Technische Universit├Ąt Ilmenau

Algorithms and Data Structures - Modultafeln of TU Ilmenau

The Modultafeln have a pure informational character. The legally binding information can be found in the corresponding Studienplan and Modulhandbuch, which are served on the pages of the course offers. Please also pay attention to this legal advice (german only). Information on place and time of the actual lectures is served in the Vorlesungsverzeichnis.

subject properties Algorithms and Data Structures in major Master Wirtschaftsinformatik 2011
ATTENTION: not offered anymore
subject number198
examination number2200056
departmentDepartment of Computer Science and Automation
ID of group 2242 (Group for Complexity Theory and Efficient Algorithms)
subject leaderProf. Dr. Martin Dietzfelbinger
term Sommersemester
languageDeutsch
credit points4
on-campus program (h)79
self-study (h)41
Obligationobligatory elective
examwritten examination performance, 90 minutes
details of the certificate
maximum number of participants
previous knowledge and experience

Algorithmen und Programmierung, Grundlagen und Diskrete Strukturen, Mathematik für Informatiker 1

learning outcome

Fachkompetenz: Die Studierenden kennen die Grundprinzipien des Algorithmenentwurfs und der Korrektheitsanalyse und Zeitanalyse von Algorithmen und Datenstrukturen. Die Studierenden kennen beispielhaft Verfahren für die Spezifikation von Datentypen. Sie kennen die O-Notation und ihre Regeln, sowie die Anwendung der O-Notation bei der Laufzeitanalyse. Die Studierenden kennen die grundlegenden Datenstrukturen „Array“, „Liste“, „Stack“, „Queue“, „gerichteter Baum“ und „Binärbaum“  mit ihren Implementierungsmöglichkeiten und können die zentralen Perfomanzparameter benennen und begründen. Sie kennen den Datentyp „binärer Suchbaum“ mit seinen Methoden für Einfügen und Suchen und den Datentyp „Mehrwegsuchbaum“. Die Studierenden kennen die Algorithmen für mindestens eine Variante von balancierten Binärbäumen und können sie an Beispielen durchführen. Die Studierenden kennen das Prinzip von einfachen Hashverfahren, verstehen die Funktionsweise und können das zu erwartende Verhalten für die verschiedenen Verfahren beschreiben. Sie kennen Konstruktionen einfacher randomisierter Hashklassen.  Die Studierenden kennen die grundlegenden Sortieralgorithmen (Quicksort, Heapsort, Mergesort sowie Radixsort), können die Korrektheit der Verfahren begründen und ihre Laufzeit berechnen. Sie kennen die untere Schranke für vergleichsbasierte Sortierverfahren sowie den grundlegenden Datentyp  „Priority Queue“ und seine Implementierung auf der Basis von binären Heaps. Die Studierenden kennen die Grundbegriffe der Graphentheorie, soweit sie algorithmisch relevant sind, und können mit ihnen umgehen. Sie kennen die wesentlichen Datenstrukturen für die Darstellung von Graphen und Digraphen mit den zugehörigen Methoden und Performanzparametern, sowie einfache Graphdurchmusterungsverfahren (Breitensuche, Tiefensuche). Sie kennen einen Algorithmus für die Ermittlung eines minimalen Spannbaums.

Methodenkompetenz: Die Studierenden sind in der Lage, die behandelten Algorithmen an Beispielen auszuführen. Sie können Berechnungsprobleme und einfache abstrakte Datentypen wie Stack, Queue, Liste, Priority Queue und Varianten syntaktisch und semantisch spezifizieren (mathematisches Modell). Sie können mit Hilfe der O-Notation Zeitanalysen von einfachen iterativen und rekursiven Algorithmen vornehmen, Algorithmen nach ihrer Laufzeit klassifizieren und ihre Nützlichkeit einschätzen. Sie können die Korrektheitsanalyse für die in der Lehrveranstaltung untersuchten Algorithmen vornehmen und sie auf Varianten anpassen. Sie können für Problemstellungen geeignete Datenstrukturen und Algorithmen auswählen und deren Eignung nachweisen. Sie können Algorithmenparadigmen einsetzen, um für mit den behandelten Bereichen verwandte Themen neue Algorithmen zu finden und die Korrektheit zu  beweisen und die Laufzeit zu analysieren.

content

Spezifikation von Berechnungsproblemen und von abstrakten Datentypen. Analyse von Algorithmen: Korrektheitsbeweise für iterative und rekursive Verfahren, Laufzeitbegriff, O-Notation, Laufzeitanalyse.  Grundlegende Datenstrukturen (Listen, Stacks, Queues, Bäume). Binäre Suchbäume, Mehrwegsuchbäume, balancierte Suchbäume  (AVL- und/oder Rot-Schwarz-Bäume, B-Bäume). Einfache Hashverfahren, universelles Hashing. Sortierverfahren: Quicksort, Heapsort, Mergesort, Radixsort. Priority Queues mit der Implementierung als Binärheaps. Grundbegriffe der Graphentheorie (ungerichtete und gerichtete Graphen, Markierungen an Knoten und Kanten, Wege und Kreise, Bäume und Wälder, Zusammenhangskomponenten). Datenstrukturen für Graphen (Adjazenzmatrix, Kantenliste, Adjazenzlisten, Adjazenzarrays). Durchmustern von Graphen: Breitensuche, Tiefensuche, Zusammenhangskomponenten, Entdecken von Kreisen. Minimale Spannbäume. Begleitend: Methoden für die Analyse von Laufzeit und Korrektheit.

media of instruction

Projektion von Folien, Folien und Übungsblätter auf der Vorlesungswebseite.

literature / references

*  G. Saake, K.-U. Sattler, Algorithmen und Datenstrukturen, 4. Auflage, dpunkt, 2010.

* R. Sedgewick, Algorithmen in C++, Pearson Studium, 2001.

*  T. Ottmann, P. Widmayer, Algorithmen und Datenstrukturen, Spektrum Akademischer Verlag, 4., überarb. Aufl. 2002

* R. H. Güting, S. Dieker: Datenstrukturen und Algorithmen, Teubner, 2004

*  T. Cormen, C. Leiserson, R. Rivest, C. Stein, Introduction to Algorithms, Second Edition, MIT Press 2001. (Auch auf deutsch erhältlich.)

* M. T. Goodrich, R. Tamassia, Data Structures and Algorithms in Java, 2. Auflage, Wiley, 2003.

evaluation of teaching

Pflichtevaluation:

Freiwillige Evaluation:

SS 2008 (Vorlesung, Übung)

SS 2010 (Vorlesung)

SS 2011 (Vorlesung, Übung)

SS 2012 (Vorlesung, Übung)

SS 2013 (Vorlesung, Übung)

Hospitation: