186.856 Structural Decompositions and Algorithms
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2020S, VU, 2.0h, 3.0EC
TUWEL

Merkmale

  • Semesterwochenstunden: 2.0
  • ECTS: 3.0
  • Typ: VU Vorlesung mit Übung

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage...

- Algorithmen zu entwerfen, die mithilfe von Parametern wie Treewidth, Clique-Width, und Hypertree-Width und den entsprechenden Zerlegungen Probleme effizient lösen.

- Probleme aus Künstlicher Intelligenz und Datenbanktheorie auf verschiedene Weisen grafisch zu modellieren (Primalgraph, Inzidenzgraph, Hypergraph).

- in einfachen Fällen obere und untere Schranken für diese Parameter anzugeben.

Inhalt der Lehrveranstaltung

Zahlreiche kombinatorische Probleme können auf Bäumen effizient gelöst werden. Mithilfe von Width-Parametern, die die "Baumartigkeit" von Strukturen quantitativ fassen, können Algorithmen für Bäume auf beliebige Eingaben verallgemeinert werden. Diese Algorithmen sind effizient, solange der zugehörige Width-Parameter klein ist.

Diese Lehrveranstaltungen soll einen Überblick über gängige Width-Parametern für Graphen und Hypergraphen und deren Anwendungen in Künstlicher Intelligenz und Datenbanktheorie geben. Zunächst werden Graphenparameter wie Baumweite und Verallgemeinerungen wie Clique-Width und Rank-Width vorgestellt. In weiterer Folge werden wir uns Parametern für Hypergraphen widmen, inbesondere Hypertree-Width und fractional Hypertree-Width.

Zudem werden wir auf Anwendungen von Width-Parametern für verschiedene Probleme eingehen, wie etwas das Zählen aussagenlogischer Modelle, die Auswertung von Conjunctive Queries, und probabilistisches Schließen in Bayes’sches Netzen.

Methoden

Frontalunterricht, Vortrag über eine wissenschaftliche Arbeit

Prüfungsmodus

Prüfungsimmanent

Weitere Informationen

ECTS Breakdown

18 h Vorlesungen
37 h Vorbereitung der Präsentation
20 h Prüfungsvorbereitung
-------------------------------------
75 h insgesamt

 

Vortragende Personen

  • Slivovsky, Friedrich

Institut

Leistungsnachweis

Die Gesamtnote setzt sich zusammen aus der Note für die Präsentation einer Forschungsarbeit (65%) sowie der Note für eine mündliche Prüfung  (35%).

LVA-Anmeldung

Von Bis Abmeldung bis
05.02.2020 00:00 25.04.2020 00:00 25.04.2020 00:00

Curricula

StudienkennzahlVerbindlichkeitSemesterAnm.Bed.Info
066 645 Data Science Keine Angabe
066 646 Computational Science and Engineering Keine Angabe
066 926 Business Informatics Gebundenes Wahlfach
066 931 Logic and Computation Gebundenes Wahlfach
066 937 Software Engineering & Internet Computing Gebundenes Wahlfach
066 938 Technische Informatik Gebundenes Wahlfach

Literatur

- Jörg Flum, Martin Grohe: Parameterized Complexity Theory. Texts in Theoretical Computer Science. An EATCS Series, Springer 2006.

- Marek Cygan, Fedor V. Fomin, Lukasz Kowalik, Daniel Lokshtanov, Dániel Marx, Marcin Pilipczuk, Michal Pilipczuk, Saket Saurabh: Parameterized Algorithms. Springer 2015.

Vorkenntnisse

Die Kenntnis grundlegender Begriffe der Graphentheorie sowie Grundkenntnisse in Algorithmik und Komplexitätstheorie werden vorausgesetzt. Vertrautheit mit den in der VU "Algorithmics" behandelten Themen ist von Vorteil.

Vorausgehende Lehrveranstaltungen

Sprache

Englisch