Proseminar: Algorithmen für NP-Schwere Probleme

im Sommersemester 2023

Thema

Bei der Betrachtung des Laufzeitverhaltens von Algorithmen wird häufig der langsamste Fall als Unterscheidungskriterium angeführt. Viele Algorithmen schneiden aber in der Praxis wesentlich besser ab, als es diese Worst-Case Analyse vermuten lassen würde. Ein bekanntes Beispiel dafür ist der Quicksort-Algorithmus, dessen Laufzeit im schlimmsten Fall O(n²) beträgt, der aber in der Praxis schneller ist als viele andere Sortieralgorithmen mit geringerer asymptotischer Laufzeit. Besonders auffällig ist dieses Phänomen jedoch wenn man NP-schwere Probleme betrachtet, die auf echten Instanzen oft erstaunlich effizient gelöst werden können.

In diesem Proseminar werden wir alternative Methoden zur Laufzeitanalyse mit erweiterten Modellen kennen lernen, die weitere Faktoren einbeziehen und dadurch eine genauere Einordnung der tatsächlich zu erwartenden Laufzeit ermöglichen. Weiter werden wir praktische Beispiele dieser erweiterten Laufzeitanalysemethoden betrachten.

Aktuelles

Voraussetzungen

Allgemeines

Quellen und Betreuung

Anmeldung

Ablauf

Zeitplan

Vorläufiger Zeitplan

Datum Thema Vortragende Betreuung
17.04 Einführung und Themenvergabe Max
24.04. How To Vortrag und How to Introduction (mit Beispiel) Torsten
8.05. Kurzvorträge alle alle
5.06. Parameterized Algorithms II Oliver Paul Jungeblut
Kapitel 2.3, 2.4; Seiten 35–42
From Adaptive Analysis to Instance Optimality Yuqi Michael Zündorf
Kapitel 3.1, 3.2.1; Seiten 52–61
12.06. Parameterized Algorithms I Nikola Laura Merker
Kapitel 2.1, 2.2; Seiten 27–34
Resource Augmentation Marc Max Göttlicher
Kapitel 4.1, 4.2, 4.5; Seiten 72–76, 86–89
19.06. Perturbation Resilience Linus Adrian Feilhauer
Kapitel 5.1, 5.2, 5.4; Seiten 95–100, 106f
Approximation Stability and Proxy Objectives Patrick Torsten Ueckerdt
Kapitel 6.1, 6.2, 6.3.1, 6.3.2; Seiten 120–126, 135f
26.06. Distributional Analysis Florian Jonas Sauer
Kapitel 8.1, 8.2; Seiten 167–174
Distributional Analysis Fynn Marcus Wilhelm
Kapitel 8.3, 8.4; Seiten 175–182
03.07. Random Order Models Nadine Christopher Weyand
Kapitel 11.1, 11.2, 11.3.1; Seiten 234–240
SAT Solver Nils Thomas Bläsius
Kapitel 25.1, 25.2; Seiten 547–554
10.07. Distribution Free Models of Social Networks Leo Maximilian Katzmann
Kapitel 28.1, 28.2; Seiten 606–612
Distribution Free Models of Social Networks Konstantin Wendy Yi
Kapitel 28.3, 28.4; Seiten 606, 612–619
17.07. From Adaptive Analysis to Instance Optimality Yuqi Michael Zündorf
Ausweichtermin Kapitel 3.1, 3.2.1; Seiten 52–61

Vorlagen

Für die Ausarbeitung verwenden Sie bitte diese Vorlage.