Institut für Theoretische Informatik, Algorithmik II

Algorithmen II

Informationen zur Vorlesung

Die Vorlesung Algorithmen II findet im Wintersemester 2020/2021 online statt. Dazu werden die Vorlesungen vor-aufgezeichnet auf YouTube zur Verfügung gestellt. Die Vorlesungstermine werden für eine Videokonferenz über Zoom genutzt: jeweils Montags findet eine Fragestunde mit Prof. Sanders statt und Dienstags die Übung (ab 10.11.2020). 

Die Vortragssprache der Vorlesung ist in diesem Jahr Englisch. Deutsche Folien und eine deutsche Aufzeichnung aus vorherigen Jahren stehen aber weiterhin zur Verfügung. Der Übungsbetrieb und die Klausur werden auf Deutsch stattfinden.

Das Passwort für das Zoom Meeting wird über Ilias bekannt gegeben. 

Klausur

Der Termin für die Hauptklausur wird demnächst hier bekannt gegeben.
Es darf ein doppelseitig handbeschriebenes DIN A4 Blatt mit in die Klausur genommen werden.

Skript

Skript (Stand: 21.10.2020)

Folien

Kapitel 0 (overview): Folien (Stand: 08.11.2020)
Kapitel 1 (algorithm engineering): Folien (Stand: 02.11.2020)
Kapitel 2 (advanced datastructures): Folien (Stand: 03.11.2020)
Kapitel 3 (shortest path algorithms): Folien (Stand: 08.11.2020)
Kapitel 4 (dfs): Folien (Stand: 02.11.2020)
Kapitel 5 (maximum flows and matchings): Folien (Stand: 09.11.2020)
Kapitel 6 (randomized algorithms): Folien (Stand: 02.11.2020)
Kapitel 7 (external algorithms): Folien (Stand: 02.11.2020)
Kapitel 8 (appromixation algorithms): Folien (Stand: 02.11.2020)
Kapitel 9 (fixed parameter algorithms): Folien (Stand: 02.11.2020)
Kapitel 10 (parallel algorithms): Folien (Stand: 02.11.2020)
Kapitel 11 (stringology): Folien (Stand: 02.11.2020)
Kapitel 12 (geometric algorithms): Folien (Stand: 02.11.2020)
Kapitel 13 (online algorithms): Folien (Stand: 02.11.2020)

Übungen

Übung 1: Folien (Stand: 10.11.2020)
Übung 2: Folien (Stand: 17.11.2020)
Übung 3: Folien (Stand: 24.11.2020)

Übungsblätter

Übungsblatt 1: Aufgaben (Stand: 09.11.2020) Musterlösung (Stand: 23.11.2020)
Übungsblatt 2: Aufgaben (Stand: 23.11.2020)

Beschreibung

Bemerkungen

Diese Lehrveranstaltung soll Studierenden die grundlegenden theoretischen und praktischen Aspekte der Algorithmentechnik vermitteln. Es werden generelle Methoden zum Entwurf und der Analyse von Algorithmen für grundlegende algorithmische Probleme vermittelt sowie die Grundzüge allgemeiner algorithmischer Methoden wie Approximationsalgorithmen, Lineare Programmierung, Randomisierte Algorithmen, Parallele Algorithmen und parametrisierte Algorithmen behandelt.

Der/die Studierende besitzt einen vertieften Einblick in die theoretischen und praktischen Aspekte der Algorithmik und kann algorithmische Probleme in verschiedenen Anwendungsgebieten identifizieren und formal formulieren. Außerdem kennt er/sie weiterführende Algorithmen und Datenstrukturen aus den Bereichen Graphenalgorithmen, Algorithmische Geometrie, String-Matching, Algebraische Algorithmen, Kombinatorische Optimierung und Algorithmen für externen Speicher.

Er/Sie kann unbekannte Algorithmen eigenständig verstehen, sie den genannten Gebieten zuordnen, sie anwenden, ihre Laufzeit bestimmen, sie beurteilen sowie geeignete Algorithmen für gegebene Anwendungen auswählen. Darüber hinaus ist der/die Studierende in der Lage, bestehende Algorithmen auf verwandte Problemstellungen zu übertragen.

Neben Algorithmen für konkrete Problemstellungen kennt der/die Studierende fortgeschrittene Techniken des algorithmischen Entwurfs. Dies umfasst parametrisierte Algorithmen, approximierende Algorithmen, Online-Algorithmen, randomisierte Algorithmen, parallele Algorithmen, lineare Programmierung, sowie Techniken des Algorithm Engenieering. Für gegebene Algorithmen kann der/die Studierende eingesetzte Techniken identifizieren und damit diese Algorithmen besser verstehen. Darüber hinaus kann er/sie für eine gegebene Problemstellung geeignete Techniken auswählen und sie nutzen, um eigene Algorithmen zu entwerfen.

Vortragssprache Deutsch/Englisch
Voraussetzungen

Siehe Modubeschreibung.

Literaturhinweise

K. Mehlhorn, P. Sanders: Algorithms and Data Structures - The Basic Toolbox

Mehlhorn, Naeher: The LEDA Platform of Combinatorial and Geometric Computing Topic: Algorithm Engineering, Flows, Geometrie

Ahuja, Magnanti, Orlin: Network Flows

de Berg, Cheong, van Kreveld, Overmars: Computational Geometry: Algorithms and Applications

Gonzalo Navarro: Compact Data Structures "A Practical Approach", Cambridge University Press

R. Niedermeier: Invitation to Fixed-Parameter Algorithms, Oxford University Press, 2006.

Arbeitsbelastung

Vorlesung mit 3 SWS + 1 SWS Übung.

6 LP entspricht ca. 180 Stunden

ca. 45 Std. Vorlesungsbesuch,

ca. 15 Std. Übungsbesuch,

ca. 90 Std. Nachbearbeitung und Bearbeitung der Übungsblätter

ca. 30 Std. Prüfungsvorbereitung

Ziel

Der/die Studierende besitzt einen vertieften Einblick in die theoretischen und praktischen Aspekte der Algorithmik und kann algorithmische Probleme in verschiedenen Anwendungsgebieten identifizieren und formal formulieren. Außerdem kennt er/sie weiterführende Algorithmen und Datenstrukturen aus den Bereichen Graphenalgorithmen, Algorithmische Geometrie, String-Matching, Algebraische Algorithmen, Kombinatorische Optimierung und Algorithmen für externen Speicher.

Er/Sie kann unbekannte Algorithmen eigenständig verstehen, sie den genannten Gebieten zuordnen, sie anwenden, ihre Laufzeit bestimmen, sie beurteilen sowie geeignete Algorithmen für gegebene Anwendungen auswählen. Darüber hinaus ist der/die Studierende in der Lage, bestehende Algorithmen auf verwandte Problemstellungen zu übertragen.

Neben Algorithmen für konkrete Problemstellungen kennt der/die Studierende fortgeschrittene Techniken des algorithmischen Entwurfs. Dies umfasst parametrisierte Algorithmen, approximierende Algorithmen, Online-Algorithmen, randomisierte Algorithmen, parallele Algorithmen, lineare Programmierung, sowie Techniken des Algorithm Engenieering. Für gegebene Algorithmen kann der/die Studierende eingesetzte Techniken identifizieren und damit diese Algorithmen besser verstehen. Darüber hinaus kann er/sie für eine gegebene Problemstellung geeignete Techniken auswählen und sie nutzen, um eigene Algorithmen zu entwerfen.