Vorlesung 7
In dieser Vorlesung beginnen wir uns mit Approximationsverfahren zu beschäftigen. Wir lernen dabei den Begriff der Gütegarantie kennen und schauen und einen Approximationsalgorithmus für das Knapsack-Problem an.
Übung 3
In dieser Übung beschäftigen wir uns mit verschiedenen Beispielen zum Branch-and-Bound Verfahren. Wir schauen uns dabei auch das euklidische Travelling Salesman Problem (TSP) an und machen einen kleinen Exkurs zum Thema Linear/Integer Programming.
Vorlesung 6
In dieser Vorlesung schauen wir uns die Branch-And-Bound Methode in der Anwendung an. Zudem geben wir einige Ausblicke zu weiteren Optimierungsproblemen.
Vorlesung 5
In dieser Vorlesung lernen wir ein alternatives exaktes Verfahren kennen: Branch-And-Bound. Wir schauen uns dabei das Verfahren in seinen Details an und wenden es dann erneut auf das Knapsack-Problem an.
Übung 2
In dieser Übung beschäftigen wir uns intensiver mit Dynamic Programming. Dafür schauen wir uns mit Longest Common Subsequence und Matrix Chain Multiplication zwei neue Probleme an und konstruieren schrittweise Dynamic Programming Ansätze, um sie zu lösen.
Vorlesung 4
In dieser Vorlesung betrachten wir weitere Dynamic Programming – Ansätze. Dabei geht es unter Anderem um das bekannte Knapsack-Problem. Zudem betrachten wir zwei geometrische Probleme.
Vorlesung 3
In dieser Vorlesung lernen wir eine neue Methode zum exakten Lösen von Problemen kennen: Dynamic Programming. Wir beginnen damit dynamische Programme anhand von Beispielen für Knapsack- und Subset Sum-Probleme zu betrachten.
Übung 1
In dieser Übung beschäftigen wir uns noch einmal intensiver mit Greedy-Algorithmen. Wir schauen uns dazu das Hörsaal-Belegungsproblem genauer an.
Übung 0
In der ersten Übung klären wir einmal grundlegende organisatorische Fragen. Anschließend gibt es eine kleine Widerholung zu AuD 1 und wir schauen uns noch einmal den Greedy-Algorithmus zu Fractional Knapsack an.
Vorlesung 1
In dieser Vorlesung geben wir eine Einführung in Knapsack-Probleme und damit verbundene Varianten.