Hauptinhalt
CS 531 — Parametrisierte Algorithmen
(engl. Parameterized Algorithms)
Niveaustufe, Verpflichtungsgrad | Vertiefungsmodul, Wahlpflichtmodul |
Lehr- und Lernformen, Arbeitsaufwand |
Vorlesung (3 SWS), Übung (1 SWS), 180 Stunden (60 Std. Präsenzzeit, 120 Std. Selbststudium) |
Leistungspunkte, Voraussetzungen zum Erwerb |
6 LP Studienleistung(en): Erreichen von mindestens 50 Prozent der Punkte aus den wöchentlich zu bearbeitenden Übungsaufgaben und mündliche Präsentation der Lösung von mindestens zwei der Übungsaufgaben. Prüfungsleistung: Mündliche Prüfung (Einzelprüfung) oder Klausur |
Sprache, Benotung |
Englisch,Die Benotung erfolgt mit 0 bis 15 Punkten gemäß der Prüfungsordnung für den Studiengang M.Sc. Informatik. |
Dauer des Moduls, Häufigkeit |
Ein Semester, Unregelmäßig |
Modulverantwortliche(r) | Prof. Dr. Christian Komusiewicz |
Inhalt
- Parametrisierte und exakte Algorithmen
- Grundlegende algorithmische Techniken für parametrisierte Algorithmen: Suchbaumalgorithmen, Baumzerlegungen, Iterative Compression, Color Coding
- Datenreduktion und Kernelisierung
- Fortgeschrittene algorithmische Techniken für parametrisierte Algorithmen, beispielsweise Parametrisierung über untere Schranken, Inclusion-Exclusion, Representative Sets
- Parametrisierte Komplexitätstheorie
Qualifikationsziele
Die Studierenden können
- für schwere Berechnungsprobleme adäquate Parametrisierungen indentifizieren,
- effiziente Festparameteralgorithmen entwickeln und deren Laufzeit analysieren,
- Datenreduktionsregeln entwerfen und deren Effektivität analysieren und
- die algorithmische Schwierigkeit von parametrisierten Berechnungsproblemen nachweisen.
Voraussetzungen
Die erfolgreiche Teilnahme am Modul „Algorithmen und Datenstrukturen“ ist erforderlich; die erfolgreiche Teilnahme am Modul „Effiziente Algorithmen“ wird empfohlen.
Verwendbarkeit
Importmodul aus dem M.Sc. Informatik.
Es kann im FB12 verwendet werden im Studiengang bzw. in den Studiengängen
- B.Sc. Data Science
- B.Sc. Informatik
- M.Sc. Data Science
- M.Sc. Informatik
Im Studiengang B.Sc. Data Science kann das Modul im Studienbereich Freie Wahlpflichtmodule absolviert werden.
Das Modul ist der Informatik zugeordnet. Weitere Informationen zur Wählbarkeit sind der Bereichsbeschreibung zu entnehmen.
Literatur
- Cygan et al. Parameterized Algorithms. Springer Verlag, 2015.
- Downey, Fellows: Fundamentals of Parameterized Complexity Theory. Springer Verlag 2013.
- Niedermeier: Invitation to Fixed-Parameter Algorithms. Oxford University Press, 2006.
- Flum, Grohe: Parameterized Complexity Theory. Springer Verlag, 2006.
Bitte beachten Sie:
Diese Seite beschreibt ein Modul gemäß dem im Wintersemester 2023/24 aktuellsten gültigen Modulhandbuch. Die meisten für ein Modul gültigen Regeln werden nicht durch die Prüfungsordnung festgelegt, und können daher von Semester zu Semester aktualisiert werden. Folgende Versionen liegen im Online-Modulhandbuch vor:
- WiSe 2016/17 (kein Äquivalent)
- SoSe 2018 (kein Äquivalent)
- WiSe 2018/19 (kein Äquivalent)
- WiSe 2019/20 (kein Äquivalent)
- WiSe 2020/21 (kein Äquivalent)
- SoSe 2021 (kein Äquivalent)
- WiSe 2021/22 (kein Äquivalent)
- WiSe 2022/23 (kein Äquivalent)
- WiSe 2023/24
Das Modulhandbuch enthält alle Module, unabhängig vom aktuellen Veranstaltungsangebot, vergleichen Sie dazu bitte das aktuelle Vorlesungsverzeichnis in Marvin.
Die Angaben im Online-Modulhandbuch wurden automatisch erstellt. Rechtsverbindlich sind die Angaben der Prüfungsordnung. Wenn Ihnen Unstimmigkeiten oder Fehler auffallen, sind wir für Hinweise dankbar.