Az előadáshoz. Tartalom
|
|
- Ida Balla
- 8 évvel ezelőtt
- Látták:
Átírás
1 z előadához lőadá: Kedd :-: óra,. terem Hálózattervezé lapjai 7 : lapok, minimáli fezítőfák, legrövidebb utak Honlap: Irodalom: ktuáli publikációk J. heriyan, R. Ravi: pproximation lgorithm for Network Problem, Lecture Note. T. H. ormen,.. Leieron, R. L. Rivet: Introduction to lgorithm. MIT Pre, 99. Hálózatok truktúrájának özehaonlítáa Hierarchiku telefon-hálózat z Internet Tartalom lapok: algoritmu elemzé, gráfok, minimáli fezítőfák Multicating Steiner fák cce hálózat tervezé könnyű, közelítően legrövidebb utak fája Általáno hálózattervezéi probléma panner gráfok Hálózatok hibatoleranciája többzörö özefüggé, minimáli vágá WM optikai hálózatok útvonalzinezé é routing Megfigyeléi problémák művézeti galária probléma
2 zimptótika zimptótika Legyen f,g : N R két függvény. f majdnem mindig nem nagyobb g-nél, f mm g, ha n N n n, n N : f(n) g(n). f(n) = O(g(n)), ha c R : f mm c g. f(n) = Ω(g(n)), ha c R : c g mm f. f(n) = Θ(g(n)), ha f = O(g) é f = Ω(g). f(n) = o(g(n)), ha lim n f(n) / g(n) =. f(n) = ω(g(n)), ha lim n g(n) / f(n) =. (c kontan, n-től független) gy algoritmu komplexitáa: Legyen P : probléma, I : input, : algoritmu, ami megoldja P-t T (I) : az algoritmu futái ideje I inputtal S (I) : az algoritmu tárigénye I inputtal T (n) := up {T (I) : I n} S (n) := up {S (I) : I n} zimptótika Gráfok P probláma komplexitáa: T(P) = O(f(n)), ha algoritmu, hogy megoldja P-t é T (n)= O(f(n)) T(P) = Ω(f(n)), ha algoritmu ami megoldja P-t : T (n) = Ω(f(n)) T(P) = Θ(f(n)), ha T(P) = O(f(n)) é T(P)= Ω(f(n)) T(P) = o(f(n)), ha algoritmu, hogy megoldja P-t é T (n) = o(f(n)) T(P) = ω(f(n)), ha algoritmu, ami megoldja P-t : T (n) = ω(f(n)) Kommunikáció hálózatok reprezentációja: Gráfok Gráf G=(V,) V: omópontok (cúcok) halmaza : Élek halmaza mikor több gráffal dolgozunk, akkor egy G gráf comópontjainak halmazát V(G) vel, éleinek halmazát (G) vel jelöljük. omópont Router, Switch, Hot Él fizikai özekötteté (Link) 7 8
3 Irányítatlan gráfok z élekhez nic irány hozzárendelve z éleket a comópontok kételemű rézhalmazai reprezentálják: e={u,v} zt mondjuk, hogy az él e={u,v} a u é v comóponthoz inciden. Ha a comópont u é v egy éllel öze van kötve, akkor azt mondjuk, hogy u é v adjacen. Irányított gráfok (igráfok) Minden élnek van egy kezdöpontja é egy végpontja z éleket comópontok rendezett párjával reprezentáljuk e=(u,v). gy v comópont ki-foka: { e : e=(v,w) } gy v comópont be-foka: { e : e=(u,v) } gy peciáli eet: zimmetrikuan irányított gráfok: (u,v) (v,u). 9 Gráfok reprezentációja továbbiakben mindig n= V a comópontok záma é m= az élek záma a gráfban. G gráf zokáo reprezentációja: comópontok litája z élek litája Minden comóponthoz egy lita a hozzá inciden élekről (irányított gráfoknál egy külön lita a bemenő e a kimenő élekről) Tárigény: O(n+m) lternativ: djazecia mátrix nxn mátrix a ij =, ha comópont i é j öze vannak kötve egy éllel, egyebként. Tárigény: O(n ) Súlyozott gráfok comópontokhoz ill. élekhez gyakran úlyok vannak rendelve. Pl. minden élhez rendelhetünk egy kapacitát c : R + függvény által, ami a link ávzéleégét adja meg.
4 Út, kör gy út u-tól v-hez egy G=(V,) gráfban (u,v V) egymát követő élek egy olyan orozata (x,x ),(x,x ),,(x k-,x k ), ahol u = x, v = x k. gy egyzerű út u-tól v-hez egy olyan út u-tól v-hez, ahol minden comópont cak egyzer fordul elő. gy P út hoza egy úlyozatlan gráfban az élek záma P-ben. gy P út hoza egy úlyozott gráfban az élek úlyainak özege P- ben. gy kör (ciklu) egy G=(V,) gráfban egymát követő élek egy olyan orozata (x,x ),(x,x ),,(x k-,x k ), ahol x = x k. gy egyzerű kör egy olyan kör, amelyben minden comópont cak egyzer fordul elő. Özefüggőég, erő özefüggőég gy irányítatlan gráf G özefüggő, ha G-ben minden comópontból minden má comóponthoz létezik egy út. gy irányított gráf G erően özefüggő, ha G-ben minden comópontból minden má comóponthoz létezik egy irányított út. özefüggő nem erően özefüggő Telje gráf, rézgráf, indukált rézgráf ák, ezítőfák gy gráf telje, ha a gráf minden lehetége élet valóban tartalmaz. gy G =(V, ) gráf rézgráfja G=(V,) gráfnak, ha V V é. G indukált rézgráfja G-nek, ha minden olyan élet tartalmaz -ből, amely V két comópontját köti öze. rézgráf indukált rézgráf gy irányítatlan gráf egy fa, ha özefügő é nem tartalmaz kört. gy irányítatlan G=(V,) gráf fezítőfája egy olyan fa, melynek comóponthalmaza V é rézgráfja G-nek. comópontokat, melyek foka, leveleknek nevezzük. Ha egy fa egy comópontja ki van jelölve mint gyökér, akkor a fát gyökere fának nevezzük. gy gyökere fában minden v comópontnak a gyökér kivételével pontoan egy p(v) zülő comópontja van, amely v-hez adjacen é a v-től a gyökérhez vezető egyértelmű úton van. Minden má v-hez adjacen comópontot v gyermekének nevezünk. Ha egy irányítatlan gráf nem özefüggő, akkor a maximáli özefüggő rézgráfjait a gráf özefüggő komponeneinek nevezzük. gy fezítőfa
5 Minimáli ezítőfa gy minimáli fezítőfa kizámítáa Probléma: Építünk fel egy olyan kommunikáció hálózatot, amely az adott kommunikáció comópontok halmazát özefüggően özeköti. hhez a comópont párok között vezetéket fektethetünk le, amelyek költége a két végponttól függ. cél, a comópontokat minimáli költégű vezetékkel özefüggően özekötni. Legyen G(V,) egy irányítatlan gráf úlyozott élekkel, ahol az élek úlyát egy c : R + függvény adja meg. gy minimáli fezítőfa (MST) G-ben egy olyan fezítőfa T=(V, ), amelyre c(t) := e c(e) minimáli. Tétel : Legyen egy olyan élhalmaz, hogy G-nek létezik egy T minimáli fezítőfája, amely minden -beli élet tartalmaz. Legyen T egy rézfája T-nek, amely által adott. Legyen e egy él, melynek úlya minimáli azon élek között, melyek egyik végpontja T -ben, a máik G\T -ben van. kkor létezik egy minimáli fezítőfa, ami U {e} minden élét tartalmazza. T e G\T 7 8 gy minimáli fezítőfa kizámítáa gy minimáli fezítőfa kizámítáa iz.: Legyen T egy minimáli fezítőfája G-nek, ami tartalmazza -t. Ha T az e élet i tartalmazza, kéz vagyunk. Tegyük fel, hogy e T. kkor T U{e} tartalmaz egy kört, ami T -beli é G\T -beli comópontokat i tartalmaz. Így -nek tartalmaznia kell az e élen kívül legalább mégegy e élnet T é G\T között. Mivel e úlya minimáli minden ilyen él között, c(e) c(e ). Legyen T = T U {e} \ {e }. kkor T egy fezítőfa, melyre c(t ) c(t), é T tartalmazza U{e} t. Tétel implikálja, hogy egy minimáli fezítőfát ki tudunk zámítani úgy, hogy egy üre élhalmazzal indulunk é minden lépében hozzádunk -hez egy olyan e élet, amely az öze él közül, ami az aktuáli rézfákból kivezet, minimáli úlyú. T e G\T e 9
6 Krukal algorithmua Krukal algoritmuának helyeége Input: gy özefüggő irányítatlan G=(V,) gráf c : R + élúlyokkal Output: G egy minimáli fezítőfája T=(V, ) :=Ø; for all e={u,v} úly zetint növekvő orrendben do if u é v különböző özefüggő komponenében van G =(V, )-nek then := U{e}; fi; od; return T=(V, ); 7 e Indukció: =Ø : az üre élhalmazt minden minimáli fezítőfa tartalmazza. Legyen az aktuáli élhalmaz. Indukció feltétel: -t tartalmazza egy minimáli fezítőfa T. Legyen e={u,v} az az él, ami éppen feldolgozára kerül. Ha u é v comópont T ugyanazon T rézfájában van, akkor T U{e} tartalmaz egy kört, úgy hogy e egy maximáli úlyú él -ben, mivel az élek úly zerint növekvő orrendben kerülnek feldolgozára. Következéképpen e nem kerül bele -be. Ha u é v comópont T különböző özefüggő komponenében van, akkor {u,v} egy minimáli úlyú él, ami az u-t tartalmazó rézfából kivezet, mivel az élek úly zerint növekvő orrendben kerülnek feldolgozára. kkor Tétel zerint létezik egy minimáli fezítőfa, ami az U{e} élhalmazt tartalmazza. Így e belekerül -be. Krukal algoritmuának elemzée z élek orbarendezée: O(m log m) = O(m log n) idő, O(m) tár Teztelni, hogy az éppen feldolgozára kerülő él végpontjai ugyanabban az özefüggő komponenben vannak-e, é ha nem, akkor a két özefüggő komponen egyeítée: amortizáltan O(α(m,n)) idő. Union-ind adattruktúra egítégével (R. Tarjan, 979) α(m,n) az ckermann függvény egy funkcionáli inverze: α(m,n) = min{ z : (z, m/n ) > log n }, ahol (i,)=, (i,)= ha i, (,j)=j ha j, (i,j)= (i-, (i,j-)) ha i, j. Prim algoritmua Kiválaztunk egy tetzőlege comópontot, mint kezdőpont. Mindig azt a T rézfát tekintjük, amely -t tartalmazza. z öze T -ből kivezető él közül kiválaztunk egy minimáli úlyút é hozzáadjuk -hez. záltal T minden lépében egy éllel é egy comóponttal lez nagyobb. Minden időpontban cak egy T rézfa van, ami több mint egy comópontot tartalmaz. Tétel feltételei teljeülnek, így n- lépé után T egy minimáli fezítőfává nő. T e G\T Özeen: O(m log n) idő, O(n+m) tár
7 Prim algoritmua Hogyan lehet minden lépében a hozzáadandó e élet hatékonyan meghatározni? e úlya minimáli kell hogy legyen mindazon élek között, amelyek egy T -beli comópontot egy G\T -beli comóponttal kötnek öze. hhez egy u.n. Priority-Queue adattruktúrát haználunk. gy Priority-Queue Q a következő operációkat bocájtja rendelkezére: Q.Inert(e,p): e elem hozzáadáa p prioritáal Q-hoz, Q.ecreaePriority(e,p): cökkenti a prioritáát a Q -ban már tartalmazott e elemnek p-re,, Q.eleteMin(): vizaadja Q legalaconyabb prioritáú elemét é törli azt Q-ból. lternatívák Q implementáláára: inári kupac (binary heap): mindhárom operació O(log n) idő alatt. ibonacci Heap: Inert é ecreaepriority O() időben é eletemin O(log n) időben amortizáltan. Prim algoritmua Invariánok: Q taralmazza az öze v G\T comópontot, ami T -ből egy éllel elérhető. Legyen e v egy minimáli úlyú él azon élek közül, melyek egy T -beli comópontot kötnek öze v-vel. kkor v prioritáa Q-ban: c(e v ). Minden v comóponthoz, ami Q-ban van, nyilvántartjuk egy from[v] változóban a minimáli úlyú e v -t élet T und v között. Inicializálá: tartcomópont minden v zomzédját beletezük Q-ba c({,v}) prioritáal é e={,v} élet tároljuk from[v]-ban. Prim algoritmua Prim algoritmua következő élet, amit -hez hozzáadunk, a Q.eletMin() operacióval határozhatjuk meg: ezzel megkapjuk azt a v G\T comópontot, amely T -ből egy minimáli úlyú éllel érhető el. zután az e v =from[v] élet hozzáadjuk -hez. zután a következő adtokat kell aktualizálni, hogy az invariánok érvényeek maradjanak (v motmár T -ben van): v azon w zomzédjait, amik még nincenek benne Q-ban, hozzá kell adni Q-hoz c({v,w}) prioritáal é from[w]-ben tárolni kell {v,w}-t. v azon w zomzédjainál, amik már Q-ban vannak, é nagyobb a prioritáuk, mint c({v,w}), cökkenteni kell a prioritát c({v,w})-re é from[w]-ben tárolni kell {v,w}-t. T e v Input: egy özefüggő irányítatlan G=(V,) gráf c : R + élúlyokkal Output: G egy minimáli fezítőfája T=(V, ). := tetzőlege tartcomópont V-ből;. ready[]:=true;. ready[v]:=fale, v V \ {};. priority_queue Q;. for all e={,v} do. from[v] := e; 7. Q.Inert(v,c(e)); 8. od; 9. :=Ø;. while < V - do. v := Q.eleteMin();. := U {from[v]};. ready[v]:=true;. for all e={v,w} do. if w Q and c(e)<c(from[v]) then. from[v]:=e; 7. Q.ecreaePriority(w,c(e)); 8. ele if w Q and not ready[w] then 9. from[w]:=e;. Q.Inert(w,c(e));. fi;. od;. od;. return T=(V, ); 7 8
8 Prim algoritmua utái idő (ibonacci Heap-pel): # Q.Inert(): n (comópontonként ) - O(n) idő # Q.eleteMin(): n (comópontonként ) - O(n log n) idő # Q.ecreaePriority(): m (élenként ) - O(m) idő # tezt a. é a 8. orban: m (élenként ) - O(m) idő Inicializálá: O(n) idő Özeen: O(n log n + m) idő Megjegyzéek z azimptótikuan leggyorabb algoritmu a minimáli fezítőfa kizámítáára O(nα(m,n) + m) időt é O(n+m) tárat igényel [. hazelle 998]. minimáli fezítőfa kizámítáának időigényére imert aló korlát Ω(n+m). Nyitott Probléma: Meg lehet-e javítani az aló vagy a felő korlátot? Tárzükéglet: O(n+m) 9 Legrövidebb utak fája ingle ource hortet path dott: gy irányított gráf G = (V,), c : R nem negatív élúlyokkal Kezdő comópont V Legyen P útvonal úlya c(p) := e P c(e) az élek úlyainak özege P-ben u é v távolága G-ben, u,v V, egy legrövidebb út úlya G-ben u é v között : d(u,v) := min{ c(p) : P egy út u-tól v-hez G-ben}. Kereük: egy legrövidebb utat kezdő comóponttól minden má v V \ {} comóponthoz G-ben eltezük, hogy minden v V \ {} elérhető -ből. Nem elérhető comóponthoz nem létezhet legrövidebb út em Megoldá: gy fa, melynek gyökere é minden v V \ {} comóponthoz tartalmaz egy legrövidebb utat -től v-hez G-ben ijktra algoritmua Ötlet: legrövidebb utakat hozuk zerint növekvő orrendben zámítjuk ki. Minden v V comóponthoz kizámítjuk a következő értékeket: d[v]: egy legrövidebb út hoza -től v-hez, pred[v]: a v-t megelőző comópont egy legrövidebb úton -től v-hez. z algoritmu végrehajtáa után az élhalmaz { (pred[v],v) : v V \ {} } megadja egy legrövidebb utak fáját gyökérrel G-ben. gy v comópontot kéz -nek jelölünk: ready[v] = true, ha már meghatároztunk egy legrövidebb utat -től v-hez (röv. legrövidebb -v utat). nem kéz comópontok halmazát, amelyeket egy current ditance d[v] kéz comópontból egy éllel elérünk, horizont-nak nevezzük. ready ource node horizon
9 ijktra algoritmua Invariánok: Minden horizont beli comópontot egy Q priority-queue-ban tárolunk, úgy hogy minden v Q comópontra a következő érvénye: d[v] egy legrövidebb -v út hoza mindazon utak között, melyek v-n kívül cak kéz comópontokat tartalmaznak, pred[v] a v-t megelőző comópont egy ilyen úton, v prioritáa Q-ban d[v] Inicializálá d[]:=, ready[]:=true, minden v zomzédjára: d[v]:=c(,v), pred[v]:=, ready[v]:=fale, Q.Inert(v,d[v] ). Minden v V \ {} comópontra: d[v]:=, ready[v]:=fale. ijktra algoritmua z invariánok megőrzée egy iteráció után Minden lépében egy új comópont lez kéz, egy comópont v minimáli prioritáal. d[v] már tartalmazza a helye értéket. Mivel v minimáli prioritáú comópont, minden olyan -v út úlya, amely nem kéz comópontot i tartalmaz, legalább olyan nagy, mint annak az útnak a hoza, amit már megtaláltunk a cak kéz comópontokat tartalmazó utak között. Legyen dj[v] := { u : (v,u) }, v V, a v-hez adjacen comópontok halmaza minden u dj[v], ha u Q, meg kell vizgálni, hogy -től u-hoz direkt v-ből egy rövidebb út vezet-e, mint azok az utak, amik cak v-től különböző kéz comópontot tartalmaznak. Ha igen, akkor aktualizáljuk pred[u] := v é d[u] := d[v] + c(v,u), cökkentük u prioritáát Q-ban. minden u dj[v], ha u Q é u nem kéz : pred[u] := v, d[u] := d[v] + c(v,u), u-t be kell zúrni Q-ba d[u] prioritáal. ijktra algoritmua ijktra algoritmua ijktra(g,,c) Output: egy legrövidebb utak fája T=(V, ) G-ben gyökérrel := Ø; ready[] := true; ready[v] := fale; v V \ {}; d[] := ; d[v] :=; v V \ {}; priority_queue Q; 7 forall v dj[] do 8 pred[v] := ; 9 d[v] := c(,v); Q.Inert(v,d[v]); od while Q Ø do v := Q.eleteMin(); := U {(pred[v],v)}; ready[v] := true; forall u dj[v] do 7 if u Q and d[v] + c(v,u) < d[u]) then 8 pred[u] := v; 9 d[u] := d[v] + c(v,u); Q.ecreaePriority(u,d[u]); ele if u Q and not ready[u] then pred[u] := v; d[u] := d[v] + c(v,u); Q.Inert(u,d[u]); fi od 7 od utái idő (ibonacci Heap-pel): # Q.Inert(): n (comópontonként ) -- O(n) idő # Q.eleteMin(): n (comópontonként ) -- O(n log n) idő # Q.ecreaePriority(): m (élenként ) -- O(m) idő # tezt a 7. é. orban: m (élenként ) -- O(m) idő Inicializálá: O(n) idő Özeen: O(n log n + m) idő Tárigény: O(n+m)
10 Lukovzki Tamá 7 Hálózattervezé, 7 ijktra: Példa zimmetrikuan irányított élek Lukovzki Tamá 8 Hálózattervezé, 7 OSP (Open Shortet Path irt) Routing Minden router tárol egy legrövidebb utak fát, a legrövidebb utakat aját magától minden cél-címhez. Startup: mikor egy router-t bekapcolunk, küld egy hello -comagot minden zomzédjának, Miután a hello -comagokat vizakapja Meghatároz egy routing kapcolatot mindazon router-ekkel a routing adatbankok zikronizáláával, amely routerek ezt a zinkronizálát megengedik. Update: Minden router rendzere időközönként küld egy update-üzenetet, amely a aját u.n. link-tate -jét (a routing-adatbankját minden má routerhez) írja le. Így minden router megkapja a lokáli hálózati topológia leíráát. Minden router kizámít egy legrövidebb utak fáját. z a fa minden kommunikáció célhoz megadja a következő routert, amin kereztül kell küldeni az üzenetet.
2: Minimális feszítőfák, legrövidebb utak. HálózatokII, 2007
Hálózatok II 007 : Minimális feszítőfák, legrövidebb utak Fák, Feszítőfák Egy irányítatlan gráf egy fa, ha összefügő és nem tartalmaz kört. Egy irányítatlan G=(V,E) gráf feszítőfája egy olyan fa, melynek
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
RészletesebbenSzámítógép hálózatok, osztott rendszerek 2009
Számítógép hálózatok, osztott rendszerek 2009 1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok 1 Az előadáshoz Előadás: Hétfő 10:00 12:00 óra Gyakorlat: Hétfő 14:00-16:00 óra Honlap: http://people.inf.elte.hu/lukovszki/courses/0910nwmsc
RészletesebbenSzámítógépes Hálózatok 2010
Számítógépe Hálózatok 00 9. Hálózati réteg Packet orwarding, Link-State-Routing, itance- Vector-Routing hálózati réteg Lokáli hálózatokat özeköthetünk hub-okkal, witch-ekkel, bridgeekkel az alaconyabb
RészletesebbenA hálózati réteg. Számítógépes Hálózatok Internet Protocol IP. Routing-tábla és csomag továbbítás (packet forwarding)
hálózati réteg Számítógépe Hálózatok 0 8. Hálózati réteg Packet orwarding, Routing, itance Vector Routing, Link State Routing, RIP, OSP, IGRP Lokáli hálózatokat özeköthetünk hub-okkal, witch-ekkel, bridgeekkel
RészletesebbenSzámítógépes Hálózatok 2011
Számítógépe Hálózatok 0 9. Hálózati réteg Packet orwarding, Link-State-Routing, itance- Vector-Routing hálózati réteg Lokáli hálózatokat özeköthetünk hub-okkal, witch-ekkel, bridgeekkel az alaconyabb retegekben
RészletesebbenLAN-ok összekapcsolása. Számítógépes Hálózatok 2008. Repeater. Hub
LN-ok özekapcoláa Számítógépe Hálózatok 8 8. LN-ok özekapcoláa; Hálózati réteg Packet orwarding, Link-State-Routing, itance- Vector-Routing Repeater Hub Szignál-regenerátor izikai réteg komponene Két kábelt
RészletesebbenLAN-ok összekapcsolása. Számítógépes Hálózatok Repeater. Hub. 8. LAN-ok összekapcsolása; Hálózati réteg Packet Forwarding, Routing
LAN-ok özekapcoláa Számítógépe Hálózatok 0 8. LAN-ok özekapcoláa; Hálózati réteg Packet orwarding, Routing Hálózatok, 0 Hálózatok, 0 Repeater Hub Szignál-regenerátor izikai réteg komponene Két kábelt köt
RészletesebbenSzámítógépes Hálózatok 2011
Számítógépe Hálózatok 7. LN-ok özekapcoláa; Hálózati réteg Packet orwarding, Routing Hálózatok, LN-ok özekapcoláa Hálózatok, Repeater Szignál-regenerátor izikai réteg komponene Két kábelt köt öze ogad
RészletesebbenSzámítógépes Hálózatok LAN-ok összekapcsolása; Hálózati réteg Packet Forwarding, Link-State-Routing, Distance- Vector-Routing
Számítógépe Hálózatok 8 8. LN-ok özekapcoláa; Hálózati réteg Packet orwarding, Link-State-Routing, itance- Vector-Routing LN-ok özekapcoláa Repeater Szignál-regenerátor izikai réteg komponene Két kábelt
RészletesebbenPélda Hajtsuk végre az 1 pontból a Dijkstra algoritmust az alábbi gráfra. (A mátrixban a c i j érték az (i, j) él hossza, ha nincs él.
Legrövidebb utak súlyozott gráfokban A feladat egy súlyozott gráfban egy adott pontból kiinduló legrövidebb utak megkeresése. Az input a súlyozott gráf és a kiindulási s pont. Outputként egy legrövidebb
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
RészletesebbenEGYSZERŰ, NEM IRÁNYÍTOTT (IRÁNYÍTATLAN) GRÁF
Összefoglaló Gráfok / EGYSZERŰ, NEM IRÁNYÍTOTT (IRÁNYÍTATLAN) GRÁF Adott a G = (V, E) gráf ahol a V a csomópontok, E az élek halmaza E = {(x, y) x, y V, x y (nincs hurokél) és (x, y) = (y, x)) Jelölések:
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
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.
RészletesebbenHálózati Algoritmusok
Hálózati Algoritmuok 05 GLS: Egy kálázható helymeghatározó zerviz Jinyang Li, John Jannotti, Dougla S. J. De Couto, David R. Karger, Robert Morri: A Scalable Location Service for Geographic Ad Hoc Routing,
Részletesebben5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus.
5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus. Optimalis feszítőfák Egy összefüggő, irányítatlan
RészletesebbenLaplace transzformáció
Laplace tranzformáció 27. márciu 19. 1. Bevezeté Definíció: Legyen f :, R. Az F ) = f t) e t dt függvényt az f függvény Laplace-tranzformáltjának nevezzük, ha a fenti impropriu integrál valamilyen R zámokra
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.
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
RészletesebbenMinimális feszítőfák Legyen G = (V,E,c), c : E R + egy súlyozott irányítatlan gráf. Terjesszük ki a súlyfüggvényt a T E élhalmazokra:
Minimális feszítőfák Legyen G = (V,E,c), c : E R + egy súlyozott irányítatlan gráf. Terjesszük ki a súlyfüggvényt a T E élhalmazokra: C(T ) = (u,v) T c(u,v) Az F = (V,T) gráf minimális feszitőfája G-nek,
RészletesebbenGráfelméleti feladatok. c f
Gráfelméleti feladatok d e c f a b gráf, csúcsok, élek séta: a, b, c, d, e, c, a, b, f vonal: c, d, e, c, b, a út: f, b, a, e, d (walk, lanţ) (trail, lanţ simplu) (path, lanţ elementar) 1 irányított gráf,
RészletesebbenAlgoritmusok bonyolultsága
Algoritmusok bonyolultsága 5. előadás http://www.ms.sapientia.ro/~kasa/komplex.htm 1 / 27 Gazdaságos faváz Kruskal-algoritmus Joseph Kruskal (1928 2010) Legyen V = {v 1, v 2,..., v n }, E = {e 1, e 2,...,
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
RészletesebbenSzámítógépes Hálózatok
Számítógépes Hálózatok 7a. Előadás: Hálózati réteg ased on slides from Zoltán Ács ELTE and. hoffnes Northeastern U., Philippa Gill from Stonyrook University, Revised Spring 06 by S. Laki Legrövidebb út
RészletesebbenPélda Hajtsuk végre az 1 pontból a Dijkstra algoritmust az alábbi gráfra. (A mátrixban a c i j érték az (i, j) él hossza, ha nincs él.
Legrövidebb utak súlyozott gráfokban A feladat egy súlyozott gráfban egy adott pontból kiinduló legrövidebb utak megkeresése. Az input a súlyozott gráf és a kiindulási s pont. Outputként egy legrövidebb
RészletesebbenAlgoritmuselmélet 11. előadás
Algoritmuselmélet 11. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Március 26. ALGORITMUSELMÉLET 11. ELŐADÁS 1 Kruskal
RészletesebbenCsak felvételi vizsga: csak záróvizsga: közös vizsga: Villamosmérnöki szak BME Villamosmérnöki és Informatikai Kar. 2011. május 31.
Név, felvételi azonoító, Neptun-kód: VI pont(90) : Cak felvételi vizga: cak záróvizga: közö vizga: Közö alapképzée záróvizga meterképzé felvételi vizga Villamomérnöki zak BME Villamomérnöki é Informatikai
RészletesebbenAlgoritmuselmélet 7. előadás
Algoritmuselmélet 7. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Március 11. ALGORITMUSELMÉLET 7. ELŐADÁS 1 Múltkori
RészletesebbenMindennapjaink. A költő is munkára
A munka zót okzor haználjuk, okféle jelentée van. Mi i lehet ezeknek az egymától nagyon különböző dolgoknak a közö lényege? É mi köze ezeknek a fizikához? A költő i munkára nevel 1.1. A munka az emberi
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
RészletesebbenGyakorló feladatok Az alábbiakon kívül a nappalis gyakorlatokon szereplő feladatokból is lehet készülni.
Gyakorló feladaok z alábbiakon kívül a nappali gyakorlaokon zereplő feladaokból i lehe kézülni. 1. 0,1,,,, zámjegyekből hány olyan valódi hajegyű zám kézíheő, melyben minden zámjegy cak egyzer zerepelhe,
RészletesebbenTovábbi forgalomirányítási és szervezési játékok. 1. Nematomi forgalomirányítási játék
További forgalomirányítási és szervezési játékok 1. Nematomi forgalomirányítási játék A forgalomirányítási játékban adott egy hálózat, ami egy irányított G = (V, E) gráf. A gráfban megengedjük, hogy két
RészletesebbenGyakorló feladatok ZH-ra
Algoritmuselmélet Schlotter Ildi 2011. április 6. ildi@cs.bme.hu Gyakorló feladatok ZH-ra Nagyságrendek 1. Egy algoritmusról tudjuk, hogy a lépésszáma O(n 2 ). Lehetséges-e, hogy (a) minden páros n-re
RészletesebbenIdő-ütemterv hálók - II.
Előadá:Folia1.doc Idő-ütemterv hálók - II. CPM - CPM létra : Továbbra i gond az átlaolá, a nyitott háló é a meg-nem-zakítható tevékenyég ( termeléközeli ütemtervek ) MPM time : ( METRA Potential' Method
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
RészletesebbenNagyordó, Omega, Theta, Kisordó
A növekedés nagyságrendje, számosság Logika és számításelmélet, 6. gyakorlat 2009/10 II. félév Számításelmélet (6. gyakorlat) A növekedés nagyságrendje, számosság 2009/10 II. félév 1 / 1 Nagyordó, Omega,
RészletesebbenMinimális feszítőfák Legyen G = (V,E,c), c : E R + egy súlyozott irányítatlan gráf. Terjesszük ki a súlyfüggvényt a T E élhalmazokra:
Minimális feszítőfák Legyen G = (V,E,c), c : E R + egy súlyozott irányítatlan gráf. Terjesszük ki a súlyfüggvényt a T E élhalmazokra: C(T ) = (u,v) T c(u,v) Az F = (V,T) gráf minimális feszitőfája G-nek,
Részletesebben2015.06.25. Villámvédelem 3. #5. Elszigetelt villámvédelem tervezése, s biztonsági távolság számítása. Tervezési alapok (norma szerint villámv.
Magyar Mérnöki Kamara ELEKTROTECHNIKAI TAGOZAT Kötelező zakmai továbbképzé 2015 Villámvédelem #5. Elzigetelt villámvédelem tervezée, biztonági távolág zámítáa Villámvédelem 1 Tervezéi alapok (norma zerint
RészletesebbenAdatszerkezetek 2. Dr. Iványi Péter
Adatszerkezetek 2. Dr. Iványi Péter 1 Fák Fákat akkor használunk, ha az adatok között valamilyen alá- és fölérendeltség van. Pl. könyvtárszerkezet gyökér (root) Nincsennek hurkok!!! 2 Bináris fák Azokat
Részletesebben2. Visszalépéses keresés
2. Visszalépéses keresés Visszalépéses keresés A visszalépéses keresés egy olyan KR, amely globális munkaterülete: egy út a startcsúcsból az aktuális csúcsba (az útról leágazó még ki nem próbált élekkel
RészletesebbenAdatszerkezetek II. 1. előadás
Adatszerkezetek II. 1. előadás Gráfok A gráf fogalma: Gráf(P,E): P pontok (csúcsok) és E P P élek halmaza Fogalmak: Irányított gráf : (p 1,p 2 ) E-ből nem következik, hogy (p 2,p 1 ) E Irányítatlan gráf
Részletesebben1. MINTAFELADATSOR KÖZÉPSZINT JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ
Oktatákutató é Fejleztő Intézet TÁMOP-3.1.1-11/1-01-0001 XXI. zázadi közoktatá (fejlezté, koordináció) II. zakaz FIZIKA 1. MINTAFELADATSOR KÖZÉPSZINT 015 JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ Oktatákutató é Fejleztő
RészletesebbenGráfok 2. Legrövidebb utak, feszítőfák. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor
Gráfok 2. Legrövidebb utak, feszítőfák előadás http://nik.uni-obuda.hu/sztf2 Szénási Sándor Óbudai Egyetem,Neumann János Informatikai Kar Legrövidebb utak keresése Minimális feszítőfa keresése Gráfok 2
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
RészletesebbenKidolgozott minta feladatok kinematikából
Kidolgozott minta feladatok kinematikából EGYENESVONALÚ EGYNLETES MOZGÁS 1. Egy gépkoci útjának az elő felét, a máik felét ebeéggel tette meg. Mekkora volt az átlagebeége? I. Saját zavainkkal megfogalmazva:
RészletesebbenAlgoritmuselmélet 1. előadás. Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.
. eladá Algoritmuelmélet. előadá Katona Gyula Y. Budapeti Műzaki é Gazdaágtudományi Egyetem Számítátudományi Tz. I. B. 7/b kikat@c.bme.hu 00 Február. ALGORITMUSELMÉLET. ELŐADÁS Forráok Rónyai Lajo Ivanyo
Részletesebben2. Visszalépéses stratégia
2. Visszalépéses stratégia A visszalépéses keres rendszer olyan KR, amely globális munkaterülete: út a startcsúcsból az aktuális csúcsba (ezen kívül a még ki nem próbált élek nyilvántartása) keresés szabályai:
Részletesebbenbármely másikra el lehessen jutni. A vállalat tudja, hogy tetszőlegesen adott
. Minimális súlyú feszítő fa keresése Képzeljük el, hogy egy útépítő vállalat azt a megbízást kapja, hogy építsen ki egy úthálózatot néhány település között (a települések között jelenleg nincs út). feltétel
RészletesebbenSzakács Jenő Megyei Fizika Verseny, II. forduló, Megoldások. F f + K m 1 g + K F f = 0 és m 2 g K F f = 0. kg m
Szakác Jenő Megyei Fizika Vereny, II. forduló, Megoldáok. oldal. ρ v 0 kg/, ρ o 8 0 kg/, kg, ρ 5 0 kg/, d 8 c, 0,8 kg, ρ Al,7 0 kg/. a) x? b) M? x olaj F f g K a) A dezka é a golyó egyenúlyban van, így
RészletesebbenA félév során előkerülő témakörök
A félév során előkerülő témakörök rekurzív algoritmusok rendező algoritmusok alapvető adattípusok, adatszerkezetek, és kapcsolódó algoritmusok dinamikus programozás mohó algoritmusok gráf algoritmusok
RészletesebbenBonyolultságelmélet. Monday 26 th September, 2016, 18:50
Bonyolultságelmélet Monday 26 th September, 2016, 18:50 A kiszámítás modelljei 2 De milyen architektúrán polinom? A kiszámításnak számos (matematikai) modellje létezik: Általános rekurzív függvények λ-kalkulus
RészletesebbenMelykeres(G) for(u in V) {szin(u):=feher Apa(u):=0} for(u in V) {if szin(u)=feher then MBejar(u)}
Mélységi keresés Ez az algoritmus a gráf pontjait járja be, eredményképpen egy mélységi feszítőerdőt ad vissza az Apa függvény által. A pontok bejártságát színekkel kezeljük, fehér= érintetlen, szürke=meg-
RészletesebbenTestLine - Fizika 7. osztály mozgás 1 Minta feladatsor
TetLine - Fizika 7. oztály mozgá 1 7. oztály nap körül (1 helye válaz) 1. 1:35 Normál áll a föld kering a föld forog a föld Mi az elmozdulá fogalma: (1 helye válaz) 2. 1:48 Normál z a vonal, amelyen a
RészletesebbenDijkstra algoritmusa
Budapesti Fazekas és ELTE Operációkutatási Tanszék 201. július 1. Legrövidebb utak súlyozatlan esetben v 4 v 3 Feladat Hány élből áll a legrövidebb út ezen a gráfon az s és t csúcsok között? v v 6 v 7
RészletesebbenFüggvények növekedési korlátainak jellemzése
17 Függvények növekedési korlátainak jellemzése A jellemzés jól bevált eszközei az Ω, O, Θ, o és ω jelölések. Mivel az igények általában nemnegatívak, ezért az alábbi meghatározásokban mindenütt feltesszük,
RészletesebbenGÉPÉSZETI ALAPISMERETEK
Gépézeti alapimeretek középzint 2 ÉRETTSÉGI VIZSGA 204. máju 20. GÉPÉSZETI ALAPISMERETEK KÖZÉPSZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ EMBERI ERŐFORRÁSOK MINISZTÉRIUMA Fonto tudnivalók
RészletesebbenMelykeres(G) for(u in V) {szin(u):=feher Apa(u):=0} for(u in V) {if szin(u)=feher then MBejar(u)}
Példa Adott egy n n-es sakktábla. Az (1,1) mezőn áll egy huszár. Határozzuk meg eljuthat -e az (u,v) mezőre, ha igen adjunk meg egy legkevesebb lépésből álló utat! Adjunk algoritmust, ami megoldja a feladatot.
RészletesebbenA következő angol szavak rövidítése: Advanced Product Quality Planning. Magyarul minőségtervezésnek szokás nevezni.
Mi az az APQP? Az APQP egy mozaik zó. A következő angol zavak rövidítée: Advanced Product Quality Planning. Magyarul minőégtervezének zoká nevezni. Ez egy projekt menedzment ezköz, é egyben egy trukturált
RészletesebbenElmaradó óra. Az F = (V,T) gráf minimális feszitőfája G-nek, ha. F feszitőfája G-nek, és. C(T) minimális
Elmaradó óra A jövő heti, november 0-dikei óra elmarad. Minimális feszítőfák Legyen G = (V,E,c), c : E R + egy súlyozott irányítatlan gráf. Terjesszük ki a súlyfüggvényt a T E élhalmazokra: C(T ) = (u,v)
RészletesebbenGráfelmélet jegyzet 2. előadás
Gráfelmélet jegyzet 2. előadás Készítette: Kovács Ede . Fák Tétel. : A következők ekvivalensek a T gráfra: (i) T összefüggő, e E. T e már nem összefüggő (ii) T összefüggő és körmentes. (iii) x, y V T!
RészletesebbenHÁLÓZAT Maximális folyam, minimális vágás
HÁLÓZAT Maximális folyam, minimális vágás HÁLÓZAT informálisan Hálózat Irányított gráf Mindegyik élnek adott a (nemnegatív) kapacitása Spec csúcsok: Forrás (Source): a kiindulási pont csak ki élek Nyelő
RészletesebbenAlap fatranszformátorok II
Alap fatranszformátorok II Vágvölgyi Sándor Fülöp Zoltán és Vágvölgyi Sándor [2, 3] közös eredményeit ismertetjük. Fogalmak, jelölések A Σ feletti alaptermek TA = (T Σ, Σ) Σ algebráját tekintjük. Minden
RészletesebbenPÁROS HOSSZÚ KÖRÖK GRÁFOKBAN
PÁROS HOSSZÚ KÖRÖK GRÁFOKBAN CSIKVÁRI PÉTER Kivonat. Ebben a jegyzetben bebizonyítjuk Bondy és Simonovits következő tételét. Ha egy n csúcsú egyszerű gráf nem tartalmaz C k kört akkor az éleinek száma
RészletesebbenGRÁFELMÉLET. 7. előadás. Javító utak, javító utak keresése, Edmonds-algoritmus
GRÁFELMÉLET 7. előadás Javító utak, javító utak keresése, Edmonds-algoritmus Definíció: egy P utat javító útnak nevezünk egy M párosításra nézve, ha az út páratlan hosszú, kezdő- és végpontjai nem párosítottak,
RészletesebbenNeumann János Tehetséggondozó Program Gráfalgoritmusok II.
Neumann János Tehetséggondozó Program Gráfalgoritmusok II. Horváth Gyula horvath@inf.elte.hu 1. A szélességi bejárás alkalmazásai. Nyilvánvaló, hogy S(0) = {r}. Jelölés: D(p) = δ(r, p) Nyilvánvaló, hogy
RészletesebbenÉpítésikivitelezés-Vállalkozás / 2: Gráftechnikai alapfogalmak VÁLLALKOZÁS. javított háttöltés
Elõadás:Folia201.doc VÁLLALKOZÁS ( tervezés - bonyolítás - változásmenedzsment ) ideiglenes földút monolit vb.támfal javított háttöltés új földtöltés régi töltés humusz teherbíró talaj Tevékenység Sz Megnevezés
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
RészletesebbenForgó mágneses tér létrehozása
Forgó mágnee tér létrehozáa 3 f-ú tekercelé, pólupárok záma: p=1 A póluoztá: U X kivezetéekre i=io egyenáram Az indukció kerület menti elozláa: U X kivezetéekre Im=Io amplitúdójú váltakozó áram Az indukció
Részletesebben4: Az IP Prefix Lookup Probléma Bináris keresés hosszosztályok alapján. HálózatokII, 2007
Hálózatok II 2007 4: Az IP Prefix Lookup Probléma Bináris keresés hosszosztályok alapján 1 Internet Protocol IP Az adatok a küldőtől a cél-állomásig IP-csomagokban kerülnek átvitelre A csomagok fejléce
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
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2017. ősz 1. Diszkrét matematika 2.C szakirány 2. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.
RészletesebbenFeladatok, amelyek gráfokkal oldhatók meg 1) A königsbergi hidak problémája (Euler-féle probléma) a
Feladatok, amelyek gráfokkal oldhatók meg ) A königsbergi hidak problémája (Euler-féle probléma) a b d c A megfelelő gráf: d a b c ) Egy szórakoztató feladat (Hamilton-féle probléma) Helyezzük el az,,,...,
Részletesebben26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA
26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA Az előző két fejezetben tárgyalt feladat általánosításaként a gráfban található összes csúcspárra szeretnénk meghatározni a legkisebb költségű utat. A probléma
RészletesebbenAdatszerkezetek II. 2. előadás
Adatszerkezetek II. 2. előadás Gráfok bejárása A gráf bejárása = minden elem feldolgozása Probléma: Lineáris elrendezésű sokaság (sorozat) bejárása könnyű, egyetlen ciklussal elvégezhető. Hálós struktúra
RészletesebbenAdatszerkezetek II. 3. előadás
Adatszerkezetek II. 3. előadás Körmentes-e egy irányítatlan gráf? Alapötlet: Ha a bejárás során minden szürke pontból csak fehér pontba vezet él, akkor a gráf körmentes. 2013.02.27. 2 Körmentes?(p): Szín(p):=szürke;
RészletesebbenGráf-algoritmusok Legrövidebb utak
https://www.cs.princeton.edu/~rs/algsds07/15shortestpaths.pdf Gráf-algoritmusok Legrövidebb utak Sapientia-EMTE 2017-18 Typesetting in TeX Két pont között, akkor van él, ha közéjük 1 2 3 4 eső szó szekvencia
RészletesebbenSzámítógépes geometria (mester kurzus)
2010 sz, Debreceni Egyetem Csuklós szerkezetek animációja (Kép 1985-b l: Tony de Peltrie) Csontváz-modellek Csuklós szerkezet (robotkar) A robotkar részei: csuklók (joints) rotációs prizmatikus (transzlációs)
RészletesebbenGyengesavak disszociációs állandójának meghatározása potenciometriás titrálással
Gyengeavak izociáció állanójának meghatározáa potenciometriá titráláal 1. Bevezeté a) A titrálái görbe egyenlete Egy egybáziú A gyengeavat titrálva NaO mérőolattal a titrálá bármely pontjában teljeül az
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.
RészletesebbenGráfok bejárása. Szlávi Péter, Zsakó László: Gráfok II :17
Gráfok 2. előadás Gráfok bejárása A gráf bejárása = minden elem feldolgozása Probléma: Lineáris elrendezésű sokaság (sorozat) bejárása könnyű, egyetlen ciklussal elvégezhető. Hálós struktúra bejárása nem
RészletesebbenEgyedi cölöp süllyedésszámítása
14. zámú mérnöki kézikönyv Friítve: 2016. áprili Egyedi cölöp üllyedézámítáa Program: Cölöp Fájl: Demo_manual_14.gpi Ennek a mérnöki kézikönyvnek tárgya egy egyedi cölöp GEO5 cölöp programmal való üllyedézámítáának
RészletesebbenOpkut 2. zh tematika
Opku. zh emaika. Maximáli folyam felada do egy irányío gráf, az éleken aló é felő korláok, kereünk maximáli folyamo! Ha neked kell kezdő megengede folyamo alálni, akkor 0 aló korláokra lehe zámíani. Ha
RészletesebbenJAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ
Fizika középzint Javítái-értékeléi útutató 06 ÉRETTSÉGI VIZSGA 006. noveber 6. FIZIKA KÖZÉPSZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ OKTATÁSI ÉS KULTURÁLIS MINISZTÉRIUM Fizika középzint
RészletesebbenDr. Tóth László Hány osztója van egy adott számnak? 2008. április
Hány osztója van egy adott számnak? Hány osztója van egy adott számnak? Dr. Tóth László http://www.ttk.pte.hu/matek/ltoth előadásanyag, Pécsi Tudományegyetem, TTK 2008. április. Bevezetés Lehetséges válaszok:
RészletesebbenAlgoritmusok Tervezése. 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás
Algoritmusok Tervezése 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás Mi az algoritmus? Lépések sorozata egy feladat elvégzéséhez (legáltalánosabban) Informálisan algoritmusnak nevezünk bármilyen jól definiált
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
Részletesebben22. GRÁFOK ÁBRÁZOLÁSA
22. GRÁFOK ÁBRÁZOLÁSA A megoldandó feladatok, problémák modellezése során sokszor gráfokat alkalmazunk. A gráf fogalmát a matematikából ismertnek vehetjük. A modellezés során a gráfok több változata is
RészletesebbenGráfok, definíciók. Gráfok ábrázolása. Az adott probléma megoldásához ténylegesen mely műveletek szükségesek. Ábrázolások. Példa:
Gráfok, definíciók Irányítatlan gráf: G = (V,E), ahol E rendezetlen (a,b),a,b V párok halmaza. Irányított gráf: G = (V,E) E rendezett (a,b) párok halmaza; E V V. Címkézett (súlyozott) gráf: G = (V,E,C)
RészletesebbenAlgoritmuselmélet 1. előadás
Algoritmuselmélet 1. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Február 11. ALGORITMUSELMÉLET 1. ELŐADÁS 1 Források
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
RészletesebbenAdatszerkezetek 7a. Dr. IványiPéter
Adatszerkezetek 7a. Dr. IványiPéter 1 Fák Fákat akkor használunk, ha az adatok között valamilyen alá- és fölérendeltség van. Pl. könyvtárszerkezet gyökér () Nincsennek hurkok!!! 2 Bináris fák Azokat a
RészletesebbenPISZKOZAT. 1Érkezett : 1. A KÉRELMEZŐ ADATAI. A kérelmező szervezet rövidített neve: CKSE 2Gazdálkodási formakód:521 3Tagsági azonosítószám 1322
1Érkezett : 1. A KÉRELMEZŐ ADATAI A kérelmező zervezet telje neve: CEGLÉDBERCELI KÖZSÉGI SPORTEGYESÜLET A kérelmező zervezet rövidített neve: CKSE 2Gazdálkodái formakód:521 3Tagági azonoítózám 1322 Áfa
RészletesebbenAlgoritmusok és adatszerkezetek gyakorlat 07
Algoritmusok és adatszerkezetek gyakorlat 0 Keresőfák Fák Fa: összefüggő, körmentes gráf, melyre igaz, hogy: - (Általában) egy gyökér csúcsa van, melynek 0 vagy több részfája van - Pontosan egy út vezet
RészletesebbenKis-Benedek Ágnes Szimmetrikus és periodikus szerkezetek merevsége
Eötvös Loránd Tudományegyetem Természettudományi Kar Kis-Benedek Ágnes Szimmetrikus és periodikus szerkezetek merevsége Alkalmazott matematikus MSc Operációkutatás szakirány Szakdolgozat Témavezető: Jordán
RészletesebbenINFORMATIKA tétel 2019
INFORMATIKA tétel 2019 ELIGAZÍTÁS: 1 pont hivatalból; Az 1-4 feladatokban (a pszeudokód programrészletekben): (1) a kiír \n utasítás újsorba ugratja a képernyőn a kurzort; (2) a / operátor osztási hányadost
Részletesebbengraf 2007/11/20 16:16 page 1 #1 BABEŞ-BOLYAI TUDOMÁNYEGYETEM KOLOZSVÁR MATEMATIKAI ÉS INFORMATIKAI KAR Kása Zoltán Gráfalgoritmusok
graf 007/11/0 16:16 page 1 #1 BABEŞ-BOLYAI TUDOMÁNYEGYETEM KOLOZSVÁR MATEMATIKAI ÉS INFORMATIKAI KAR Kása Zoltán Gráfalgoritmusok 007 graf 007/11/0 16:16 page # Mottó helyett Königsberget vissza kellene
Részletesebbenangolul: greedy algorithms, románul: algoritmi greedy
Mohó algoritmusok angolul: greedy algorithms, románul: algoritmi greedy 1. feladat. Gazdaságos telefonhálózat építése Bizonyos városok között lehet direkt telefonkapcsolatot kiépíteni, pl. x és y város
RészletesebbenMINERVA TÉRINFORMATIKAI RENDSZER ELEKTROMOS HÁLÓZAT TÉRINFORMATIKAI INTEGRÁCIÓJA
M I N E R V A É R I N F O R M A I K A I R E N D S Z E R MINERVA ÉRINFORMAIKAI RENDSZER ELEKROMOS HÁLÓZA ÉRINFORMAIKAI INEGRÁCIÓJA C 1 0 O 3 M 4 P u A d tel : 1)4301720 fax:(1)4301719 a R p e S t, é Ú c
RészletesebbenMaradékos osztás nagy számokkal
Maradéko oztá nagy zámokkal Uray M. Jáno, 01 1 Bevezeté Célunk a nagy termézete zámokkal való zámolá. A nagy itt azt jelenti, hogy nagyobb, mint amivel a zámítógép közvetlenül zámolni tud. A termézete
Részletesebben