalmazok diszjunktak legyenek. Alkalmazás: egy bázisállomáshoz nem egyetlen frekvenciát kell rendelni, hanem megadott számút. Hatszögmodell: minden cella egy hatszög, a gráf a háromszögrács részgráfja. A síkbeli háromszögrácsban a multiszínezés problémára ismert polinom idejű -közelítő algoritmus [Narayanan, Shende 2001] 4 3
19 Ütemezési problémák 9 Gráf csúcsai: Gráf élei: Színek: elvégzendő feladatok (egységnyi hosszúak) egyszerre nem végezhető feladatok lehetséges időpontok 1. nap 2. nap 3. nap 4. nap A 2 B C 1 4 A B C 1 3 D E F 1 D E F
20 Ütemezési problémák 9 Gráf csúcsai: Gráf élei: Színek: elvégzendő feladatok (egységnyi hosszúak) egyszerre nem végezhető feladatok lehetséges időpontok 1. nap 2. nap 3. nap 4. nap A 2 B C 1 4 A B C 1 3 D E F 1 D E F Színek összege: 12 Átlagos befejezési idő: 2 Színek számának minimalizálása: összes feladat befejezése minél korábban. Minimum összegű színezés: a feladatok átlagos befejezési idejének a minimalizálása.
21 Élszínezés 10 A gráf éleihez kell színeket rendelni, azonos csúcsra illeszkedő éleknek különböző színűeknek kell lenniük. Alkalmazás: Kétprocesszoros feladatok ütemezése. Gráf csúcsai: Gráf élei: Színek: processzorok két processzor együttes munkáját igénylő feladat lehetséges időpontok Élszínezés NP-nehéz. Ha nincsenek párhuzamos élek: OPT+1 színnel lehet színezni (Vizing-tétel). Általános eset: polinom idejű algoritmus 1,1 OPT + 0,8 színnel [Nishizeki, Kashiwagi 1990]
22 Minimum összegű multiszínezés 11 Minden feladat adott számú időegységet igényel minden csúcshoz adott számú színt kell rendelni. Egy csúcs befejezési ideje a hozzárendelt legnagyobb szín. Cél: minimalizáljuk a befejezési idők összegét, ezzel minimalizáljuk a feladatok átlagos befejezési idejét. 1. nap 2. nap 3. nap 4. nap 5. nap Befejezési idő A: 2, 5 B: 1 C: 2 A B D: 1, 4 E: 3 F: 1, 4, 5 3 C D E F Összeg: 20
23 Minimum összegű multiszínezés (folyt.) 12 NP-nehéz bináris fákon [M. 2002] (1 + ɛ)-közelítés (polinom idejű közelítő séma) fákra és síkgráfokra [Halldórsson et al. 2003] 3 -közelítő algoritmus páros gráfokra [Bar-Noy and Kortsarz 1998] 2 Élszínezési változat: 2-közelítő algoritmus [Bar-Noy et al. 2000] NP-nehéz fákon [M. 2003] Polinom idejű közelítő séma fákra [M. 2003]
24 Összefoglalás 13 Színezés: konfliktusmentes hozzárendelés. A színek lehetnek kiszolgálók (repülőgép), erőforrások (frekvencia, hullámhossz) végrehajtási időpontok. Célfüggvények: színek számának, színek összegének a minimalizálása. Természetes kiterjesztés: multiszínezés. Saját eredmények: polinom idejű algoritmusok, NP-teljességi eredmények, közelítő algoritmusok.
Algoritmuselmélet. Bonyolultságelmélet. Katona Gyula Y.
Algoritmuselmélet Bonyolultságelmélet Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 12. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet
RészletesebbenGráf csúcsainak színezése. The Four-Color Theorem 4 szín tétel Appel és Haken bebizonyították, hogy minden térkép legfeljebb 4 színnel kiszínezhető.
Gráf csúcsainak színezése Kromatikus szám 2018. Április 18. χ(g) az ún. kromatikus szám az a szám, ahány szín kell a G gráf csúcsainak olyan kiszínezéséhez, hogy a szomszédok más színűek legyenek. 2 The
RészletesebbenÜtemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék
Ütemezési problémák Kis Tamás 1 1 MTA SZTAKI valamint ELTE, Operációkutatási Tanszék ELTE Problémamegoldó Szeminárium, 2012. ősz Kivonat Alapfogalmak Mit is értünk ütemezésen? Gépütemezés 1 L max 1 rm
RészletesebbenAlgoritmusok bonyolultsága
Algoritmusok bonyolultsága 9. előadás http://www.ms.sapientia.ro/~kasa/komplex.htm 1 / 18 Közelítő algoritmusok ládapakolás (bin packing) Adott n tárgy (s i tömeggel) és végtelen sok 1 kapacitású láda
RészletesebbenAlgoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 13.
Algoritmuselmélet NP-teljes problémák Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 13. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet
RészletesebbenModern irányzatok a bonyolultságelméletben: éles korlátok és dichotómia tételek
Modern irányzatok a bonyolultságelméletben: éles korlátok és dichotómia tételek Marx Dániel Paraméteres Algoritmusok és Bonyolultság Kutatócsoport Informatikai Kutatólaboratórium SZTAKI 05. június 5. Kombinatorikus
RészletesebbenDiszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
RészletesebbenEuler tétel következménye 1:ha G összefüggő síkgráf és legalább 3 pontja van, akkor: e 3
Síkgráfok Kuratowski-tétel: egy gráf akkor és csak akkor síkba rajzolható gráf, ha nincs olyan részgráfja, ami a K 5 -el, vagy a K 3,3 -altopologikusan izomorf (homeomorf). Euler síkgráfokra vonatkozó
RészletesebbenLogika és számításelmélet. 11. előadás
Logika és számításelmélet 11. előadás NP-teljesség Emlékeztetőül: NP-teljes nyelv Egy L probléma NP-teljes (a polinom idejű visszavezetésre nézve), ha L NP L NP-nehéz, azaz minden L NP esetén L p L. Azaz
RészletesebbenAlgoritmuselmélet. Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás. Katona Gyula Y.
Algoritmuselmélet Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem
RészletesebbenGráfelméleti feladatok programozóknak
Gráfelméleti feladatok programozóknak Nagy-György Judit 1. Lehet-e egy gráf fokszámsorozata 3, 3, 3, 3, 5, 6, 6, 6, 6, 6, 6? 2. Lehet-e egyszer gráf fokszámsorozata (a) 3, 3, 4, 4, 6? (b) 0, 1, 2, 2, 2,
RészletesebbenGráfelméleti alapfogalmak
1 Gráfelméleti alapfogalmak Gráf (angol graph= rajz): pontokból és vonalakból álló alakzat. pontok a gráf csúcsai, a vonalak a gráf élei. GRÁ Irányítatlan gráf Vegyes gráf Irányított gráf G H Izolált pont
RészletesebbenA számítástudomány alapjai
A számítástudomány alapjai Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem Legszélesebb utak Katona Gyula Y. (BME SZIT) A számítástudomány
RészletesebbenAlgoritmuselmélet 18. előadás
Algoritmuselmélet 18. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Május 7. ALGORITMUSELMÉLET 18. ELŐADÁS 1 Közelítő algoritmusok
RészletesebbenMiskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 2016/17 2. félév 5. Előadás Dr. Kulcsár Gyula egyetemi docens Tartalom 1. Párhuzamosan
RészletesebbenMegoldások 7. gyakorlat Síkgráfok, dualitás, gyenge izomorfia, Whitney-tételei
Számítástudomány alapjai Megoldások 7. gyakorlat Síkgráfok, dualitás, gyenge izomorfia, Whitney-tételei 90. A konvex poliéder egyes lapjait határoló élek száma legyen k! Egy konvex poliéder egy tetszőleges
RészletesebbenAlgoritmuselmélet. Hashelés. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem
Algoritmuselmélet Hashelés Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 9. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet 9. előadás
RészletesebbenAlgoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 12.
Algoritmuselmélet NP-teljes problémák Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 12. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 4. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.
RészletesebbenHálózattervezés Alpjai 2007
Hálózattervezés Alpjai 2007 7: Hullámhossz Hozzárendelés Optikai WDM Hálózatokban 1 Optikai kommunikációs hálózatok Az adatok laser által üvegkábelen kerülnek átvitelre. Előnyei: Nagyon magas átviteli
RészletesebbenBonyolultságelmélet. Thursday 1 st December, 2016, 22:21
Bonyolultságelmélet Thursday 1 st December, 2016, 22:21 Tárbonyolultság A futásidő mellett a felhasznált tárterület a másik fontos erőforrás. Ismét igaz, hogy egy Ram-program esetében ha csak a használt
RészletesebbenSzámítógép és programozás 2
Számítógép és programozás 2 6. Előadás Problémaosztályok http://digitus.itk.ppke.hu/~flugi/ Emlékeztető A specifikáció egy előfeltételből és utófeltételből álló leírása a feladatnak Léteznek olyan feladatok,
RészletesebbenTotális Unimodularitás és LP dualitás. Tapolcai János
Totális Unimodularitás és LP dualitás Tapolcai János tapolcai@tmit.bme.hu 1 Optimalizálási feladat kezelése NP-nehéz Hatékony megoldás vélhetően nem létezik Jó esetben hatékony algoritmussal közelíteni
RészletesebbenAlgoritmuselmélet. Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás. Katona Gyula Y.
Algoritmuselmélet Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem
RészletesebbenDiszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 10. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
RészletesebbenRecski András Budapesti Műszaki és Gazdaságtudományi Egyetem,
Tudományos népszerűsítő előadások a Fazekasban Recski András Budapesti Műszaki és Gazdaságtudományi Egyetem, Számítástudományi és Információelméleti Tanszék Gráfok színezése A 2008. január 22-én elhangzott
RészletesebbenMŰSZAKKIOSZTÁSI PROBLÉMÁK A KÖZÖSSÉGI KÖZLEKEDÉSBEN
infokommunikációs technológiák MŰSZAKKIOSZTÁSI PROBLÉMÁK A KÖZÖSSÉGI KÖZLEKEDÉSBEN Készítette: Árgilán Viktor, Dr. Balogh János, Dr. Békési József, Dávid Balázs, Hajdu László, Dr. Galambos Gábor, Dr. Krész
Részletesebben1. tétel - Gráfok alapfogalmai
1. tétel - Gráfok alapfogalmai 1. irányítatlan gráf fogalma A G (irányítatlan) gráf egy (Φ, E, V) hátmas, ahol E az élek halmaza, V a csúcsok (pontok) halmaza, Φ: E {V-beli rendezetlen párok} illeszkedési
RészletesebbenPrExt algoritmusok. Eőry Zoltán
SZAKDOLGOZAT PrExt algoritmusok Eőry Zoltán Témavezető: Hujter Mihály egyetemi docens BME Matematika Intézet, Differenciálegyenletek Tanszék BME 2010 Szakdolgozat-kiírás Témavezető: Hujter Mihály, egyetemi
RészletesebbenDiszkrét matematika 2.
Diszkrét matematika 2. 2018. október 12. 1. Diszkrét matematika 2. 5. előadás Fancsali Szabolcs Levente nudniq@cs.elte.hu www.cs.elte.hu/ nudniq Komputeralgebra Tanszék 2018. október 12. Diszkrét matematika
RészletesebbenAlap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:
RészletesebbenDiszkrét matematika 1. estis képzés
Diszkrét matematika 1. estis képzés 2019. tavasz 1. Diszkrét matematika 1. estis képzés 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján
RészletesebbenKiegészítő részelőadás 1. Az algoritmusok hatékonyságának mérése
Kiegészítő részelőadás 1. Az algoritmusok hatékonyságának mérése Dr. Kallós Gábor 2014 2015 1 Az Ordó jelölés Azt mondjuk, hogy az f(n) függvény eleme az Ordó(g(n)) halmaznak, ha van olyan c konstans (c
RészletesebbenHogyan óvjuk meg értékes festményeinket?
Hogyan óvjuk meg értékes festményeinket? Hajnal Péter Bolyai Intézet, SZTE, Szeged 2013. április Bevezető példa I. Feladat Adott egy konvex nyolcszög. Bevezető példa I. Feladat Adott egy konvex nyolcszög.
RészletesebbenGráfok színezése Diszkrét matematika 2009/10 sz, 9. el adás
Gráfok színezése Diszkrét matematika 2009/10 sz, 9. el adás A jegyzetet készítette: Szabó Tamás 2009. november 9. 1. Alapfogalmak Egy gráf csúcsait vagy éleit bizonyos esetekben szeretnénk különböz osztályokba
RészletesebbenAz optimális megoldást adó algoritmusok
Az optimális megoldást adó algoritmusok shop ütemezés esetén Ebben a fejezetben olyan modellekkel foglalkozunk, amelyekben a munkák több műveletből állnak. Speciálisan shop ütemezési problémákat vizsgálunk.
RészletesebbenEötvös Loránd Tudományegyetem Természettudományi Kar. Gráfok színezése. BSc Szakdolgozat
Eötvös Loránd Tudományegyetem Természettudományi Kar Gráfok színezése BSc Szakdolgozat Készítette: Tóth Ádám Matematika BSc, Matematikai elemző szakirány Témavezető: Hermann György Doktorandusz, Számítógéptudományi
RészletesebbenOperációkutatás példatár
1 Operációkutatás példatár 2 1. Lineáris programozási feladatok felírása és megoldása 1.1. Feladat Egy gazdálkodónak azt kell eldöntenie, hogy mennyi kukoricát és búzát vessen. Ha egységnyi földterületen
RészletesebbenKÖZELÍTŐ ALGORITMUSOK
Wiener Gábor KÖZELÍTŐ ALGORITMUSOK BME SZIT Készült a Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Számítástudományi és Információelméleti Tanszék gondozásában. Lektorálta:
RészletesebbenAlgoritmuselmélet. 2-3 fák. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 8.
Algoritmuselmélet 2-3 fák Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 8. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet 8. előadás
RészletesebbenBonyolultságelmélet. Monday 10 th October, 2016, 17:44
Monday 10 th October, 2016, 17:44 NP-teljes gráfelméleti problémák Tétel A Hamilton-Út probléma NP-teljes. NP-teljes gráfelméleti problémák Tétel A Hamilton-Út probléma NP-teljes. Ötlet,,Értékválasztó
Részletesebben3. Gráfok színezései
Diszkrét Matematika levelező MSc hallgatók számára 3. ráfok színezései Előadó: Hajnal Péter 2011 12. őszi félév 1. Síkgráfok és élszínezések A párosításoknál szereplő Petersen-tétel azt állította, hog
RészletesebbenKÖZELÍTŐ ALGORITMUSOK
Wiener Gábor KÖZELÍTŐ ALGORITMUSOK BME SZIT Készült a Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Számítástudományi és Információelméleti Tanszék gondozásában. Copyright:
RészletesebbenA számítástudomány alapjai. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem
A számítástudomány alapjai Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem Bináris keresőfa, kupac Katona Gyula Y. (BME SZIT) A számítástudomány
RészletesebbenKÁBELHÁLÓZATOK FEJLŐDÉSE GRÓF RÓBERT HFC TECHNICS KFT.
KÁBELHÁLÓZATOK FEJLŐDÉSE GRÓF RÓBERT HFC TECHNICS KFT. Tartalom Bevezető HFC technológia határai Passzív Optikai Hálózatok PON jövő HFC Technics Kft. A HFC Technics Kft. szolgáltatási és termék kínálata
RészletesebbenSzA X/XI. gyakorlat, november 14/19.
SzA X/XI. gyakorlat, 2013. november 14/19. Színezünk és rajzolunk Drótos Márton drotos@cs.bme.hu 1. Mennyi a következő gráfok kromatikus száma: C 4, C 5, K 2,4, alábbi 2 gráf χ(c 4 ) = 2, páros hosszú
RészletesebbenOperációkutatás. Vaik Zsuzsanna. Budapest október 10. First Prev Next Last Go Back Full Screen Close Quit
Operációkutatás Vaik Zsuzsanna Vaik.Zsuzsanna@ymmfk.szie.hu Budapest 200. október 10. Mit tanulunk ma? Szállítási feladat Megoldása Adott: Egy árucikk, T 1, T 2, T,..., T m termelőhely, melyekben rendre
RészletesebbenApproximációs algoritmusok
Approximációs algoritmusok Nehéz (pl. NP teljes) problémák optimális megoldásának meghatározására nem tudunk (garantáltan) polinom idejű algoritmust adni. Lehetőségek: -exponenciális futási idejű algoritmus
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 3. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.
RészletesebbenÜtemezési feladatok. Az ütemezési feladatok vizsgálata az 50-es évek elején kezdődött, majd
1 Ütemezési feladatok Az ütemezési feladatok vizsgálata az 50-es évek elején kezdődött, majd tekintettel a feladat gyakorlati fontosságára sok különböző modell tanulmányozására került sor, és a témakör
RészletesebbenDiszkrét matematika 1. estis képzés
Diszkrét matematika 1. estis képzés 2019. tavasz 1. Diszkrét matematika 1. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2015. tavasz 1. Diszkrét matematika 2.C szakirány 1. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu Komputeralgebra Tanszék 2015. tavasz Gráfelmélet Diszkrét
RészletesebbenAlgoritmuselmélet. Legrövidebb utak, Bellmann-Ford, Dijkstra. Katona Gyula Y.
Algoritmuselmélet Legrövidebb utak, Bellmann-Ford, Dijkstra Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 3. előadás Katona Gyula Y. (BME
RészletesebbenDiszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2016. tavasz 1. Diszkrét matematika 2. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
RészletesebbenFeladatok Házi feladat. Keszeg Attila
2016.01.29. 1 2 3 4 Adott egy O pont és egy λ 0 valós szám. a tér minden egyes P pontjához rendeljünk hozzá egy P pontot, a következő módon: 1 ha P = O, akkor P = P 2 ha P O, akkor P az OP egyenes azon
RészletesebbenSzámítógépes Grafika SZIE YMÉK
Számítógépes Grafika SZIE YMÉK Analóg - digitális Analóg: a jel értelmezési tartománya (idő), és az értékkészletes is folytonos (pl. hang, fény) Diszkrét idejű: az értelmezési tartomány diszkrét (pl. a
RészletesebbenE-tananyag Matematika 9. évfolyam 2014. Függvények
Függvények Függvények értelmezése Legyen adott az A és B két nem üres halmaz. Az A halmaz minden egyes eleméhez rendeljük hozzá a B halmaz egy-egy elemét. Ez a hozzárendelés egyértelmű, és ezt a hozzárendelést
Részletesebben2012. október 2 és 4. Dr. Vincze Szilvia
2012. október 2 és 4. Dr. Vincze Szilvia Tartalomjegyzék 1.) Az egyváltozós valós függvény fogalma, műveletek 2.) Zérushely, polinomok zérushelye 3.) Korlátosság 4.) Monotonitás 5.) Szélsőérték 6.) Konvex
RészletesebbenBevezetés a bonyolultságelméletbe gyakorlatok I. A(0, y) := y + 1 y 0 A(x, 0) := A(x 1, 1) x 1 A(x, y) := A(x 1, A(x, y 1)) x, y 1
Bevezetés a bonyolultságelméletbe gyakorlatok I. B. Az Ackermann függvény avagy nem minden olyan egyszerű, mint amilyennek látszik Legyen A(x, y) a következő, rekurzív módon definiált függvény: A(0, y)
RészletesebbenDiszkrét matematika 2.
Diszkrét matematika 2. 2018. március 9. 1. Diszkrét matematika 2. 4. előadás Fancsali Szabolcs Levente nudniq@cs.elte.hu www.cs.elte.hu/ nudniq Komputeralgebra Tanszék 2018. március 9. Gráfelmélet Diszkrét
RészletesebbenAlgoritmuselmélet. Gráfok megadása, szélességi bejárás, összefüggőség, párosítás. Katona Gyula Y.
Algoritmuselmélet Gráfok megadása, szélességi bejárás, összefüggőség, párosítás Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 2. előadás
RészletesebbenSíkbarajzolható gráfok, duális gráf
Síkbarajzolható gráfok, duális gráf Papp László BME November 8, 2018 Gráfok lerajzolása Definíció: Egy G gráf diagramján a gráf olyan lerajzolását értjük ahol a csúcsok különböző síkbeli pontok, illetve
RészletesebbenBevezetés a számításelméletbe II. 1. zh,
Bevezetés a számításelméletbe II. 1. zh, 2014.03.20. 1. Egy 59 csúcsú egyszer gráfban bármely két csúcs fokszámösszege 60- nál nagyobb páros szám. Igaz-e, hogy a gráfban biztosan van Eulerkörséta? 2. Egy
RészletesebbenDiszkrét matematika 2 (C) vizsgaanyag, 2012 tavasz
Diszkrét matematika 2 (C) vizsgaanyag, 2012 tavasz A vizsga menete: a vizsga írásbeli és szóbeli részből áll. Az írásbeli beugrón az alábbi kérdések közül szerepel összesen 12 darab, mindegyik egy pontot
RészletesebbenSzámítógépes Hálózatok. 4. gyakorlat
Számítógépes Hálózatok 4. gyakorlat Feladat 0 Számolja ki a CRC kontrollösszeget az 11011011001101000111 üzenetre, ha a generátor polinom x 4 +x 3 +x+1! Mi lesz a 4 bites kontrollösszeg? A fenti üzenet
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Koordinátageometria
1) MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Koordinátageometria A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
Részletesebben16. tétel Egybevágósági transzformációk. Konvex sokszögek tulajdonságai, szimmetrikus sokszögek
16. tétel Egybevágósági transzformációk. Konvex sokszögek tulajdonságai, szimmetrikus sokszögek EGYBEVÁGÓSÁGI TRANSZFORMÁCIÓK Geometriai transzformáció Def:Olyan speciális függvény, melynek értelmezési
RészletesebbenDiszkrét matematika II. feladatok
Diszkrét matematika II. feladatok 1. Gráfelmélet 1.1. Könnyebb 1. Rajzold le az összes, páronként nem izomorf 3, 4, illetve 5 csúcsú egyszerű gráfot! 2. Van-e olyan (legalább kétpontú) gráf, melyben minden
RészletesebbenKereső algoritmusok a diszkrét optimalizálás problémájához
Kereső algoritmusok a diszkrét optimalizálás problémájához A. Grama, A. Gupta, G. Karypis és V. Kumar: Introduction to Parallel Computing, Addison Wesley, 2003. könyv anyaga alapján A kereső eljárások
RészletesebbenDiszkrét matematika II. gyakorlat
Diszkrét matematika II. gyakorlat 9. Gyakorlat Szakács Nóra Helyettesít: Bogya Norbert Bolyai Intézet 2013. április 11. Bogya Norbert (Bolyai Intézet) Diszkrét matematika II. gyakorlat 2013. április 11.
RészletesebbenStatisztikai módszerek a skálafüggetlen hálózatok
Statisztikai módszerek a skálafüggetlen hálózatok vizsgálatára Gyenge Ádám1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Számítástudományi és Információelméleti
RészletesebbenBonyolultságelmélet feladatok
Bonyolultságelmélet feladatok Hajgató Tamás Iván Szabolcs Updated: November 26, 2009 1 Függvények nagyságrendje A következő definíciókat használjuk, ahol f, g két N N függvény (mindig fel fogjuk tenni,
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2015. ősz 1. Diszkrét matematika 2.C szakirány 3. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2015.
RészletesebbenErőforrások hozzárendelése
A projekttevékenységek végrehajtásához erőforrásokra van szükség. A tevékenységekhez erőforrásokat rendelve adhatjuk meg, hogy ki vagy mi szükséges az ütemezett tevékenységek elvégzéséhez. Ha a tevékenységekhez
RészletesebbenSíkba rajzolható gráfok
Síkba rajzolható gráfok Elmélet Definíció: egy G gráfot síkba rajzolható gráfnak nevezünk, ha az felrajzolható a síkra anélkül, hogy az élei metsszék egymást. Egy ilyen felrajzolását a G gráf síkbeli reprezentációjának
RészletesebbenKereső algoritmusok a diszkrét optimalizálás problémájához
Kereső algoritmusok a diszkrét optimalizálás problémájához A. Grama, A. Gupta, G. Karypis és V. Kumar: Introduction to Parallel Computing, Addison Wesley, 2003. könyv anyaga alapján A kereső eljárások
RészletesebbenDISZKRÉT MATEMATIKA 2 KIDOLGOZOTT TÉTELSOR 1. RÉSZ
DISZKRÉT MATEMATIKA 2 KIDOLGOZOTT TÉTELSOR 1. RÉSZ B szakirány 2014 június Tartalom 1. Fák definíciója ekvivalens jellemzései... 3 2. Hamilton-kör Euler-vonal... 4 3. Feszítőfa és vágás... 6 4. Címkézett
RészletesebbenBranch-and-Bound. 1. Az egészértéketű programozás. a korlátozás és szétválasztás módszere Bevezető Definíció. 11.
11. gyakorlat Branch-and-Bound a korlátozás és szétválasztás módszere 1. Az egészértéketű programozás 1.1. Bevezető Bizonyos feladatok modellezése kapcsán előfordulhat olyan eset, hogy a megoldás során
RészletesebbenDiszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 7. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
RészletesebbenHAMILTON ÚT: minden csúcson PONTOSAN egyszer áthaladó út
SÍKBA RAJZOLHATÓ GRÁFOK ld. előadás diasorozat SZÍNEZÉS: ld. előadás diasorozat PÉLDA: Reguláris 5 gráf színezése 4 színnel Juhász, PPKE ITK, 007: http://users.itk.ppke.hu/~b_novak/dmat/juhasz_5_foku_graf.bmp
RészletesebbenBánhelyi Balázs, Csendes Tibor, Palatinus Endre és Lévai. Szeptember 28-30, 2011, Balatonöszöd, Hungary
optimalizáló eljárás, Csendes Tibor, Palatinus Endre és Lévai Balázs László Szegedi Tudományegyetem Szeptember 28-30, 2011, Balatonöszöd, Hungary Közmegvilágítási feladat Adott egy megvilágítandó terület,
RészletesebbenKoordinátageometria. , azaz ( ) a B halmazt pontosan azok a pontok alkotják, amelynek koordinátáira:
005-0XX Emelt szint Koordinátageometria 1) a) Egy derékszögű háromszög egyik oldalegyenese valamelyik koordinátatengely, egy másik oldalegyenesének egyenlete x + y = 10, egyik csúcsa az origó. Hány ilyen
RészletesebbenAlgoritmuselmélet. Mélységi keresés és alkalmazásai. Katona Gyula Y.
Algoritmuselmélet Mélységi keresés és alkalmazásai Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 9. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet
RészletesebbenAlgoritmuselmélet 2. előadás
Algoritmuselmélet 2. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Február 12. ALGORITMUSELMÉLET 2. ELŐADÁS 1 Buborék-rendezés
RészletesebbenMit látnak a robotok? Bányai Mihály Matemorfózis, 2017.
Mit látnak a robotok? Bányai Mihály Matemorfózis, 2017. Vizuális feldolgozórendszerek feladatai Mesterséges intelligencia és idegtudomány Mesterséges intelligencia és idegtudomány Párhuzamos problémák
RészletesebbenDiszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
RészletesebbenÜtemezési modellek. Az ütemezési problémák osztályozása
Ütemezési modellek Az ütemezési problémák osztályozása Az ütemezési problémákban adott m darab gép és n számú munka, amelyeket az 1,..., n számokkal fogunk sorszámozni. A feladat az, hogy ütemezzük az
RészletesebbenRamsey-féle problémák
FEJEZET 8 Ramsey-féle problémák "Az intelligens eljárást az jellemzi, hogy még a látszólag megközelíthetetlen célhoz is utat nyit, megfelelő segédproblémát talál ki és először azt oldja meg." Pólya György:
RészletesebbenXIII. Bolyai Konferencia Bodnár József Eötvös József Collegium, ELTE TTK, III. matematikus. A véletlen nyomában
XIII. Bolyai Konferencia Bodnár József Eötvös József Collegium, ELTE TTK, III. matematikus A véletlen nyomában Mi is az a véletlen? 1111111111, 1010101010, 1100010111 valószínűsége egyaránt 1/1024 Melyiket
Részletesebben1. Előadás Lineáris programozás
1. Előadás Lineáris programozás Salamon Júlia Előadás II. éves gazdaság informatikus hallgatók számára Operációkutatás Az operációkutatás az alkalmazott matematika az az ága, ami bizonyos folyamatok és
RészletesebbenDiszkrét matematika 2.
Diszkrét matematika 2. Mérai László előadása alapján Készítette: Nagy Krisztián 4. előadás Eulerséta: Olyan séta, mely a gráf minden élét pontosan egyszer tartalmazza. Tétel: egy összefüggő gráf. Ha minden
RészletesebbenDr. Kulcsár Gyula. Virtuális vállalat félév. Projektütemezés. Virtuális vállalat félév 5. gyakorlat Dr.
Projektütemezés Virtuális vállalat 06-07. félév 5. gyakorlat Dr. Kulcsár Gyula Projektütemezési feladat megoldása Projekt: Projektütemezés Egy nagy, összetett, általában egyedi igény alapján előállítandó
RészletesebbenMesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008
Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 007/008 Az Előadások Témái Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció i stratégiák Szemantikus hálók / Keretrendszerek
RészletesebbenSzabályos gráfok paraméterei
Eötvös Loránd Tudományegyetem Természettudományi Kar Szabályos gráfok paraméterei Szakdolgozat Témavezető: Dr. Sziklai Péter egyetemi docens Készítette: Deák Réka Budapest 2016 Szabályos gráfok paraméterei
RészletesebbenDeníciók és tételek a beugró vizsgára
Deníciók és tételek a beugró vizsgára (a szóbeli viszgázás jogáért) Utolsó módosítás: 2008. december 2. 2 Bevezetés Számítási problémának nevezünk egy olyan, a matematika nyelvén megfogalmazott kérdést,
RészletesebbenDöntéselőkészítés. I. előadás. Döntéselőkészítés. Előadó: Dr. Égertné dr. Molnár Éva. Informatika Tanszék A 602 szoba
I. előadás Előadó: Dr. Égertné dr. Molnár Éva Informatika Tanszék A 602 szoba Tárggyal kapcsolatos anyagok megtalálhatók: http://www.sze.hu/~egertne Konzultációs idő: (páros tan. hét) csütörtök 10-11 30
RészletesebbenGráfalgoritmusok és hatékony adatszerkezetek szemléltetése
Gráfalgoritmusok és hatékony adatszerkezetek szemléltetése Készítette: Bognár Gergő Témavezető: Veszprémi Anna Eötvös Loránd Tudományegyetem Informatikai Kar Algoritmusok és Alkalmazásaik Tanszék Budapest,
Részletesebben2. Előadás Projekt ütemezés. Solver használata. Salamon Júlia
2. Előadás Projekt ütemezés. Solver használata. Salamon Júlia Projekt ütemezés Számos nagy projekt tervezésekor használják a CMP (Critical Path Method - Kritikus út módszere) és a PERT (Program Evaluation
RészletesebbenMérési útmutató a Mobil infokommunikáció laboratórium 1. méréseihez
Mérési útmutató a Mobil infokommunikáció laboratórium 1. méréseihez GSM II. Mérés helye: Hálózati rendszerek és Szolgáltatások Tanszék Mobil Kommunikáció és Kvantumtechnológiák Laboratórium I.B.113. Összeállította:
Részletesebben1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok. HálózatokII, 2007
Hálózatok II 2007 1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok 1 Az előadáshoz Előadás: Szerda 17:00 18:30 Gyakorlat: nincs Vizsga írásbeli Honlap: http://people.inf.elte.hu/lukovszki/courses/g/07nwii
Részletesebben