Seminar Algorithmik
| Semester | Winter 2023/2024Summer 2023Winter 2022/2023Summer 2022Winter 2021/2022Summer 2021Winter 2020/2021Summer 2020Winter 2019/2020Summer 2019Winter 2018/2019Summer 2018Winter 2017/2018Summer 2017Winter 2016/2017Summer 2016Winter 2015/2016Summer 2015Winter 2013/2014Summer 2013Winter 2012/2013Summer 2012Summer 2011Winter 2010/2011Winter 2009/2010Summer 2009Winter 2008/2009 | ||||||||||||||||||||||||
| Module # | INF-ALG-019 | ||||||||||||||||||||||||
| Event # | INF-ALG-019 | ||||||||||||||||||||||||
| Programmes | Diplom Informatik, Computer Science Master, Business Information Systems Master, Computer and Communication Systems Engineering Bachelor, Computer and Communication Systems Engineering Master, Electrical Engineering Bachelor, Electrical Engineering Master, Computer Science Bachelor | ||||||||||||||||||||||||
| IBR Group | ALG (Prof. Fekete) | ||||||||||||||||||||||||
| Type | Seminar | ||||||||||||||||||||||||
| Lecturer | |||||||||||||||||||||||||
| Assistants | Dr. Christiane Schmidt Ehemalige Wissenschaftliche Mitarbeiterin Dr. Alexander Kröller Ehemaliger Juniorprofessor | ||||||||||||||||||||||||
| Credits | 4 | ||||||||||||||||||||||||
| Hours | 0+2 | ||||||||||||||||||||||||
| Time & Place | wird vor Semesterbeginn bekanntgegeben. Die Vorbesprechung findet am 27.10.2011 um 13:00 Uhr in Room 313 statt. ACHTUNG NEU:
| ||||||||||||||||||||||||
| Certificates | Schriftliche Ausarbeitung und erfolgreicher Seminarvortrag. Die Note wird abhängig von der aktiven Teilnahme am Seminar sowie der Qualität des Vortrages und der Ausarbeitung bestimmt. Vortrag: Ihr Vortrag sollte ca. 40 Minuten dauern. Das Medium ist frei, Sie können also Tafel, Overhead-Projektor, Beamer mit PowerPoint, Beamer mit PDF, oder was auch immer Sie sinnvoll finden, einsetzen. Natürlich sollten Sie bei exotischen Wünschen diese erstmal mit dem Betreuer klären, und unbedingt auch Programm-, Programmversions- und sonstige Kompatibilitätsfragen besprechen. Ausarbeitung: Schreiben Sie eine Ausarbeitung, die Sie zwei Wochen vor dem Vortrag abgeben. Die Ausarbeitung soll ca. 10 Seiten lang sein. Generell interessiert uns aber, dass Sie da eine selbstverfasste Zusammenfassung eines selbst verstandenen Artikels abgeben. Mehr als zehn Seiten sollten es dennoch nicht werden, immerhin geht es hier um die Kunst des Zusammenfassens. | ||||||||||||||||||||||||
| Content | Das Seminar Algorithmik im Wintersemester 2011/12 beschäftigt sich mit einer Reihe von aktuellen Themen aus dem Gebieten Linear Programming, Verteilte Algorithmen, Flows over Time und Online Exploration. Voraussetzungen fuer die Bearbeitung der Themen sind jeweils direkt beim Thema aufgefuehrt, genannte Vorlesungen in Klammern sind zu empfehlen, aber keine zwingende Voraussetzung. Die Themen 8, 9 und 10 sind nicht fuer Bachelorstudenten gedacht. | ||||||||||||||||||||||||
Thema 6: Synchronous rendezvous for location-aware agentsFuer dieses Thema wird das Problem des Rendezvous zweier anonymer Agenten betrachtet. Die Agenten verfuegen ueber Information ihrer Anfangsposition in der Umgebung. Die Aufgabe der Agenten besteht darin, so schnell wie moeglich ein Treffen herbeizufuehren. Die Zeit bis zum Rendezvous wird gemessen durch die Anzahl synchroner Runden, die die Agenten im Worst-Case bis zum Treffen brauchen. Als Umgebungen werden endliche oder unendliche Graphen, sowie euklidische Raeume betrachtet. Verschiedene asymptotische optimale Algorithmen fuer dieses Rendezvousproblem werden vorgestellt.Voraussetzung:(Verteilte Algorithmen, Online Algorithmen) Thema 7: Computing a maximal independent set using beepsFuer dieses Thema wird das Problem der Bestimmung einer maximalen unabhaengigen Menge in einem Netzwerk betrachtet. Knoten des Netzwerks koennen zu jedem Zeitpunkt entweder ein Signal aussenden oder still sein. Nicht sendende Knoten koennen nur unterscheiden zwischen "Kein Nachbarsignal" und "Mindestens ein Nachbarsignal".Voraussetzung:(Verteilte Algorithmen, Online Algorithmen) Thema 8: Maximum Energy-Constrained Dynamic Flow ProblemWe study a natural class of flow problems that occur in the context of wireless networks; the objective is to maximize the flow from a set of sources to one sink node within a given time limit, while satisfying a number of constraints. These restrictions include capacities and transit times for edges; in addition, every node has a bound on the amount of transmission it can perform, due to limited battery energy it carries.(S.P. Fekete, A. Hall, E. Köhler, A. Kröller: The Maximum Energy-Constrained Dynamic Flow Problem) Dieses Thema sollte zudem das folgende paper zur Hilfe nehmen: Ford, L.R., Fulkerson, D.R.: Constructing maximal dynamic flows from static flows Voraussetzung: Netzwerkalgorithmen, Mathematische Methoden der Algorithmik Thema 9: Quickest flows over timeFlows over time (also called dynamic flows) generalize standard network flows by introducing an element of time. They naturally model problems where travel and transmission are not instantaneous. Traditionally, flows over time are solved in time-expanded networks that contain one copy of the original network for each discrete time step. While this method makes available the whole algorithmic toolbox developed for static flows, its main and often fatal drawback is the enormous size of the time-expanded network. We present several approaches for coping with this difficulty.(Fleischer, L., Skutella, M.: Quickest flows over time. SIAM Journal on Computing 36, 1600–1630 (2007) ) Voraussetzung: Netzwerkalgorithmen, Mathematische Methoden der Algorithmik Thema 10: The quickest transshipment problemA dynamic network consists of a graph with capacities and transit times on its edges. The quickest transshipment problem is defined by a dynamic network with several sources and sinks; each source has a specified supply and each sink has a specified demand. The problem is to send exactly the right amount of flow out of each source and into each sink in the minimum overall time. Variations of the quickest transshipment problem have been studied extensively; the special case of the problem with a single sink is commonly used to model building evacuation. Similar dynamic network flow problems have numerous other applications; in some of these, the capacities are small integers and it is important to find integral flows. There are no polynomial-time algorithms known for most of these problems.In this paper we give the first polynomial-time algorithm for the quickest transshipment problem. Our algorithm provides an integral optimum flow. Previously, the quickest transshipment problem could only be solved efficiently in the special case of a single source and single sink.(Hoppe, B., Tardos, E.: The quickest transshipment problem. Mathematics of Operations Research 25, 36–62 (2000)) Voraussetzung: Netzwerkalgorithmen, Mathematische Methoden der Algorithmik Thema 11: How To Learn An Unknown Environment I: The Rectilinear CaseBetrachtet wird das folgende Problem:We consider the problem faced by a robot that must explore and learn an unknown room with obstacles in it. We seek algorithms that achieve a bounded ratio of the worst-case distance traversed in order to see all visible points of the environment (thus creating a map), divided by the optimum distance needed to verify the map, if we had it in the beginning. The situation is complicated by the fact that the latter off-line problem (the problem of optimally verifying a map) is NP-hard. Algorithmen fuer dieses online Problem, insbesondere fuer den rektilinearen Fall sollen vorgestellt werden. (Xiaotie Deng, Tiko Kameda, Christos Papadimitriou: How To Learn An Unknown Environment I: The Rectilinear Case, Journal of the ACM (JACM) Volume 45 Issue 2, March 1998) Voraussetzung: (Algorithmische Geometrie, Online Algorithmen) | |||||||||||||||||||||||||