UnivIS
Informationssystem der Friedrich-Alexander-Universität Erlangen-Nürnberg © Config eG 
FAU Logo
  Sammlung/Stundenplan    Modulbelegung Home  |  Rechtliches  |  Kontakt  |  Hilfe    
Suche:      Semester:   
 
 Darstellung
 
Druckansicht

 
 
Modulbeschreibung (PDF)

 
 
 Außerdem im UnivIS
 
Vorlesungs- und Modulverzeichnis nach Studiengängen

Vorlesungsverzeichnis

 
 
Veranstaltungskalender

Stellenangebote

Möbel-/Rechnerbörse

 
 
Wirtschaftsinformatik (Bachelor of Science) >>

Approximationsalgorithmen (APPROXA)7.5 ECTS
(englische Bezeichnung: Approximation Algorithms)
(Prüfungsordnungsmodul: Approximationsalgorithmen)

Modulverantwortliche/r: Rolf Wanka
Lehrende: Rolf Wanka


Startsemester: SS 2022Dauer: 1 SemesterTurnus: jährlich (SS)
Präsenzzeit: 60 Std.Eigenstudium: 165 Std.Sprache: Deutsch oder Englisch

Lehrveranstaltungen:


Inhalt:

Für viele kombinatorische Optimierungsprobleme hat sich herausgestellt, daß sie vermutlich nicht durch schnelle exakte Algorithmen gelöst werden können, weshalb man sich mit Näherungslösungen zufrieden geben muß. In dieser Vorlesung werden Approximationsalgorithmen vorgestellt, die für eine Reihe populärer Optimierungsprobleme beweisbar gute Lösungen in vertretbarer Zeit berechnen.

Im ersten Teil der Veranstaltung werden die grundlegenden Begriffe vorgestellt, mit Beispielalgorithmen ausgeführt und jeweils die Grenzen aufgezeigt.

Im zweiten Teil werden allgemeine Techniken eingeführt und anhand instruktiver Beispiele mit Leben erfüllt.

Lernziele und Kompetenzen:


Wissen
Lernende können Wissen abrufen und wiedergeben. Sie kennen konkrete Einzelheiten wie Begriffe, Definitionen, Fakten, Gesetzmäßigkeiten und Theorien.
Verstehen
Lernende können Beispiele anführen und Aufgabenstellungen interpretieren ,
Anwenden
Lernende können neue Probleme durch Transfer des Wissens lösen.
Analysieren
Lernende können ein Problem in einzelne Teile zerlegen und so die Struktur des Problems verstehen und der Anwendung der erlernten Methoden zugänglich machen.

Literatur:

  • R. Wanka. Approximationsalgorithmen - Eine Einführung. Teubner, 2007.
  • K. Jansen, M. Margraf. Approximative Algorithmen und Nichtapproximierbarkeit. de Gruyter, 2008.

  • G. Ausiello, P. Crescenzi, G. Gambosi, V. Kann, A. Marchetti-Spaccamela, M. Protasi. Complexity and Approximation -- Combinatorial Optimization Problems and Their Approximability Properties. Springer, 1999.

  • E. W. Mayr, H. J. Prömel, and A. Steger (Hrsg.). Lectures on Proof Verification and Approximation Algorithms. Springer, 1998.

  • V. V. Vazirani. Approximation Algorithms. Springer, 2001.


Weitere Informationen:

www: https://www.cs12.tf.fau.de/lehre/lehrveranstaltungen/vorlesungen/approximationsalgorithmen/

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

  1. Wirtschaftsinformatik (Bachelor of Science)
    (Po-Vers. 2020w | ReWiFak | Wirtschaftsinformatik (Bachelor of Science) | Gesamtkonto | Wahlpflichtbereiche | Wahlpflichtbereich Informatik | Approximationsalgorithmen)
Dieses Modul ist daneben auch in den Studienfächern "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Mathematik (Bachelor of Science)" verwendbar. Details

Studien-/Prüfungsleistungen:

Approximationsalgorithmen (Vorlesung mit Übung) (Prüfungsnummer: 247639)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30, benotet, 7.5 ECTS
Anteil an der Berechnung der Modulnote: 100.0 %
weitere Erläuterungen:
  • Prüfungssprache: Deutsch oder Englisch. Die Unterrichts- und Prüfungssprache hängt von den Sprachkenntnissen und Präferenzen der Teilnehmerinnen und Teilnehmer ab und wird dementsprechend innerhalb der ersten zwei Wochen nach Vorlesungsbeginn festgelegt.

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023, 2. Wdh.: keine Wiederholung
1. Prüfer: Rolf Wanka

UnivIS ist ein Produkt der Config eG, Buckenhof