Bevezete s a ha ló zatók vila ga ba

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Bevezete s a ha ló zatók vila ga ba"

Átírás

1 Bevezete s a ha ló zatók vila ga ba Bevezetés Kezdjük egy játékkal! Képzeletünkben kalandozzunk el és válasszunk egy tetszőleges országot a világon, annak tetszőleges települését és egy ott élő tetszőleges embert. Bizonyítható, hogy köztünk és a között az ember között fellelhető ismeretségi kapcsolat, e kapcsolat pedig elérhető összesen hat lépésben. Ezen érdekes felfedezés először Karinthy Frigyestől származik 1929-ből. Álljon itt Karinthy idézete: A nehezebb feladatot: egy szögecselő munkást a Ford-művek műhelyéből, ezek után magam vállaltam, és négy láncszemmel szerencsésen meg is oldottam. A munkás ismeri műhelyfőnökét, műhelyfőnöke magát Fordot, Ford jóban van a Hearst-lapok vezérigazgatójával, a Hearst-lapok vezérigazgatójával tavaly alaposan összeismerkedett Pásztor Árpád úr, aki nekem nemcsak ismerősöm, de tudtommal kitűnő barátom csak egy szavamba kerül, hogy sürgönyözzön a vezérigazgatónak, hogy szóljon Fordnak, hogy Ford szóljon a műhelyfőnöknek, hogy az a szögecselő munkás sürgősen szögecseljen nekem össze egy autót, éppen szükségem lenne rá. Karinthy Frigyes: Láncszemek (1929) Egy néhány száz, vagy akár milliárd emberből álló rendszer viselkedésének vizsgálatakor szükség van a rendszer kapcsolatainak hálózatos diagramjára. A 21. század nagy vívmánya, az internet megjelenésével lehetősége nyílt az emberiségnek e kapcsolatok feltárására és elemzésére. Az elmúlt évek/évtizedek nagyfokú érdeklődése a hálózatok jelentősége iránt vitathatatlan. Nemcsak a szociológia tudománya hangsúlyozza ennek elkerülhetetlen hatását, hanem a közgazdaságtanban is egyre nagyobb figyelmet kap. Amennyiben gazdasági elemzéseket végzünk, manapság már elengedhetetlen, hogy a vizsgálandó egyének közötti interakciókat figyelembe vegyük. A manapság már közhellyé vált gyorsuló világ kifejezés ez esetben megállja a helyét: ugyanazon időegység alatt létrejövő interakciók száma drasztikusan megnőtt. A hálózat fogalma hallatán az embernek valamiféle kapcsolódási pontokból és kapcsolatrendszerből álló káosz jut először eszébe. Ez nem is áll teljesen messze a valóságtól. A hálózat nem más, mint egyfajta rendszer. Egy olyan rendszer, amely elemekből és az elemek között lévő interakciókból áll. A 20. század hatalmas felfedezése volt, hogy a különböző, hálózatba rendeződött struktúrák szerte a világon nagyfokú hasonlóságot mutatnak: az út- és közlekedési hálózatok, társadalmi kapcsolathálók, gazdasági (piaci) hálózatok, sejtek hálózatai (pl. neuronok) vagy akár a sejten

2 belüli alkotóelemek (fehérjék) hálózatai. Barabási Albert-László és munkatársai hozták azon felfedezést, hogy egymástól meglehetősen különböző területeken felbukkanó hálózatok azonos szereveződési mintákat mutatnak. Ha meg akarunk érteni egy komplex rendszert, ismernünk kell annak kapcsolási rajzát, ehhez nyújtanak segítséget a gráfok, mint a hálózatok matematikai váza. A hálózat felöleli egy rendszer alkotóelemeit (pontok, vagy csúcsok), és a közöttük lévő kapcsolatokat (élek). Ezzel közös nyelv használható jó néhány egymástól eltérő természetű, megjelenésű vagy alkalmazhatóságú rendszer tanulmányozásához. A következő ábrán látható hálózatok egymástól teljesen eltérő elemeket és kapcsolatokat reprezentálnak. Egy valami mégis közös bennük: a struktúrájuk. Mindegyik hálózat matematikai váza ugyanolyan. Példa (a) útválasztók (routerek, speciális számítógépek), (b) hollywoodi színészek kapcsolatai (ha szerepeltek közös filmben, össze vannak kötve a színészek), (c) fehérje-fehérje kölcsönhatási hálózat (akkor vannak összekötve, ha a sejten belül két fehérje összekapcsolódik) a gráf ugyanaz, 4 csomópont (N) és 4 kapcsolat (L). Forrás: Barabási (2016). Amennyiben egy hálózatot vizsgálunk strukturális szempontból, a hálózatot azonosítjuk a neki megfelelő gráffal. Erre két okból van szükség: az egyik, hogy szemléltetni lehessen a struktúrát, a másik pedig, hogy vizsgálni lehessen a hálózatot. A hálózat és a gráf kifejezések szinonímaként használhatóak. Ehhez segítségül hívhatóak azok a matematikai tételek, definíciók, illetve összefüggések, amelyeket a gráfelmélettel foglalkozó matematikusok alkalmaznak. Ezek közül tekintsük a legfontosabbakat:

3 A gráfelméleti bevezetők legnépszerűbb példája Leonhard Eulerhez és egy porosz városkához, Königsberghez kapcsolódik. Königsbergben (a mai nevén Kalinyingrádban) az 1700-as évek elején 7 híd ívelt át a Prégel folyón, amelyek különböző városrészeket kötöttek össze. A legenda szerint a város elitje vasárnaponként arra tett kísérletet, hogy úgy sétáljon át mind a 7 hídon, hogy minden hídon csak egyszer menjen át és visszatérjen a kiindulópontba. Mivel a problémát nem sikerült megoldaniuk, a neves matematikushoz, Leonhard Eulerhez fordultak. Euler ekkor alkotta meg az első gráfot, amelynek pontjai a szigetek, illetve városrészek, élei a hidak voltak ábra Korabeli térkép Königsberg városáról, az 1700-as évek elejéről (feketével kiemelve a hidak), valamint a térkép alapján készített gráf. Forrás: térkép: gráf: saját készítés Tekintsünk két halmazt. Az egyik halmaz, N, elemei legyenek pontok, csúcsok a csúcsokat jelöljük n i -vel,, azaz { }. Tegyük fel, hogy N halmaz nemüres. A másik halmaz, L, elemei legyenek élek jelölésük legyen, azaz { }. Ebben az esetben a gráf egy rendezett pár, amely a összefüggéssel azonosítható, azaz egy gráf pontokat és közöttük futó éleket tartalmaz. A fokszám a pont és a hálózat többi csúcsa közötti kapcsolatok száma, jele. Egy irányítatlan hálózatban az összes kapcsolat (él) száma (L) kiszámítható a pontok fokszámának összegéből Tekintsük a következő gráfot: 1 Euler 1736-ban bebizonyította, hogy lehetetlen úgy átsétálni a hidakon, hogy minden hídon csak egyszer haladjanak át és visszatérjenek a kiindulási pontba. A problémáról bővebben, illetve a bizonyításról részletes információ található Katona-Recski-Szabó (2006) könyvének oldalán.

4 A fenti esetben a gráfnak 4 csúcsa, 4 éle van, a fokszámok rendre 2,3,2,1. A hálózati vizsgálatok során a fokszámeloszlás fogalma nagy jelentőséggel bír. A fokszámeloszlás annak a valószínűségét adja meg, hogy a hálózatban egy véletlenszerűen kiválasztott pontnak éppen k legyen a fokszáma. Mivel -k valószínűségek és a gráf minden pontjához tartozik egy ilyen valószínűség, összegüknek 1-nek kell lennie. Tekintsük a következő ábra a. részében található gráfot. Az ehhez tartozó fokszámeloszlást mutatja a mellette lévő ábra: Látható, hogy a gráf 4 csúcsához összesen 4 él tartozik. 1 fokszámú csúcsból 1 darab, 2 fokszámú csúcsból 2 darab és 3 fokszámú csúcsból 1 db van. A fokszámeloszlást mutató diagramról leolvashatjuk, hogy a fenti adatok tükrében egy tetszőlegesen kiválasztott csúcs a gráfban 25%-os valószínűséggel 1 fokszámú, 50%-os valószínűséggel 2 fokszámú és 25%-os valószínűséggel 3 a fokszáma. A következő gráf tulajdonsága, hogy minden pont foka 2. Ennek megfelelően, annak valószínűsége, hogy egy tetszőlegesen kiválasztott csúcs fokszáma 2, 100%. Minden más fokszám előfordulásának valószínűsége pedig 0.

5 Súlyozott gráfról akkor beszélhetünk, ha az élekhez számértékeket rendelünk. Irányított az a gráf, amelyben az éleknek iránya is van. A hálózatok (gráfok) tárolásának egyik legpraktikusabb módja a szomszédsági mátrix. Ez egy olyan mátrix, amelynek sorai és oszlopai a gráf csúcsait reprezentálják, elemei azt mutatják meg, hogy a megadott csúcsok között fut-e él, vagy sem. Az irányítatlan hálózat szomszédsági mátrixában minden él kétszer szerepel,. Az ábra első gráfja irányítatlan, második irányított. A gráfok alatt megtalálhatóak a hozzájuk tartozó szomszédsági mátrixok. Az i-edik pont fokszáma megkapható a szomszédsági mátrix elemeiből: Irányítatlan esetben: egy pont fokszáma a hozzá tartozó sor vagy oszlop elemeinek összege, azaz Irányított hálózatban a megfelelő sor- és oszlopösszeg adja a be- és ki-fokszámot, azaz A fizikai rendszerek elemeinek kapcsolatában nagy szerepe van a fizikai távolságnak, a hálózatokban a távolság fogalma viszont már nem ilyen egyszerű. Gondoljunk csak bele, hogyan értelmezhető két weboldal távolsága? Vagy két, egymást nem ismerő ember távolsága? A hálózatokban a modellezés során a fizikai távolságot az út hosszával helyettesítjük; az út a hálózat élei révén egymás után kapcsolódó, egymástól különböző hálózati pontokból áll. Minden út n pontból és (n-1) élből áll. Az út hossza az utat alkotó élek számával egyezik meg. A következő példában az útnak 4 a hossza.

6 A legrövidebb út nem más, mint két pont között a legrövidebb útnak a hossza. Természetesen több ilyen legrövidebb út is létezhet. A következő példában az vizsgáljuk az 1-es és a 4-es pont közötti utakat. A kékkel jelölt útnak és a narancs színnel jelölt útnak is 3 a hossza. Az alapfogalmak után a továbbiakban a gazdaságban releváns hálózatok ismertetésére kerül sor. Hálózatok a gazdaságban Maga a hálózat fogalma kellően összetett, mégis érezni a különféle megfogalmazások egységességét. Ugyanez a tulajdonság jellemzi a gazdasági hálózatot ( economic network ) is. A gazdasági hálózatra nincsen egységes definíció, általában csak tényként kezelik azt, összpontosítva azokra az interakciókra, amelyek az adott vizsgálatokkal kapcsolatosak. A gazdasági hálózat egyik legáltalánosabb definíciója a következő: A gazdasági hálózat minta a vállalatok és intézmények közötti kapcsolatokról. Az itt fellelhető kölcsönhatások mintái kódolják azokat a kapcsolatokat, amelyek reprezentálják a hálózatot (Kogut, 2000). A gazdasági hálózatok azonosítása után célszerű azokat elhelyezni a valóságban megfigyelhető hálózatok között. Newman (2003) szerint a valóságban megfigyelhető hálózatok négy csoportba sorolhatóak: szociális hálózatok (például baráti kapcsolatok hálózata, vállalatok közötti együttműködési hálózat), információs hálózatok (ide tartoznak például a hivatkozások tudományos művek között, a World Wide Web), technológiai hálózatok (például villamosenergia-hálózat), biológiai hálózatok (például a genetikai szabályozási hálózat). Newmann elmélete szerint egy, a valóságban megfigyelt, vagy generált hálózat besorolható a fenti csoportok valamelyikébe. Természetesen a csoportok között nem éles határok húzódnak,

7 lehetnek átfedések közöttük. A szociális hálózatok tartalmazzák a társadalmi hálózatokat, amelyeket elsősorban az ismeretség, a másik egyénről rendelkezésre álló információ tart egyben. Az információs hálózatok csoportjába olyan hálózatok tartoznak, amelyek csomópontjai olyan egyéneket vagy egységeket reprezentálnak, amelyek a kapcsolataik révén különféle információkat osztanak meg egymással. A technológiai hálózatok olyan fizikai megjelenési formával rendelkező hálózatok, ahol a műszaki tudományok szükségesek a hálózat kiépítéséhez és fenntartásához. Ezen hálózatok mentén materiális és nem-materiális jószágok is áramolhatnak. A biológiai hálózatok olyan élettani és természeti folyamatokat reprezentálnak, ahol az alkotóelemek közötti kölcsönhatásokat reprezentáló élek vagy a rendszer életben tartásához elengedhetetlenek, vagy olyan közvetítő szerepet töltenek be, amelyeken keresztül különféle anyagok áramolhatnak. Minden, élettel összeegyeztethető, a természetben előforduló hálózat ebbe a csoportba tartozik. A fenti megközelítést figyelembe véve felmerül a kérdés, hogy a közgazdaságtanban megfigyelhető hálózatok hová tartozhatnak? Létezik-e egyértelműen meghatározható csoportosítás erre vonatkozóan? A gazdasági hálózatokat két csoportba sorolhatjuk (Jackson, 2011): az első a klasszikus értelemben vett hálózat, a második a társadalmi hálózatok. A klasszikus értelemben vett hálózat esetében a csomópontok és élek gazdasági folyamatokat reprezentálnak, mint például eladó-vevő hálózat, telekommunikációs hálózat, ellátási láncok, stb. A társadalmi hálózatok hatással vannak a gazdasági folyamatokra, azaz egy adott szituációban legyen például egy fogyasztói döntés fontos, hogy mekkora mértékű befolyásoló erővel bírnak az egyes szereplők, vagy intézmények társadalmi hálózatának strukturális jellemzői. De hol van itt a játszma? A következő alkalommal fény derül rá.

8 Felhasznált irodalom: 1. Barabási Albert-László (2016): A hálózatok tudománya. Libri, Budapest 2. Karinthy Frigyes (1929): Minden másképpen van (Ötvenkét vasárnap). Athenaeum, Irodalmi és Nyomdai Rt., Budapest 3. Jackson, M. O. (2011). An overview of social networks and economic applications. In Handbook of social economics (Vol. 1, pp ). North-Holland. 4. Kogut, B. (2000). The network as knowledge: Generative rules and the emergence of structure. Strategic management journal, 21(3), Newman, M. E. (2003). The structure and function of complex networks. SIAM review, 45(2),

Hálózati elemzések az üzleti életben. Kovács Gyula Sixtep Kft.

Hálózati elemzések az üzleti életben. Kovács Gyula Sixtep Kft. Hálózati elemzések az üzleti életben Kovács Gyula Sixtep Kft. Hálózat kutatás rövid ismertetése Königsbergi hidak problémája Háttér: A probléma története, hogy a poroszországi Königsberg (most Kalinyingrád,

Részletesebben

Zsidók, tudomány és hálózatok?

Zsidók, tudomány és hálózatok? Zsidók, tudomány és hálózatok? Bevezető gondolatok és alapfogalmak Biró Tamás OR-ZSE Hálózatkutatás a Zsidó Tanulmányokban kutatócsoport 2018. 12. 19. Hálózatok mindenhol Például: emberek alkotta társadalmi

Részletesebben

Gráfelméleti alapfogalmak

Gráfelméleti 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

Részletesebben

Feladatok, amelyek gráfokkal oldhatók meg 1) A königsbergi hidak problémája (Euler-féle probléma) a

Feladatok, 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,,,...,

Részletesebben

22. GRÁFOK ÁBRÁZOLÁSA

22. 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

Részletesebben

Doktori disszertáció. szerkezete

Doktori disszertáció. szerkezete Doktori disszertáció tézisfüzet Komplex hálózatok szerkezete Szabó Gábor Témavezető Dr. Kertész János Elméleti Fizika Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 2005 Bevezetés A tudományos

Részletesebben

Király Zoltán, Kondé Zoltán, Kovács Antal, Lévai Annamária 2006

Király Zoltán, Kondé Zoltán, Kovács Antal, Lévai Annamária 2006 A Network-Elemzés - és felhasználása általános iskolai osztályok társas szerkezetének és a szerveződésért felelős személyes tulajdonságok feltárására Király Zoltán, Kondé Zoltán, Kovács Antal, Lévai Annamária

Részletesebben

Bevezete s a ha ló zatók vila ga ba II.

Bevezete s a ha ló zatók vila ga ba II. Bevezete s a ha ló zatók vila ga ba II. Véletlen hálózatok Szervezzünk partit! Körülbelül 100 vendéget hívunk meg. A vendégek kezdetben nem ismerik egymást. Kínáljuk őket sajttal és borral, biztosítva

Részletesebben

A Barabási-Albert-féle gráfmodell

A Barabási-Albert-féle gráfmodell A Barabási-Albert-féle gráfmodell és egyéb véletlen gráfok Papp Pál András Gráfok, hálózatok modelljei Rengeteg gráfokkal modellezhető terület: Pl: Internet, kapcsolati hálók, elektromos hálózatok, stb.

Részletesebben

HAMILTON ÚT: minden csúcson PONTOSAN egyszer áthaladó út

HAMILTON 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

Részletesebben

HAMILTON KÖR: minden csúcson PONTOSAN egyszer áthaladó kör. Forrás: (

HAMILTON KÖR: minden csúcson PONTOSAN egyszer áthaladó kör. Forrás: ( HAMILTON KÖR: minden csúcson PONTOSAN egyszer áthaladó kör Teljes gráf: Páros gráf, teljes páros gráf és Hamilton kör/út Hamilton kör: Minden csúcson áthaladó kör Hamilton kör Forrás: (http://www.math.klte.hur/~tujanyi/komb_j/k_win_doc/g0603.doc

Részletesebben

Gráfelméleti alapfogalmak-1

Gráfelméleti alapfogalmak-1 KOMBINATORIKA ELŐADÁS osztatlan matematika tanár hallgatók számára Gráfelméleti alapfogalmak Előadó: Hajnal Péter 2015 1. Egyszerű gráfok Nagyon sok helyzetben egy alaphalmaz elemei között kitűntetett

Részletesebben

Alapfogalmak II. Def.: Egy gráf összefüggő, ha bármely pontjából bármely pontjába eljuthatunk egy úton.

Alapfogalmak II. Def.: Egy gráf összefüggő, ha bármely pontjából bármely pontjába eljuthatunk egy úton. lapfogalmak II Nézzük meg mégegyszer a königsbergi séták problémáját! város lakói vasárnaponként szerettek sétálni a szigeteken. Felvetődött a kérdés, hogy hogyan lehetne olyan sétát tenni a városban,

Részletesebben

Véletlen gráfok, hálózatok

Véletlen gráfok, hálózatok Véletlen gráfok, hálózatok Véletlen gráfok, hálózatok Csirik András 2018.04.25 Erdős-Rényi modell Watts-Strogatz modell Barabási-Albert modell Hálózatok a mindennapokban Hálózatok a világ minden területén

Részletesebben

Adatszerkezetek 2. Dr. Iványi Péter

Adatszerkezetek 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

Részletesebben

Gráfelmélet. I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma

Gráfelmélet. I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma Készítette: Laczik Sándor János Gráfelmélet I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma Definíció: a G=(V,E) párt egyszerű gráfnak nevezzük, (V elemeit a gráf csúcsainak/pontjainak,e elemeit

Részletesebben

Bevezetés a központi idegrendszer élettanába. Témák

Bevezetés a központi idegrendszer élettanába. Témák Bevezetés a központi idegrendszer élettanába Dr Berényi Antal Szegedi Tudományegyetem Élettani Intézet 2019. Április 1. 1 Témák I. rész: Az idegtudomány keretrendszere II. rész: Idegsejthálózatok kapcsolatrendszere

Részletesebben

Ramsey-féle problémák

Ramsey-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:

Részletesebben

Betekintés a komplex hálózatok világába

Betekintés a komplex hálózatok világába Betekintés a komplex hálózatok világába Dr. Varga Imre Debreceni Egyetem Informatikai Kar EFOP-3.6.1-16-2016-00022 Egyszerű hálózatok Grafit kristály Árpád házi uralkodók családfája LAN hálózat Komplex

Részletesebben

Alapfogalmak. Ha a gráf valamely két csúcsát egynél több él köti össze, akkor azt többszörös élnek nevezzük.

Alapfogalmak. Ha a gráf valamely két csúcsát egynél több él köti össze, akkor azt többszörös élnek nevezzük. Alapfogalmak A gráfelmélet a matematika tudományának viszonylag fiatal részterülete. Az első gráfelméleti probléma a XVIII. sz. elején lépett fel ennek megoldása Euler nevéhez fűződik. A Königsberg (mai

Részletesebben

Diszkrét matematika 2. estis képzés

Diszkrét 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

Részletesebben

A számítástudomány alapjai

A 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

Részletesebben

1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok. HálózatokII, 2007

1: 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

Számítógép hálózatok, osztott rendszerek 2009

Számítógép 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

Részletesebben

AZ OKOSTELEFONOK ÉS A TÁBLAGÉPEK A GRÁFELMÉLETI TÉMAKÖRÖK OKTATÁSÁBAN II.

AZ OKOSTELEFONOK ÉS A TÁBLAGÉPEK A GRÁFELMÉLETI TÉMAKÖRÖK OKTATÁSÁBAN II. AZ OKOSTELEFONOK ÉS A TÁBLAGÉPEK A GRÁFELMÉLETI TÉMAKÖRÖK OKTATÁSÁBAN II. Tuzson Zoltán, Székelyudvarhely Az előző részben (MatLap 1/2016) számos olyan játékot mutattunk be, amelyeket tulajdonképpen didaktikai

Részletesebben

Feladatok MATEMATIKÁBÓL

Feladatok MATEMATIKÁBÓL Feladatok MATEMATIKÁBÓL a 12. évfolyam számára III. 1. Számítsuk ki a következő hatványok értékét! 2. Írjuk fel gyökjelekkel a következő hatványokat! 3. Az ötnek hányadik hatványa a következő kifejezés?

Részletesebben

24. tétel. Kombinatorika. A grá fok.

24. tétel. Kombinatorika. A grá fok. 2009/2010 1 Huszk@ Jenő 24. tétel. Kombinatorika. A grá fok. 1.Kombinatorika A kombinatorika a véges halmazokkal foglalkozik. Olyan problémákat vizsgál, amelyek függetlenek a halmazok elemeinek mibenlététől.

Részletesebben

2. csoport, 8. tétel: Gráfok

2. csoport, 8. tétel: Gráfok Utolsó javítás: 2009. február 16. Áttekintés A gráfelmélet születése 1 A gráfelmélet születése 2 Csúcsok és élek Fokszámok Komplementer Izomorfia 3 Séták, utak, körök, összefüggőség Gráfbejárások Fagráfok

Részletesebben

Magyar és angol szóasszociációs hálózatok vizsgálata. Orosz Katalin Kovács László Pollner Péter

Magyar és angol szóasszociációs hálózatok vizsgálata. Orosz Katalin Kovács László Pollner Péter Magyar és angol szóasszociációs hálózatok vizsgálata Orosz Katalin Kovács László Pollner Péter 0. Bevezetés Jelenlegi elképzeléseink szerint a beszédértés és beszédprodukció során előhívott szavakat (és

Részletesebben

Komplex hálózatok: alapfogalmak, modellek, módszerek

Komplex hálózatok: alapfogalmak, modellek, módszerek Komplex hálózatok: alapfogalmak, modellek, módszerek London András, Németh Tamás 2015. április 13. Motiváció Alapfogalmak Centralitás mértékek Néhány gráfmodell Hálózatok mindenhol! ábra 1: Facebook kapcsolati

Részletesebben

Hálózatok fejlődése A hatványtörvény A preferential attachment A uniform attachment Vertex copy. SZTE Informatikai Intézet

Hálózatok fejlődése A hatványtörvény A preferential attachment A uniform attachment Vertex copy. SZTE Informatikai Intézet Hálózattudomány SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Előadó: London András 4. Előadás Hogyan nőnek a hálózatok? Statikus hálózatos modellek: a pontok száma (n) fix, az éleket valamilyen

Részletesebben

EGYSZERŰ, NEM IRÁNYÍTOTT (IRÁNYÍTATLAN) GRÁF

EGYSZERŰ, 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:

Részletesebben

Közösség detektálás gráfokban

Közösség detektálás gráfokban Közösség detektálás gráfokban Önszervező rendszerek Hegedűs István Célkitűzés: valamilyen objektumok halmaza felett minták, csoportok detektálása csakis az egyedek közötti kapcsolatok struktúrájának a

Részletesebben

III. Gráfok. 1. Irányítatlan gráfok:

III. Gráfok. 1. Irányítatlan gráfok: III. Gráfok 1. Irányítatlan gráfok: Jelölés: G=(X,U), X a csomópontok halmaza, U az élek halmaza X={1,2,3,4,5,6}, U={[1,2], [1,4], [1,6], [2,3], [2,5], [3,4], [3,5], [4,5],[5,6]} Értelmezések: 1. Fokszám:

Részletesebben

A hazai elszámolásforgalom hálózati elemzése

A hazai elszámolásforgalom hálózati elemzése A hazai elszámolásforgalom hálózati elemzése Révkomárom, 2013. január 23. Pál Zsolt egyetemi tanársegéd Miskolci Egyetem Gazdaságtudományi Kar A kutatás előzményei, háttere Hálózatelmélet - szabályos gráfok

Részletesebben

Csima Judit BME, SZIT február 18.

Csima Judit BME, SZIT február 18. 1 Véletlen gráfok és valós hálózatok Csima Judit BME, SZIT 2011. február 18. Tartalom 2 1. Motiváció: miért pont véletlen gráfok? Tartalom 2 1. Motiváció: miért pont véletlen gráfok? 2. A klasszikus modell:

Részletesebben

Összefoglalás és gyakorlás

Összefoglalás és gyakorlás Összefoglalás és gyakorlás High Speed Networks Laboratory 1 / 28 Hálózatok jellemző paraméterei High Speed Networks Laboratory 2 / 28 Evolúció alkotta adatbázis Önszerveződő adatbázis = (struktúra, lekérdezés)

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét 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.

Részletesebben

Társadalmi és gazdasági hálózatok modellezése

Társadalmi és gazdasági hálózatok modellezése Társadalmi és gazdasági hálózatok modellezése 6. el adás Hálózatok növekedési modelljei: `uniform és preferential attachment' El adó: London András 2015. október 12. Hogyan n nek a hálózatok? Statikus

Részletesebben

Síkbarajzolható gráfok Április 26.

Síkbarajzolható gráfok Április 26. Síkbarajzolható gráfok 2017. Április 26. Síkgráfok Egy gráf síkgráf=síkba rajzolható gráf, ha lerajzolható úgy a síkba, hogy élei csak a szögpontokban metszik egymást. Ha egy gráf lerajzolható a síkba,

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét 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.

Részletesebben

Mikroelektronikai tervezés tantermi gyakorlat

Mikroelektronikai tervezés tantermi gyakorlat Mikroelektronikai tervezés tantermi gyakorlat Gärtner Péter, Ress Sándor 2010 április 1 Az átcsúszó selejt Előadáson levezetve az átcsúszó selejtre: Y = yield, kihozatal C = fault coverage, hibalefedés

Részletesebben

Diszkrét matematika 2. estis képzés

Diszkrét 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

Részletesebben

Puskás Béla: Hálózatelméleti alapok

Puskás Béla: Hálózatelméleti alapok Puskás Béla: Hálózatelméleti alapok "Egyébként kedves játék alakult ki a vitából. Annak bizonyításául, hogy a Földgolyó lakossága sokkal közelebb van egymáshoz, mindenféle tekintetben, mint ahogy valaha

Részletesebben

Társadalmi és gazdasági hálózatok modellezése

Társadalmi és gazdasági hálózatok modellezése Társadalmi és gazdasági hálózatok modellezése 2. el adás A hálózatkutatás néhány fontos fogalma El adó: London András 2015. szeptember 15. Átmér l ij a legrövidebb út a hálózatban i és j pont között =

Részletesebben

26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA

26. 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

Részletesebben

Gráf csúcsainak színezése. The Four-Color Theorem 4 szín tétel Appel és Haken bebizonyították, hogy minden térkép legfeljebb 4 színnel kiszínezhető.

Gráf 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

Részletesebben

Szalai Péter. April 17, Szalai Péter April 17, / 36

Szalai Péter. April 17, Szalai Péter April 17, / 36 Szociális hálók Szalai Péter April 17, 2015 Szalai Péter April 17, 2015 1 / 36 Miről lesz szó? 1 Megfigyelések Kis világ Power-law Klaszterezhetőség 2 Modellek Célok Erdős-Rényi Watts-Strogatz Barabási

Részletesebben

Gráfelméleti feladatok. c f

Gráfelméleti 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,

Részletesebben

Algoritmuselmélet 7. előadás

Algoritmuselmélet 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

Részletesebben

Hierarchikus skálafüggetlen gráfok generálása fraktálokkal

Hierarchikus skálafüggetlen gráfok generálása fraktálokkal Hierarchikus skálafüggetlen gráfok generálása fraktálokkal Komjáthy Júlia Simon Károly Sztochasztika Tanszék Matematika Intézet Budapesti Műszaki és Gazdaságtudományi Egyetem www.math.bme.hu/~komyju www.math.bme.hu/~simonk

Részletesebben

Diszkrét matematika 2.

Diszkrét matematika 2. Diszkrét matematika 2. 2018. szeptember 21. 1. Diszkrét matematika 2. 2. előadás Fancsali Szabolcs Levente nudniq@cs.elte.hu www.cs.elte.hu/ nudniq Komputeralgebra Tanszék 2018. szeptember 21. Gráfelmélet

Részletesebben

1. Gráfelmélet alapfogalmai

1. Gráfelmélet alapfogalmai 1. Gráfelmélet alapfogalmai Definíció: A gráf pontok és az őket összekötő élek együttese. Megjegyzés: A gráf pontjait szögpontoknak, illetve csúcsoknak is nevezzük. Ha a gráf élei irányítottak, irányított

Részletesebben

Véletlen gráfok. Backhausz Ágnes Eötvös Loránd Tudományegyetem és MTA Rényi Alfréd Matematikai Kutatóintézet december 2.

Véletlen gráfok. Backhausz Ágnes Eötvös Loránd Tudományegyetem és MTA Rényi Alfréd Matematikai Kutatóintézet december 2. Véletlen gráfok Backhausz Ágnes Eötvös Loránd Tudományegyetem és MTA Rényi Alfréd Matematikai Kutatóintézet agnes@cs.elte.hu 2015. december 2. Nagy hálózatok Példák valós hálózatokra társadalmi hálózatok

Részletesebben

Próbaérettségi 2004 MATEMATIKA. PRÓBAÉRETTSÉGI 2004. május EMELT SZINT. 240 perc

Próbaérettségi 2004 MATEMATIKA. PRÓBAÉRETTSÉGI 2004. május EMELT SZINT. 240 perc PRÓBAÉRETTSÉGI 2004. május MATEMATIKA EMELT SZINT 240 perc A feladatok megoldására 240 perc fordítható, az idő leteltével a munkát be kell fejeznie. A feladatok megoldási sorrendje tetszőleges. A II. részben

Részletesebben

REKLÁMPSZICHOLÓGIA. 1/a. TÁRSTUDOMÁNYOK és ÚJ TUDOMÁNYÁGAK

REKLÁMPSZICHOLÓGIA. 1/a. TÁRSTUDOMÁNYOK és ÚJ TUDOMÁNYÁGAK REKLÁMPSZICHOLÓGIA 1/a. TÁRSTUDOMÁNYOK és ÚJ TUDOMÁNYÁGAK Interdiszciplináris tudomány kereskedelem lélektan kommunikáció kutatás kampány hatásvizsgálatok médiakutatás, mérés REKLÁM PSZICHO- LÓGIA fogyasztói

Részletesebben

Polinomosztás. Összeállította: Bogya Norbert. Diszkrét matematika I.gyakorlat

Polinomosztás. Összeállította: Bogya Norbert. Diszkrét matematika I.gyakorlat Diszkrét matematika I. gyakorlat Összeállította: Bogya Norbert Tartalom Elméleti bevezető 1 Elméleti bevezető 2 1. példa 2. példa 3. példa Elmélet I. Elméleti bevezető Definíció (polinom) p = a n x n +

Részletesebben

Gráf-algoritmusok ERŐS / GYENGE KÖTÉSEK

Gráf-algoritmusok ERŐS / GYENGE KÖTÉSEK Gráf-algoritmusok ERŐS / GYENGE KÖTÉSEK Sapientia-EMTE 2017-18 http://www.cs.cornell.edu/home/kleinber/networks-book/ A gyenge kapcsolatok ereje The strength of weak ties (legidézettebb cikk) 1969 (American

Részletesebben

SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 10. ÉVFOLYAM SZÁMÁRA

SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 10. ÉVFOLYAM SZÁMÁRA SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 10. ÉVFOLYAM SZÁMÁRA Heti óraszám: 3 Éves óraszám: 37 3 = 111 A tanmenet 100 óra beosztását tartalmazza. A dolgozatok írása és javítása ezeken felül 8 órát

Részletesebben

Diszkrét matematika 2.

Diszkrét matematika 2. Diszkrét matematika 2. Mérai László előadása alapján Készítette: Nagy Krisztián 1. előadás Gráfok halmaza, gráf, ahol a csúcsok halmaza, az élek illesztkedés reláció: illesztkedik az élre, ha ( -él illesztkedik

Részletesebben

SzA II. gyakorlat, szeptember 18.

SzA II. gyakorlat, szeptember 18. SzA II. gyakorlat, 015. szeptember 18. Barátkozás a gráfokkal Drótos Márton drotos@cs.bme.hu 1. Az előre megszámozott (címkézett) n darab pont közé hányféleképp húzhatunk be éleket úgy, hogy egyszerű gráfhoz

Részletesebben

Diszkrét matematika 1. estis képzés

Diszkrét 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

Részletesebben

1. tétel - Gráfok alapfogalmai

1. 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

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét 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

Részletesebben

Statisztikai módszerek a skálafüggetlen hálózatok

Statisztikai 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

Részletesebben

Ez is Hungaricum. Kovács Vera, Palotay Dorka, Pozsonyi Enik, Szabó Csaba január 27. ELTE

Ez is Hungaricum. Kovács Vera, Palotay Dorka, Pozsonyi Enik, Szabó Csaba január 27. ELTE Ez is ELTE 2013. január 27. Motiváció Tapasztalatok és célok A középiskolából kikerül diákok nagy része nem ismeri a gráfokat Vizsgálataink: A gráfok oktatásának mai helyzete Mi ennek az oka? A gráfok

Részletesebben

Euler tétel következménye 1:ha G összefüggő síkgráf és legalább 3 pontja van, akkor: e 3

Euler 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

Részletesebben

Számelméleti alapfogalmak

Számelméleti alapfogalmak 1 Számelméleti alapfogalmak 1 Definíció Az a IN szám osztója a b IN számnak ha létezik c IN melyre a c = b Jelölése: a b 2 Példa a 0 bármely a számra teljesül, mivel c = 0 univerzálisan megfelel: a 0 =

Részletesebben

ELTE IK Esti képzés tavaszi félév. Tartalom

ELTE IK Esti képzés tavaszi félév. Tartalom Diszkrét Matematika 2 vizsgaanyag ELTE IK Esti képzés 2017. tavaszi félév Tartalom 1. Számfogalom bővítése, homomorfizmusok... 2 2. Csoportok... 9 3. Részcsoport... 11 4. Generátum... 14 5. Mellékosztály,

Részletesebben

Diszkrét matematika 2. estis képzés

Diszkrét 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

Részletesebben

Diszkrét matematika 2. estis képzés

Diszkrét 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

Részletesebben

Diszkrét matematika 2. estis képzés

Diszkrét 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

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét 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.

Részletesebben

Algoritmusok bonyolultsága

Algoritmusok 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,...,

Részletesebben

Operációkutatás vizsga

Operációkutatás vizsga Operációkutatás vizsga A csoport Budapesti Corvinus Egyetem 2007. január 9. Egyéb gyakorló és vizsgaanyagok találhatók a honlapon a Letölthető vizsgasorok, segédanyagok menüpont alatt. OPERÁCIÓKUTATÁS

Részletesebben

Gráfok, definíciók. Gráfok ábrázolása. Az adott probléma megoldásához ténylegesen mely műveletek szükségesek. Ábrázolások. Példa:

Gráfok, 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)

Részletesebben

Gráfok 1. Tárolási módok, bejárások. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor

Gráfok 1. Tárolási módok, bejárások. Szoftvertervezés és -fejlesztés II. előadás.   Szénási Sándor Gráfok 1. Tárolási módok, bejárások előadás http://nik.uni-obuda.hu/sztf2 Szénási Sándor szenasi.sandor@nik.uni-obuda.hu Óbudai Egyetem,Neumann János Informatikai Kar Gráfok 1. Tárolási módok Szélességi

Részletesebben

Rend, rendezetlenség, szimmetriák (rövidített változat)

Rend, rendezetlenség, szimmetriák (rövidített változat) Rend, rendezetlenség, szimmetriák (rövidített változat) dr. Tasnádi Tamás 1 2018. február 16. 1 BME, Matematikai Intézet Tartalom Mi a rend? Érdekes grafikáktól a periodikus rácsokig Nem periodikus parkettázások

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét 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.

Részletesebben

Gráfalgoritmusok ismétlés ősz

Gráfalgoritmusok ismétlés ősz Gráfalgoritmusok ismétlés 2017. ősz Gráfok ábrázolása Egy G = (V, E) gráf ábrázolására alapvetően két módszert szoktak használni: szomszédsági listákat, illetve szomszédsági mátrixot. A G = (V, E) gráf

Részletesebben

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes

Részletesebben

Arany Dániel Matematikai Tanulóverseny 2009/2010-es tanév első (iskolai) forduló haladók II. kategória

Arany Dániel Matematikai Tanulóverseny 2009/2010-es tanév első (iskolai) forduló haladók II. kategória Bolyai János Matematikai Társulat Oktatási és Kulturális Minisztérium Támogatáskezelő Igazgatósága támogatásával Arany Dániel Matematikai Tanulóverseny 009/00-es tanév első (iskolai) forduló haladók II.

Részletesebben

Alapfogalmak a Diszkrét matematika II. tárgyból

Alapfogalmak a Diszkrét matematika II. tárgyból Alapfogalmak a Diszkrét matematika II. tárgyból (A szakirány, 2015-2016 tavaszi félév) A számonkérés során ezeknek a definícióknak, tételkimondásoknak az alapos megértését is számon kérjük. A példakérdések

Részletesebben

Csima Judit BME, SZIT február 17.

Csima Judit BME, SZIT február 17. 1 Véletlen gráfok és valós hálózatok Csima Judit BME, SZIT 2010. február 17. Tartalom 2 1. Motiváció: miért pont véletlen gráfok? 2. A klasszikus modell: Erdős-Rényi véletlen-gráf modell definíció jellemzői

Részletesebben

Az egyenes egyenlete: 2 pont. Az összevont alak: 1 pont. Melyik ábrán látható e függvény grafikonjának egy részlete?

Az egyenes egyenlete: 2 pont. Az összevont alak: 1 pont. Melyik ábrán látható e függvény grafikonjának egy részlete? 1. Írja fel annak az egyenesnek az egyenletét, amely áthalad az (1; 3) ponton, és egyik normálvektora a (8; 1) vektor! Az egyenes egyenlete: 2. Végezze el a következő műveleteket, és vonja össze az egynemű

Részletesebben

Megjegyzés: A programnak tartalmaznia kell legalább egy felhasználói alprogramot. Példa:

Megjegyzés: A programnak tartalmaznia kell legalább egy felhasználói alprogramot. Példa: 1. Tétel Az állomány két sort tartalmaz. Az első sorában egy nem nulla természetes szám van, n-el jelöljük (5

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA MATEmATIkA I 6 VI KOmPLEX SZÁmOk 1 A komplex SZÁmOk HALmAZA A komplex számok olyan halmazt alkotnak amelyekben elvégezhető az összeadás és a szorzás azaz két komplex szám összege és szorzata

Részletesebben

Algoritmuselmélet. Mélységi keresés és alkalmazásai. Katona Gyula Y.

Algoritmuselmélet. 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

Részletesebben

Gráfelmélet jegyzet 2. előadás

Gráfelmélet 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!

Részletesebben

Hálózatelemzés Dr. Stettner Eleonóra

Hálózatelemzés Dr. Stettner Eleonóra Kaposvári Egyetem Gazdaságtudományi Kar Kari Tudományos Diákköri Tanács TDK módszertani kurzus 5. alkalom Hálózatelemzés Dr. Stettner Eleonóra 2016. április 12. A kurzus a Nemzeti Tehetségprogram A hazai

Részletesebben

Társadalmi és gazdasági hálózatok modellezése

Társadalmi és gazdasági hálózatok modellezése Társadalmi és gazdasági hálózatok modellezése 5. el adás Közösségszerkezet El adó: London András 2017. október 16. Közösségek hálózatban Homofília, asszortatívitás Newman modularitás Közösségek hálózatban

Részletesebben

Algoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 13.

Algoritmuselmélet. 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

Részletesebben

Mérés és modellezés Méréstechnika VM, GM, MM 1

Mérés és modellezés Méréstechnika VM, GM, MM 1 Mérés és modellezés 2008.02.04. 1 Mérés és modellezés A mérnöki tevékenység alapeleme a mérés. A mérés célja valamely jelenség megismerése, vizsgálata. A mérés tervszerűen végzett tevékenység: azaz rögzíteni

Részletesebben

A Dél-Alföldi régió innovációs képessége

A Dél-Alföldi régió innovációs képessége A Dél-Alföldi régió innovációs képessége Elméleti megközelítések és empirikus elemzések Szerkesztette: Bajmócy Zoltán SZTE Gazdaságtudományi Kar Szeged, 2010. SZTE Gazdaságtudományi Kar Szerkesztette Bajmócy

Részletesebben

Méréselmélet MI BSc 1

Méréselmélet MI BSc 1 Mérés és s modellezés 2008.02.15. 1 Méréselmélet - bevezetés a mérnöki problémamegoldás menete 1. A probléma kitűzése 2. A hipotézis felállítása 3. Kísérlettervezés 4. Megfigyelések elvégzése 5. Adatok

Részletesebben

SzA X/XI. gyakorlat, november 14/19.

SzA 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

Részletesebben

Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével

Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével Pekárdy Milán, Baumgartner János, Süle Zoltán Pannon Egyetem, Veszprém XXXII. Magyar Operációkutatási

Részletesebben

Adatbázismodellek. 1. ábra Hierarchikus modell

Adatbázismodellek. 1. ábra Hierarchikus modell Eddig az adatbázisokkal általános szempontból foglalkoztunk: mire valók, milyen elemekből épülnek fel. Ennek során tisztáztuk, hogy létezik az adatbázis fogalmi modellje (adatbázisterv), amely az egyedek,

Részletesebben

30. ERŐSEN ÜSSZEFÜGGŐ KOMPONENSEK

30. ERŐSEN ÜSSZEFÜGGŐ KOMPONENSEK 30. ERŐSEN ÜSSZEFÜGGŐ KOMPONENSEK A gráfos alkalmazások között is találkozunk olyan problémákkal, amelyeket megoldását a részekre bontott gráfon határozzuk meg, majd ezeket alkalmas módon teljes megoldássá

Részletesebben

Közösségek keresése nagy gráfokban

Közösségek keresése nagy gráfokban Közösségek keresése nagy gráfokban Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 2011. április 14. Katona Gyula Y. (BME SZIT) Közösségek

Részletesebben