Dynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet
|
|
- Sivert Rød
- 7 år siden
- Visninger:
Transkript
1 Dynamsk programmerng Metoden ble formalsert av Rchard Bellmann (RAND Corporaton på -tallet. Programmerng betydnngen planlegge, ta beslutnnger. (Har kke noe med kode eller å skrve kode å gøre. Dynamsk for å ndkere at det er en stegvs prosess. Men også et pynteord. Hvlke problemer? Dynamsk programmerng brukes typsk tl å løse optmalserngsproblemer. (Problemer hvor det kan være mange mulge løsnnger, og hvor v ønsker å fnne den beste optmere en obektvfunkson. Skal v kunne løse et problem med dynamsk programmerng, må det kunne deles opp mndre og mndre bter helt tl v kommer tl et delproblem så lte at løsnngen lett kan fnnes. V starter med løsnngene på små delproblemer, og kombnerer dsse tl løsnnger på større delproblemer, helt tl v har løsnngen på hele problemet. Skal dynamsk programmerng være en egnet metode (rask, godt svar må: optmaltetsprnsppet p pp holde, delproblemer må overlappe, og antall delproblemer være polynomsk. Optmaltetsprnsppet Gtt et optmalserngsproblem, og en funksonen combne som kombnerer løsnnger på delproblemer tl løsnnger på større problemer, så ser v at optmaltetsprnsppet holder hvs følgende alltd er sant: Hvs S = combne(s, S,, S m, og S er en optmal løsnng på sn problemnstans, Overlappende delproblemer En dynamsk programmerngs-algortme starter med å løse de mnste delproblemene, og setter sammen dsse løsnngene tl løsnnger på større og større problemer. Hvs samme delproblem forekommer flere ganger, unngår v dobbeltarbed. Løsnngene på delproblemene lagres nemlg, og v slpper å løse dette delproblemet flere ganger. så er S, S,, S m optmale løsnnger på sne respektve problemnstanser. Hvs optmaltetsprnsppet holder, er problemet egnet for løsnng med dynamsk programmerng. Da genereres bare optmale løsnnger på delproblemer når v starter fra optmale løsnnger på de mnste delproblemene, og kombnerer dsse tl løsnnger på større problemer.
2 Overlappende delproblemer En dynamsk programmerngs-algortme starter med å løse de mnste delproblemene, og setter sammen dsse løsnngene tl løsnnger på større og større problemer. Hvs samme delproblem forekommer flere ganger, unngår v dobbeltarbed. Løsnngene på delproblemene lagres nemlg, og v slpper å løse dette delproblemet flere ganger. Dvde and conquer vs. Dynamsk programmerng g Dvde d and conquer (f.eks Qucksort op down (rekursvt kall Best egnet når delproblemene er uavhengge av hverandre. Da re-beregnes kke løsnnger på delproblemer. Kun relevante delproblemer løses. Dynamsk programmerng Bottom up Egnet når delproblemer overlapper, ettersom løsnnger lagres en tabell og v kan slå opp når v støter på et delproblem v har løst. Ulempen er at v beregner løsnnger på alle delproblemer. Metodene kan kombneres, såkalt memoserng, en dvde and conquer algortme kan lagre løsnnger på delproblemer en tabell og slå opp for å unngå dobbeltarbed. Fre enkle(? steg. Beskrv strukturen problemet, hvordan en løsnng er satt sammen av delløsnnger. Verfser at optmalserngsprnsppet faktsk holder.. Lag en formel for verden av en optmal løsnng (ut fra verden av av optmale delløsnnger.. Beregn verden tl en optmal løsnng, bottom up (lagre verden av optmale delløsnnger en tabell. (kap.. En streng P er en k-approksmason av en streng dersom kan konverteres tl P ved å utføre maksmalt k av følgende operasoner: Substtuson Et symbol byttes ut med et annet. llegg Et nytt symbol legges tl. Slettng Et symbol slettes fra. Edt dstance, ED(P,, mellom to strenger P og er det mnste antall slke operasoner som trengs for å konvertere P tl.. Konstruer en optmal løsnng ut fra beregnede verder. (Om v faktsk ønsker løsnngen, og kke bare nøyer oss med verden av en optmal løsnng. Eks. logarthm alogarthm algarthm algorthm (+a, -o, a/o P
3 .. Gtt to strenger og P, ønsker v å fnne edt dstance mellom dsse. Gtt to strenger og P, ønsker v å fnne edt dstance mellom dsse. La D [ ] = ED( P [: ], [: ]. (Edt dstance mellom delstrenger La D [ ] = ED( P [: ], [: ]. (Edt dstance mellom delstrenger V deler følgende delproblemer: V deler følgende delproblemer:. Hvs P [ ] = [ ], så er D [ ] = D [ -, -]. a P[: ] = a [: ]. Hvs P [ ] [ ], tenker v oss en optmal sekvens av operasoner som transformerer [: ]tlp P [: ]. Den sste operasonen, for å få [ ] = P [ ], kan være: Substtuson sette [ ] = P [ ], llegg legge tl symbol pos [ ], Slettng slettng symbol på pos [ ].. Substtuson sette [ ] = P [ ] a n n e P[: ] a n n f [: ] llegg legge tl symbol pos [ ] slettng av P [ ] a n n e P[: ] a n n [: ] Regner ut D [ ] ved å fnne D [ -, -] (edt dstance for det grå området, og legger tl for substtusonen. Å legge tl en e er det samme som å slette en P. Regner ut D [ ] ved å fnne D [ -, ](edt dstance for det grå området, og legger tl for slettngen P.. Formelen (rekursv defnson for ] vl altså være som følger:, ] = mn{ D [, ] +, D [, +, D [ ] + substtuson tllegg slettng slettng P, ] =, ] =, ] =. } hvs P[ ] = [ ellers Løsnngen, edt dstance mellom strengene, fnnes m,n] (P er av lengde m og av lengde n. Slettng slettng symbol på pos [ ] a n n P[: ] a n n e [: ] Regner ut D [ ] ved å fnne D [, -] (edt dstance for det grå området, og legger tl for slettngen.
4 .. Formelen (rekursv defnson for ] vl altså være som følger: Formelen (rekursv defnson for ] vl altså være som følger:, ] = mn{, ] +,, +, ] + substtuson tllegg slettng slettng P, ] =, ] =, ] =. } hvs P[ ] = [ ellers, ] = mn{, ] +,, +, ] + substtuson tllegg slettng slettng P, ] =, ] =, ] =. } hvs P[ ] = [ ellers /../. functon EdtDstance ( P [:n ], [:m ] for to n do ] for t to m do, ] for to n do for to m do If P [ ] = [ ] then ] -, - ] else ] mn { -, - ] +, -, ]+ +, - ] + } endf endfor endfor return( n, m ] end EdtDstance eks. P D a n e a del del ns n n e
5 ./. eks. D a n e V er gtt en sekvens M, M,, M n - av matrser og ønsker å beregne produktet M M M n -. V gør dette ved å sette parenteser, og multplsere par av matrser, f.eks slk: P a del del ns n n e M M M M = (M (M M M Parentesene kan settes på mange måter: (M (M (M M (M ((M M M ((M M (M M ((M (M M M (((M M M M Kostnaden (antall skalare multplkasoner kan varere veldg mellom de ulke måtene å sette parenteser på. Gtt to matrser A = p q matrse, B = q r matrse. Kostnaden (antall skalare multplkasoner ved å beregne A B er p q r (A B er en p r matrse. Eks. Beregn A B C, hvor A er en matrse, B er en matrse, og C er en matrse. Å beregne D = (A B koster, og gr en matrse. Å beregne D C koster,. otal kostnad for (A B C blr,. Å beregne E = (B C koster, og gr en matrse. Å beregne A E koster,. otal kostnad for A (B C blr,.. Gtt en sekvens av matrser M, M,, M n -, ønsker v å beregne produktet på bllgst mulg måte v må fnne optmal parentes-struktur. En parenterserng av sekvensen er en oppdelng to delsekvenser, som hver for seg må parenterseres: (M M M k (M k + M k + M n- V må prøve alle mulge k for å fnne hvor det er best å dele sekvensen. Hvert delngspunkt gr opphav tl to delproblemer parenterserng av venstre og høyre delsekvens. Består sekvensen bare av en matrse, er denne en parenterserng av seg selv. Har v en optmal parenterserng av en sekvens av matrser, så må parenterserngen av hver delsekvens også være optmal. Ellers kan v o bare bytte ut den som kke var optmal med en bedre en. (Optmaltetsprnsppet holder.
6 .. La d, d,, d n være dmensonene tl sekvensen av matrser M, M,, M n-, slk at matrse M har dmenson d d +. d La m være kostnaden av en optmal parenterserng av M, M +,, M Formelen (rekursv defnson for m vl være som følger: m, m { m + m + d d d }, for alle < n, = mn k k, k + + k<,, 9,,, m, =, for alle n,,,,,,,, Kostnaden av å utføre multplkasonen med den optmale parenterserngen fnner v m,n -../. d m m, = mn(d d d + m(, + m(,, d d d + m(, + m(,,, d d d + m(, + m(, = mn( + +,,,, +, +,, +, + 9,,,,,,,,,,, M M M M = M (M M M = (M M (M M c = (M M M M m,,, 9,,,,,,,,,,,
7 ./.. m, c c,, 9,,,,,,,,,,, M M M M M M = (M M M (M M M = ((M (M M ((M M (M./. Optmale søketrær functon OptmalParens( d[ : n ] for to n- do m[ ] for dag to n do // helpevarabel for å fylle ut tabellen nvå for nvå for to n dag do + dag m[ for k to do q m[ k] + m[k +, + d[] d[k + ] d[ + ] f q < m[ then m[ q c[ k endf return m[, n ] end OptmalParens Pat Joe Ray Ann
8 Optmale søketrær Pat Optmale søketrær Pat Joe Ray Joe Ray Ann Ann Ann Joe Pat Ray p p p p q q q q q Ann Joe Pat Ray p p p p q q q q q Gennomsnttlg søketd: p + p + p + p + q + q + q + q + q Optmale søketrær For generelle søketrær får v følgende formel for gennomsnttlg antall sammenlknnger som gøres: et tre med n nøkler (søkeord lagret nterne noder K,, K n-. n+ bladnoder tlsvarer ntervaller I,, I n mellom nøklene. n sannsynlghetsvektorer p og q for nøklene og ntervallene mellom dem. d er nvået tl nøkkel K, e er nvået tl bladnode som korresponderer med I. n A (, n, p, q = p( d + + n = = qe Optmale søketrær Hvs p -ene er lke og q -ene er lke, vl det komplette bnære søketreet være det optmale. Men noen ord kan være oftere søkt etter enn andre (p -ene ulke, derfor kan det lønne seg med skeve trær og deltrær, for å få ord som det ofte blr søkt etter så høyt som mulg opp treet. V ønsker å fnne det optmale bnære søketreet over alle mulge, gtt søkesannsynlghetene (p -ene og q -ene. Dvs treet som mnmerer gennomsnttlg antall sammenlknnger A(,n,p,q: mn A(, n, P, Q p -ene og q -ene er utgangspunktet sannsynlgheter (tall ntervallet [,], som summerer tl, men v kan slakke på kravet og anta at de er postve reelle tall, det er uansett bare tall som sammenlknes. n La σ ( p, q = + n p q = =
9 . Optmale søketrær Et bnært tre for nøklene K, K n- består av en rot med nøkkel K, og to deltrær L og R. K. Optmale søketrær La være et søketre for nøklene K,, K, n. ( er det tomme treet om <. K,, K - K +,, K n - p,, p - p +,, p n - q,, q p +,, q n V må prøve alle mulge røtter K for å fnne hvor det er best å dele treet. t Hver mulge rot gr opphav tl to delproblemer optmalserng av de korresponderende venstre og høyre deltrærne. La + σ ( = + p k q k k = k = Formelen (rekursv defnson for A( vl være som følger: A( = mn{ A ( + A ( } + σ ( ( = k k +, k A( = + + σ( Gennomsnttlg antall operasoner for treet er gtt ved: A (, n, p, q A ( L, p,..., p, q,..., q + A ( R, n +, p,..., p, q,..., q + σ ( p, q = + n + n Kostnaden av det optmale treet fnner v A(,n-. For enkelthets skyld skrver v A( = A(L + A(R + σ(p,q./. Optmale søketrær Fyller ut ulke typer tabeller En algortme kan nå relatvt enkelt lages ved å fylle ut en tabell med verdene for A( som defnert av formelen (samme måte som for matrsemultplkason: Bottom up A( = mn{ A(, k + A( k +, } + σ ( k A( = + + σ ( I tllegg tl verden A( må også en representason av de aktuelle trærne vedlkeholdes, slk at v fnner selve treet.
10 Korteste st (alle tl alle Floyd [ Blank ] V skal fnne korteste st mellom alle par av noder en graf G=(V,E. Kantene har lengde, men v antar at det kke fnnes negatve sykler.. En st p =< < v,, v k, > fra node tl node består av endenodene og, og nternnodene v,, v k. For alle par av noder,, ser v på korteste ster fra tl som består av nternnoder fra mengden {v,, v k }, og lar p være en av dsse. Hvs v k er en nternnode p, består p av delstene p (fra tl v k og p (fra v k tl. Delstene p og p er ster med nternnoder fra mengden {v,, v k - }; og p og p er korteste ster fra tl v k og fra v k tl, ellers vlle kke p vært en korteste st fra tl. Hvs k kke er en nternnode p, er p en korteste st fra tl med nternnoder fra mengden {v,, v k - }. (Optmaltetsprnsppet holder. Korteste st (alle tl alle Floyd. La d (k være lengden av korteste t st fra tl med dnternnoder fra mengden {v,, v k }. Når k = kan kke sten bestå av nternnoder det hele tatt og d ( vl altså tlsvare lengden av kanten. (V bruker w for lengden av kanten. En rekursv defnson av d (k vl være som følger: d w ( k ( k ( k mn{ d, dv + d k v k } v k kke med v k med sten ( k = hvs k = hvs k Matrsen D (n = ( d (n, hvor n er antall noder grafen, vl nneholde lengden av de korteste stene mellom alle par av noder. (Alle noder er nå lovlge mellomnoder.. Korteste st (alle tl alle Floyd functon FloydWarshall ( W n rows( W D ( = W for k to n do for to n do for to n do d (k mn( d (k-, d (k- k + d (k- k endfor endfor endfor return(d (n end FloydWarshall
11 Korteste st (alle tl alle Floyd - - Korteste st (alle tl alle Floyd - - D ( = Korteste st (alle tl alle Floyd - - D ( = Korteste st (alle tl alle Floyd - - D ( =
12 Korteste st (alle tl alle Floyd - - D ( = Korteste st (alle tl alle Floyd - - D ( = Korteste st (alle tl alle Floyd - - D ( =
Dynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet
Dynamsk programmerng Hvlke problemer? Metoden ble formalsert av Rchard Bellmann (RAND Corporaton) på -tallet. Har ngen tng med programmerng å gøre. Dynamsk er et ord som kan aldr brukes negatvt. Skal v
DetaljerDynamisk programmering. Hvilke problemer? Optimalitetsprinsippet. Overlappende delproblemer
ynask prograerng Metoden ble foralsert av Rchard Bellann (RAN Corporaton på -tallet. Prograerng betydnngen planlegge, ta beslutnnger. (Har kke noe ed kode eller å skrve kode å gøre. ynask for å ndkere
DetaljerDynamisk programmering
Dynamisk programmering Metoden ble formalisert av Richard Bellmann (RAND Corporation) på 50-tallet. Programmering i betydningen planlegge, ta beslutninger. (Har ikke noe med kode eller å skrive kode å
DetaljerDynamisk programmering
Dynamisk programmering Metoden ble formalisert av Richard Bellmann (RAND Corporation) på 5-tallet. Programmering i betydningen planlegge, ta beslutninger. (Har ikke noe med kode eller å skrive kode å gjøre.)
DetaljerDynamisk programmering Undervises av Stein Krogdahl
Dynamisk programmering Undervises av Stein Krogdahl 5. september 2012 Dagens stoff er hentet fra kapittel 9 i læreboka, samt kapittel 20.5 (som vi «hoppet over» sist) Kapittel 9 er lagt ut på undervisningsplanen.
DetaljerDagens stoff er hentet fra kapittel 9 i læreboka, samt kapittel 20.5 (som vi «hoppet over» sist)
Dynamisk programmering Undervises av Stein Krogdahl 5. september 2012 Dagens stoff er hentet fra kapittel 9 i læreboka, samt kapittel 20.5 (som vi «hoppet over» sist) Kapittel 9 er lagt ut på undervisningsplanen.
DetaljerIT1105 Algoritmer og datastrukturer
Løsnngsforslag, Eksamen IT1105 Algortmer og datastrukturer 1 jun 2004 0900-1300 Tllatte hjelpemdler: Godkjent kalkulator og matematsk formelsamlng Skrv svarene på oppgavearket Skrv studentnummer på alle
DetaljerAnvendelser. Kapittel 12. Minste kvadraters metode
Kapttel Anvendelser I dette kaptlet skal v se på forskjellge anvendelser av teknkke v har utvklet løpet av de sste ukene Avsnttene og eksemplene v skal se på er derfor forholdsvs uavhengge Mnste kvadraters
DetaljerBalanserte søketrær. AVL-trær. AVL-trær. AVL-trær høyde AVL AVL. AVL-trær (Adelson-Velskii og Landis, 1962) Splay-trær (Sleator og Tarjan, 1985)
alanserte søketrær VL-trær Et bnært tre er et VL-tre hvs ølgende holder: VL-trær delson-velsk og Lands, 96 play-trær leator og Tarjan, 98. orskjellen høyde mellom det høyre og det venstre deltreet er maksmalt,
DetaljerGeometriske operasjoner
Geometrske operasjoner INF 23 27.2.27 Kap. 9 (samt 5.5.2) Geometrske operasjoner Affne transformer Interpolasjon Samregstrerng av blder Endrer på pkslenes possjoner ransformerer pkselkoordnatene (x,) tl
DetaljerEKSAMEN I FAG SIF5040 NUMERISKE METODER Tirsdag 15. mai 2001 Tid: 09:00 14:00
Norges teknsk naturvtenskapelge unverstet Insttutt for matematske fag Sde 1 av 9 Faglg kontakt under eksamen: Enar Rønqust, tlf. 73 59 35 47 EKSAMEN I FAG SIF5040 NUMERISKE METODER Trsdag 15. ma 2001 Td:
DetaljerMoD233 - Geir Hasle - Leksjon 10 2
Leksjon 10 Anvendelser nettverksflyt Transportproblemet Htchcock-problemet Tlordnngsproblemet Korteste-ve problemet Nettverksflyt med øvre begrensnnger Maksmum-flyt problemet Teorem: Maksmum-flyt Mnmum-kutt
DetaljerMA1301 Tallteori Høsten 2014
MA1301 Tallteor Høsten 014 Rchard Wllamson 3. desember 014 Innhold Forord 1 Induksjon og rekursjon 7 1.1 Naturlge tall og heltall............................ 7 1. Bevs.......................................
DetaljerLøsningsforslag øving 10 TMA4110 høsten 2018
Løsnngsforslag øvng TMA4 høsten 8 [ + + Projeksjonen av u på v er: u v v u v v v + ( 5) [ + u v v u [ 8/5 6/5 For å fnne ut om en matrse P representerer en projeksjon, må v sjekke om P P a) b) c) [ d)
DetaljerSimpleksmetoden. Initiell basistabell Fase I for å skaffe initiell, brukbar løsning. Fase II: Iterativ prosess for å finne optimal løsning Pivotering
Lekson 3 Smpleksmetoden generell metode for å løse LP utgangspunkt: LP på standardform Intell basstabell Fase I for å skaffe ntell, brukbar løsnng løse helpeproblem hvs optmale løsnng gr brukbar løsnng
DetaljerAppendiks 1: Organisering av Riksdagsdata i SPSS. Sannerstedt- og Sjölins data er klargjort for logitanalyse i SPSS filen på følgende måte:
Appendks 1: Organserng av Rksdagsdata SPSS Sannerstedt- og Sjölns data er klargjort for logtanalyse SPSS flen på følgende måte: Enhet År SKJEBNE BASIS ANTALL FARGE 1 1972 1 0 47 1 0 2 1972 1 0 47 1 0 67
DetaljerSorterings- Algoritmer
Hva er sorterng? Sorterngs- Algortmer Algortmer og Datastrukturer Input: en sekvens av N nummer Output: reorganserng nput-sekvensen slk at: a < a < a... < a n- < a n V søker algortmer som gjør dette på
DetaljerAlternerende rekker og absolutt konvergens
Alternerende rekker og absolutt konvergens Forelest: 0. Sept, 2004 Sst forelesnng så v på rekker der alle termene var postve. Mange av de kraftgste metodene er utvklet for akkurat den typen rekker. I denne
DetaljerTMA4240/4245 Statistikk Eksamen august 2016
Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA44/445 Statstkk Eksamen august 6 Løsnngssksse Oppgave a) Ved kast av to ternnger er det 36 mulge utfall: (, ),..., (6, 6). La Y
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.
ECON13: EKSAMEN 14V TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt >. Oppgave 1 Innlednng. Rulett splles på en rekke kasnoer
DetaljerGeometriske operasjoner
Geometrske operasjoner INF 23 29..28 Kap. 2.4.4 og 2.6.5 DIP Geometrske operasjoner Affne transformer Interpolasjon Samregstrerng av blder Endrer på pkslenes possjoner ransformerer pkselkoordnatene (x,)
DetaljerForelesning nr.3 INF 1411 Elektroniske systemer. Parallelle og parallell-serielle kretser Kirchhoffs strømlov
Forelesnng nr.3 INF 4 Elektronske systemer Parallelle og parallell-serelle kretser Krchhoffs strømlov Dagens temaer Parallelle kretser Kretser med parallelle og serelle ster Effekt parallelle kretser Krchhoffs
DetaljerTMA4265 Stokastiske prosesser
orges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA4265 Stokastske prosesser Våren 2004 Løsnngsforslag - Øvng 6 Oppgaver fra læreboka 4.56 X n Antallet hvte baller urna Trekk tlf.
DetaljerStatistikk og økonomi, våren 2017
Statstkk og økonom, våren 7 Oblgatorsk oppgave Løsnngsforslag Oppgave Anta at forbruket av ntrogen norsk landbruk årene 987 99 var følgende målt tonn: 987: 9 87 988: 8 989: 8 99: 8 99: 79 99: 87 99: 9
DetaljerEKSAMEN Løsningsforslag
. desember 6 EKSAMEN Løsnngsorslag Emnekode: ITD Emnenavn: Matematkk ørste deleksamen Dato:. desember 6 Hjelpemdler: - To A-ark med valgrtt nnold på begge sder. - Formelete. - Kalkulator som deles ut samtdg
Detaljer(iii) Når 5 er blitt trukket ut, er det tre igjen som kan blir trukket ut til den siste plassen, altså:
A-besvarelse ECON2130- Statstkk 1 vår 2009 Oppgave 1 A) () Antall kke-ordnede utvalg: () P(Arne nummer 1) = () Når 5 er bltt trukket ut, er det tre gjen som kan blr trukket ut tl den sste plassen, altså:
DetaljerEksamen i emne SIB8005 TRAFIKKREGULERING GRUNNKURS
Sde 1 av 5 NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET Fakultet for bygg- og mljøteknkk INSTITUTT FOR SAMFERDSELSTEKNIKK Faglg kontakt under eksamen: Navn Arvd Aakre Telefon 73 59 46 64 (drekte) / 73
DetaljerLøsningsforslag ST2301 Øving 8
Løsnngsforslag ST301 Øvng 8 Kapttel 4 Exercse 1 For tre alleler, fnn et sett med genfrekvenser for to populasjoner, som gr flere heterozygoter enn forventa utfra Hardy-Wenberg-andeler for mnst én av de
DetaljerIllustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.18).
Econ 2130 HG mars 2012 Supplement tl forelesnngen 19. mars Illustrasjon av regel 5.19 om sentralgrenseteoremet og ltt om heltallskorreksjon (som eksempel 5.18). Regel 5.19 ser at summer, Y = X1+ X2 + +
DetaljerFourieranalyse. Fourierrekker på reell form. Eksempel La. TMA4135 Matematikk 4D. En funksjon sies å ha periode p > 0 dersom
TMA435 Matematkk 4D Foureranalyse Fourerrekker på reell form En funksjon ses å ha perode p > dersom f(x + p) = f(x) () for alle x defnsjonsmengden tl f. Den mnste p slk at () holder, kalles fundamentalperoden
DetaljerEKSAMEN ny og utsatt løsningsforslag
8.. EKSAMEN n og utsatt løsnngsorslag Emnekode: ITD Dato:. jun Hjelpemdler: - To A-ark med valgrtt nnhold på begge sder. Emnenavn: Matematkk ørste deleksamen Eksamenstd: 9.. Faglærer: Chrstan F Hede -
DetaljerForelesning nr.3 INF 1410
Forelesnng nr. INF 40 009 Node og mesh-analyse 6.0.009 INF 40 Oerskt dagens temaer Bakgrunn Nodeanalyse og motasjon Meshanalyse 009 Supernode Bruksområder og supermesh for node- og meshanalyse 6.0.009
DetaljerØVINGER 2017 Løsninger til oppgaver
ØVINGER 017 Løsnnger tl oppgaver Øvng 1 7.1. Med utgangspunkt de n 5 observasjonsparene (x 1, y 1 ), (x, y ),..., (x 5, y 5 ) beregner v først mddelverdene x 1 5 Estmert kovarans blr x 3. ȳ 1 5 s XY 1
DetaljerLøsningskisse for oppgaver til uke 15 ( april)
HG Aprl 01 Løsnngsksse for oppgaver tl uke 15 (10.-13. aprl) Innledende merknad. Flere oppgaver denne uka er øvelser bruk av den vktge regel 5.0, som er sentral dette kurset, og som det forventes at studentene
DetaljerINF2310 Digital bildebehandling
INF30 Dgtal bldebehandlng Forelesnng 0 Kompresjon og kodng I Andreas Kleppe Tre steg kompresjon Redundanser Kodng og entrop Shannon-Fano-kodng Huffman-kodng Artmetsk kodng Kompendum: 8-8.3, 8.5-8.7., 8.7.4
DetaljerAnvendelser. Plass og tid. INF2310 Digital bildebehandling. Eksempler: Plassbehov uten kompresjon. Forelesning 10. Kompresjon og koding I
Anvendelser INF231 Dgtal bldebehandlng Forelesnng 1 Kompresjon og kodng I Ole Marus Hoel Rndal, foler av Andreas Kleppe. Tre steg kompresjon Redundanser Kodng og entrop Shannon-Fano-kodng Huffman-kodng
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Deleksamen MAT-INF Modellerng og beregnnger. Eksamensdag: Onsdag 7. oktober 29. Td for eksamen: 5: 7:. Oppgavesettet er på 6 sder. Vedlegg:
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.
ECON30: EKSAMEN 05 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt
DetaljerOppgaver. Multiple regresjon. Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011
Forelesnng 3 MET359 Økonometr ved Davd Kreberg Vår 0 Oppgaver Alle oppgaver er merket ut fra vanskelghetsgrad på følgende måte: * Enkel ** Mddels vanskelg *** Vanskelg Multple regresjon Oppgave.* Ta utgangspunkt
DetaljerFast valutakurs, selvstendig rentepolitikk og frie kapitalbevegelser er ikke forenlig på samme tid
Makroøkonom Publserngsoppgave Uke 48 November 29. 2009, Rev - Jan Erk Skog Fast valutakurs, selvstendg rentepoltkk og fre kaptalbevegelser er kke forenlg på samme td I utsagnet Fast valutakurs, selvstendg
DetaljerForelesning 17 torsdag den 16. oktober
Forelesnng 17 torsdag den 16. oktober 4.12 Orden modulo et prmtall Defnsjon 4.12.1. La p være et prmtall. La x være et heltall slk at det kke er sant at x 0 Et naturlg tall t er ordenen tl a modulo p dersom
DetaljerForelesning nr.3 INF 1411 Elektroniske systemer
Forelesnng nr.3 INF 4 Elektronske systemer 009 04 Parallelle og parallell-serelle kretser Krchhoffs strømlov 30.0.04 INF 4 Dagens temaer Parallelle kretser Kretser med parallelle og serelle ster Effekt
DetaljerSTK1100 våren 2015 P A B P B A. Betinget sannsynlighet. Vi trenger en definisjon av betinget sannsynlighet! Eksemplet motiverer definisjonen:
STK00 våren 05 etnget sannsynlghet Svarer tl avsntt.4 læreboa Esempel V vl først ved help av et esempel se ntutvt på hva betnget sannsynlghet betyr V legger fre røde ort og to svarte ort en bune Ørnulf
DetaljerINF 2310 Digital bildebehandling
INF 30 Dgtal bldebehandlng FORELESNING 4 GRÅONE-RANSFORMASJONER Frtz Albregtsen emaer dag Hstogrammer Lneære gråtonetransformer t Standardserng av blder med lneær transform Ikke-lneære, parametrske transformer
Detaljeri kjemiske forbindelser 5. Hydrogen har oksidasjonstall Oksygen har oksidsjonstall -2
Repetsjon 4 (16.09.06) Regler for oksdasjonstall 1. Oksdasjonstall for alle fre element er 0 (O, N, C 60 ). Oksdasjonstall for enkle monoatomske on er lk ladnngen tl onet (Na + : +1, Cl - : -1, Mg + :
DetaljerKorteste-vei problemet Nettverksflyt med øvre begrensninger Maksimum-flyt problemet Teorem: Maksimum-flyt Minimum-kutt
Lekson 11 Korteste-ve problemet Nettverksflyt med øvre begrensnnger Maksmum-flyt problemet Teorem: Maksmum-flyt Mnmum-kutt MoD233 - Ger Hasle - Lekson 11 2 Heltallsprogrammerng Tdsplanleggng (skedulerng,
DetaljerX ijk = µ+α i +β j +γ ij +ǫ ijk ; k = 1,2; j = 1,2,3; i = 1,2,3; i=1 γ ij = 3. i=1 α i = 3. j=1 β j = 3. j=1 γ ij = 0.
UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Eksamen : Eksamensdag: 7. jun 2013. Td for eksamen: 14.30 18.30. Oppgavesettet er på 8 sder. Vedlegg: Tllatte hjelpemdler: STK2120 LØSNINGSFORSLAG
DetaljerSTK desember 2007
Løsnngsfrslag tl eksamen STK0 5. desember 2007 Oppgave a V antar at slaktevektene tl kalkunene fra Vrgna er bserverte verder av stkastske varabler X, X 2, X, X 4 sm er uavhengge g Nµ, σ 2 -frdelte, g at
DetaljerEKSAMEN Ny og utsatt Løsningsforslag
. jun 0 EKSAMEN Ny og utsatt Løsnngsorslag Emnekode: ITD50 Dato:. jun 0 Emne: Matematkk, deleksamen Eksamenstd: 09.00.00 Hjelpemdler: To A-ark med valgrtt nnhold på begge sder. Formelhete. Kalkulator er
DetaljerEKSAMEN I FAG SIF8052 VISUALISERING MANDAG 21. MAI 2001 KL LØSNINGSFORSLAG
Sde 1 av 5 NTNU Norges teknsk-naturvtenskapelge unverstet Fakultet for fyskk, nformatkk og matematkk Insttutt for datateknkk og nformasjonsvtenskap EKSAMEN I FAG SIF8052 VISUALISERING MANDAG 21. MAI 2001
DetaljerSeleksjon og uttak av alderspensjon fra Folketrygden
ato: 07.01.2008 aksbehandler: DH Seleksjon og uttak av alderspensjon fra Folketrygden Dette notatet presenterer en enkel framstllng av problemet med seleksjon mot uttakstdpunkt av alderspensjon av folketrygden.
DetaljerEksamen ECON 2200, Sensorveiledning Våren Deriver følgende funksjoner. Deriver med hensyn på begge argumenter i e) og f).
Eksamen ECON 00, Sensorvelednng Våren 0 Oppgave (8 poeng ) Derver følgende funksjoner. Derver med hensyn på begge argumenter e) og f). (Ett poeng per dervasjon, dvs, poeng e og f) a) f( x) = 3x x + ln
DetaljerInnkalling til andelseiermøte
Tl andelseerne Holberg Global og Holberg Rurk Bergen, 24. november 2017 Innkallng tl andelseermøte Vedtektsendrnger verdpaprfondene Holberg Global og Holberg Rurk Forvaltnngsselskapet Holberg Fondsforvaltnng
DetaljerTMA4265 Stokastiske prosesser
Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA65 Stokastske prosesser Våren Løsnngsforslag - Øvng Oppgaver fra læreboka.6 P er dobbelt stokastsk P j j La en slk kjede være rredusbel,
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Utsatt eksamen : ECON130 Statstkk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: 15.0.015 Sensur kunngjøres senest: 0.07.015 Td for eksamen: kl. 09:00 1:00 Oppgavesettet er på 4 sder Tllatte hjelpemdler:
DetaljerFleksibelt arbeidsliv. Befolkningsundersøkelse utført for Manpower September 2015
Fleksbelt arbedslv Befolknngsundersøkelse utført for Manpower September 015 Antall dager med hjemmekontor Spørsmål: Omtrent hvor mange dager jobber du hjemmefra løpet av en gjennomsnttsmåned (n=63) Prosent
DetaljerStudieprogramundersøkelsen 2013
1 Studeprogramundersøkelsen 2013 Alle studer skal henhold tl høgskolens kvaltetssystem være gjenstand for studentevaluerng mnst hvert tredje år. Alle studentene på studene under er oppfordret tl å delta
DetaljerVeiledning til obligatorisk oppgave i ECON 3610/4610 høsten N. Vi skal bestemme den fordeling av denne gitte arbeidsstyrken som
Jon sle; oktober 07 Ogave a. elednng tl oblgatorsk ogave ECO 60/60 høsten 07 har nå at samlet arbedskraftmengde er gtt lk, slk at ressurskravet er. skal bestemme den fordelng av denne gtte arbedsstyrken
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Forelesning 26: Trær Roger Antonsen Institutt for informatikk, Universitetet i Oslo 5. mai 2009 (Sist oppdatert: 2009-05-06 22:27) Forelesning 26 MAT1030 Diskret Matematikk 5.
DetaljerNorske CO 2 -avgifter - differensiert eller uniform skatt?
Norske CO 2 -avgfter - dfferensert eller unform skatt? av Sven Egl Ueland Masteroppgave Masteroppgaven er levert for å fullføre graden Master samfunnsøkonom Unverstetet Bergen, Insttutt for økonom Oktober
DetaljerOppgave 3, SØK400 våren 2002, v/d. Lund
Oppgave 3, SØK400 våren 00, v/d. Lnd En bonde bonde dyrker poteter. Hvs det blr mldvær, blr avlngen 0. Hvs det blr frost, blr avlngen. Naboen bonde, som vl være tsatt for samme vær, dyrker også poteter,
DetaljerLøsningsskisse til eksamen i TFY112 Elektromagnetisme,
Løsnngssksse tl eksamen TFY11 Elektromagnetsme, høst 003 (med forbehold om fel) Oppgave 1 a) Ved elektrostatsk lkevekt har v E = 0 nne metall. Ellers bruker v Gauss lov med gaussflate konsentrsk om lederkulen.
DetaljerDefinisjon: Et sortert tre
Binære søketrær Definisjon: Et sortert tre For alle nodene i et binært søketre gjelder: Alle verdiene i nodens venstre subtre er mindre enn verdien i noden Alle verdiene i nodens høyre subtre er større
Detaljer2006/27 Notater 2006 Om samordning av utvalg ved bruk av PRN-tall
2006/27 Notater 2006 Johan Heldal og Audun Rust Notater Om samordnng av utvalg ved bruk av PRN-tall Seksjon for statstske metoder og standarder Forord Dette notatet beskrver hvordan permanente tlfeldge
DetaljerAdaptivt lokalsøk for boolske optimeringsproblemer
Adaptvt lokalsøk for boolske optmerngsproblemer Lars Magnus Hvattum Høgskolen Molde Lars.M.Hvattum@hmolde.no Arne Løkketangen Høgskolen Molde Arne.Lokketangen@hmolde.no Fred Glover Leeds School of Busness,
DetaljerNOEN SANNSYNLIGHETER I BRIDGE Av Hans-Wilhelm Mørch.
NOEN SANNSYNLIGHETER I BRIGE A Hans-Wlhelm Mørch. SANNSYNLIGHETER FOR HVORAN TRUMFEN(ELLER ANRE SORTER) ER FORELT Anta at du mangler n kort trumffargen. Ha er sannsynlgheten for at est har a a dem? La
DetaljerLøsning til seminar 3
Løsnng tl semnar 3 Oppgave ) Investerngsfunksjonen Investerngene påvrkes hovesaklg av renta og av aktvtetsnvået økonomen. Når renta går opp øker kostnaen ve å fnansere nvesternger. V kan s at et lr relatvt
DetaljerForelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011
Løsnnger lle oppgaver er merket ut fra vanskelghetsgrad på følgende måte: * Enkel ** Mddels vanskelg *** Vanskelg Hypotesetestng testng av enkelthypoteser Oppgave 1.* Når v tester enkelthypoteser ved hjelp
DetaljerAutomatisk koplingspåsats Komfort Bruksanvisning
Bruksanvsnng System 2000 Art. Nr.: 0661 xx /0671 xx Innholdsfortegnelse 1. rmasjon om farer 2. Funksjon 2.1. Funksjonsprnspp 2.2. Regstrerngsområde versjon med 1,10 m lnse 2.3. Regstrerngsområde versjon
DetaljerC(s) + 2 H 2 (g) CH 4 (g) f H m = -74,85 kj/mol ( angir standardtilstand, m angir molar størrelse)
Fyskk / ermodynamkk Våren 2001 5. ermokjem 5.1. ermokjem I termokjemen ser v på de energendrnger som fnner sted kjemske reaksjoner. Hver reaktant og hvert produkt som nngår en kjemsk reaksjon kan beskrves
DetaljerSluttrapport. utprøvingen av
Fagenhet vderegående opplærng Sluttrapport utprøvngen av Gjennomgående dokumenterng fag- og yrkesopplærngen Februar 2012 Det å ha lett tlgjengelg dokumentasjon er en verd seg selv. Dokumentasjon gr ungedommene
DetaljerAuksjoner og miljø: Privat informasjon og kollektive goder. Eirik Romstad Handelshøyskolen Norges miljø- og biovitenskapelige universitet
Auksjoner og mljø: Prvat nformasjon og kollektve goder Erk Romstad Handelshøyskolen Auksjoner for endra forvaltnng Habtatvern for bologsk mangfold Styresmaktene lyser ut spesfserte forvaltnngskontrakter
DetaljerDEN NORSKE AKTUARFORENING
DEN NORSKE AKTUARFORENING _ MCft% Fnansdepartementet Postboks 8008 Dep 0030 OSLO Dato: 03.04.2009 Deres ref: 08/654 FM TME Horngsuttalelse NOU 2008:20 om skadeforskrngsselskapenes vrksomhet. Den Norske
DetaljerAlderseffekter i NVEs kostnadsnormer. - evaluering og analyser
Alderseffekter NVEs kostnadsnormer - evaluerng og analyser 2009 20 06 20 10 20 10 20 10 21 2011 20 10 20 10 20 10 20 10 20 10 20 10 20 10 20 10 20 10 R A P P O R T 20 10 20 10 20 10 20 10 20 10 20 10 20
DetaljerSparing gir mulighet for å forskyve forbruk over tid; spesielt kan ujevne inntekter transformeres til jevnere forbruk.
ECON 0 Forbruker, bedrft og marked Forelesnngsnotater 09.0.07 Nls-Henrk von der Fehr FORBRUK OG SPARING Innlednng I denne delen skal v anvende det generelle modellapparatet for konsumentens tlpasnng tl
DetaljerUNIVERSITETET I OSLO
øsnngsforslag UNIVERSIEE I OSO Det matematsk-naturvtenskaelge fakultet Eksamen : INF3 Dgtal bldebehandlng Eksamensdag : Onsdag 6. jun d for eksamen : 9: 3: øsnngsforslaget er å : sder Vedlegg : Ingen llatte
DetaljerDe normalfordelte: x og sd for hver gruppe. De skjevfordelte og de ekstremt skjevfordelte: Median og kvartiler for hver gruppe.
STK H-26 Løsnngsforslag Alle deloppgaver teller lkt vurderngen av besvarelsen. Oppgave I et tlfeldg utvalg på normalvektge personer, og overvektge personer, måles konsentrasjonen av 2 ulke protener blodet.
DetaljerMagnetisk nivåregulering. Prosjektoppgave i faget TTK 4150 Ulineære systemer. Gruppe 4: Rune Haugom Pål-Jørgen Kyllesø Jon Kåre Solås Frode Efteland
Magnetsk nvåregulerng Prosjektoppgave faget TTK 45 Ulneære systemer Gruppe 4: Rune Haugom Pål-Jørgen Kyllesø Jon Kåre Solås Frode Efteland Innholdsfortegnelse Innholdsfortegnelse... Innlednng... Oppgave
DetaljerLitt om empirisk Markedsavgrensning i form av sjokkanalyse
Ltt om emprsk Markedsavgrensnng form av sjokkanalyse Frode Steen Konkurransetlsynet, 27 ma 2011 KT - 27.05.2011 1 Sjokkanalyse som markedsavgrensnngsredskap Tradsjonell korrelasjonsanalyse av prser utnytter
DetaljerOppgaven består av 9 delspørsmål som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<, >>, Oppgave 1
ECON 213 EKSAMEN 26 VÅR SENSORVEILEDNING Oppgaven består av 9 delspørsmål som anbefales å vee lke mye, Kommentarer og tallsvar er skrevet nn mellom , Oppgave 1 I en by med 1 stemmeberettgete nnbyggere
DetaljerTMA4300 Mod. stat. metoder
TMA4300 Mod stat metoder Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag Løsnngsforslag - Eksamen jun 2007 Oppgave Pseudokode for å evaluere θ: Generer uavhengge realsasjoner x,,x
DetaljerINF Algoritmer og datastrukturer
INF2220 - Algoritmer og datastrukturer Institutt for informatikk, Universitetet i Oslo INF2220, forelesning 11: Huffman-koding & Dynamisk programmering (Ifi, UiO) INF2220 H2015, forelesning 11 1 / 32 Dagens
DetaljerCOLUMBUS. Lærerveiledning Norge og fylkene. ved Rolf Mikkelsen. Cappelen Damm
COLUMBUS Lærervelednng Norge og fylkene ved Rolf Mkkelsen Cappelen Damm Innlednng Columbus Norge er et nteraktvt emddel som nneholder kart over Norge, fylkene og Svalbard, samt øvelser og oppgaver. Det
DetaljerSTK1000 Innføring i anvendt statistikk Eksamensdag: Tirsdag 12. desember 2017
Eksamen : STK000 Innførng anvendt statstkk Eksamensdag: Trsdag 2. desember 207 Alle deloppgaver teller lkt vurderngen av besvarelsen. Lkke tl! Dette er et løsnngsforslag. Studenter som har kommet frem
DetaljerSøking i strenger. Prefiks-søking Naiv algoritme Knuth-Morris-Pratt-algoritmen Suffiks-søking Boyer-Moore-algoritmen Hash-basert Karp-Rabin-algoritmen
Søking i strenger Vanlige søkealgoritmer (on-line-søk) Prefiks-søking Naiv algoritme Knuth-Morris-Pratt-algoritmen Suffiks-søking Boyer-Moore-algoritmen Hash-basert Karp-Rabin-algoritmen Indeksering av
DetaljerTerrasser TRAPPER OG REKKVERK LAG DIN EGEN UTEPLASS! VÅRE PRODUKTER HAR LANG LEVETID OG DU VIL HA GLEDE I DET DU HAR BYGGET I MANGE ÅR FREMOVER
Terrasser TRAPPER OG REKKVERK LAG DIN EGEN UTEPLASS! VÅRE PRODUKTER HAR LANG LEVETID OG DU VIL HA GLEDE I DET DU HAR BYGGET I MANGE ÅR FREMOVER Malmfuru terrasse Malmfuru er den mest mljøvennlge terrassen
DetaljerTillegg 7 7. Innledning til FY2045/TFY4250
FY1006/TFY4215 Tllegg 7 1 Dette notatet repeterer noen punkter fra Tllegg 2, og dekker detalj målng av degenererte egenverder samt mpulsrepresentasjonen av kvantemekankk. Tllegg 7 7. Innlednng tl FY2045/TFY4250
DetaljerTema for forelesningen var Carnot-sykel (Carnot-maskin) og entropibegrepet.
FORELESNING I ERMOYNMIKK ONSG 29.03.00 ema for forelesnngen var arnot-sykel (arnot-maskn) og entropbegrepet. En arnot-maskn produserer arbed ved at varme overføres fra et sted med en øy temperatur ( )
DetaljerMakroøkonomi - B1. Innledning. Begrep. Mundells trilemma 1 går ut på følgende:
Makroøkonom Innlednng Mundells trlemma 1 går ut på følgende: Fast valutakurs, selvstendg rentepoltkk og fre kaptalbevegelser er kke forenlg på samme td Av de tre faktorene er hypotesen at v kun kan velge
DetaljerSamfunnsøkonomi andre avdeling, mikroøkonomi, Diderik Lund, 18. mars 2002
Samfunnsøkonom andre avdelng, mkroøkonom, Dderk Lund, 8. mars 00 Markeder under uskkerhet Uskkerhet vktg mange (de fleste? markeder Uskkerhet omkrng framtdge prser og leverngsskkerhet (f.eks. om leverandør
DetaljerNA Dok. 52 Angivelse av måleusikkerhet ved kalibreringer
Sde: av 7 orsk akkredterng Dok.d.: VII..5 A Dok. 5: Angvelse av måleuskkerhet ved kalbrernger Utarbedet av: Saeed Behdad Godkjent av: ICL Versjon:.00 Mandatory/Krav Gjelder fra: 09.05.008 Sdenr: av 7 A
DetaljerEn teoretisk studie av tv-markedets effisiens
NORGES HANDELSHØYSKOLE Bergen, våren 007 Utrednng fordypnng: Økonomsk analyse Veleder: Hans Jarle Knd En teoretsk stude av tv-markedets effsens av Odd Hennng Aure og Harald Nygård Bergh Denne utrednngen
DetaljerNotater til INF2220 Eksamen
Notater til INF2220 Eksamen Lars Bjørlykke Kristiansen December 13, 2011 Stor O notasjon Funksjon Navn 1 Konstant log n Logaritmisk n Lineær n log n n 2 Kvadratisk n 3 Kubisk 2 n Eksponensiell n! Trær
DetaljerEKSAMEN. Dato: 18. mai 2017 Eksamenstid: 09:00 13:00
EKSAMEN Emnekode: ITF20006 Emne: Algoritmer og datastrukturer Dato: 18. mai 2017 Eksamenstid: 09:00 13:00 Hjelpemidler: Alle trykte og skrevne Kalkulator Faglærer: Jan Høiberg Om eksamensoppgavene: Oppgavesettet
DetaljerTuringmaskiner.
Turingmaskiner http://www.youtube.com/watch?v=e3kelemwfhy http://www.youtube.com/watch?v=cyw2ewoo6c4 Søking i strenger Vanlige søkealgoritmer (on-line-søk) Prefiks-søking Naiv algoritme Knuth-Morris-Pratt-algoritmen
DetaljerLars Vidar Magnusson Kapittel 13 Rød-Svarte (Red-Black) trær Rotasjoner Insetting Sletting
Rød-Svarte Trær Lars Vidar Magnusson 21.2.2014 Kapittel 13 Rød-Svarte (Red-Black) trær Rotasjoner Insetting Sletting Rød-Svarte Trær Rød-Svarte trær (red-black trees) er en variasjon binære søketrær som
DetaljerNotater. Marie Lillehammer. Usikkerhetsanalyse for utslipp av farlige stoffer 2009/30. Notater
009/30 Notater Mare Lllehammer Notater Uskkerhetsanalyse or utslpp av arlge stoer vdelng or IT og metode/seksjon or statstske metoder og standarder Innhold 1. Bakgrunn og ormål.... Metode....1 Fastsettelse
DetaljerDagens plan. INF Algoritmer og datastrukturer. Koding av tegn. Huffman-koding
Grafer Dagens plan INF2220 - Algoritmer og datastrukturer HØSTEN 2007 Institutt for informatikk, Universitetet i Oslo Avsluttende om grådige algoritmer (kap. 10.1.2) Dynamisk programmering Floyds algoritme
Detaljer1653B/1654B. Installasjonstest på et IT anlegg i drift
65B/654B Installasjonstest på et IT anlegg drft Utførng av testene Spennngsmålnger Testeren kan brkes som et ac voltmeter hvor spennng og frekvens kan vses samtdg ved å sette rotasjonsbryteren tl V. Alle
DetaljerOppvarming og innetemperaturer i norske barnefamilier
Ovarmng og nnetemeraturer norske barnefamler En analyse av husholdnngenes valg av nnetemeratur Henrette Brkelund Masterogave samfunnsøkonom ved Økonomsk Insttutt UNIVERSITETET I OSLO 13.05.2013 II ) Ovarmng
Detaljer