Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) Ιστοσελίδα του µαθήµατος. Περιεχόµενα. ηµήτριος Κατσαρός, Ph.D.

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) Ιστοσελίδα του µαθήµατος. Περιεχόµενα. ηµήτριος Κατσαρός, Ph.D."

Transcript

1 1 Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) ηµήτριος Κατσαρός, Ph.D. Χειµώνας 2005 ιάλεξη 3η Ιστοσελίδα του µαθήµατος 2 Θα τοποθετούνται οι διαφάνειες του επόµενου µαθήµατος Σταδιακά θα τοποθετηθούν και τα research papers που αντιστοιχούν σε κάθε διάλεξη Περιεχόµενα Αρχιτεκτονική κινητού δικτύου Ασύµµετρο περιβάλλον επικοινωνίας χωρίς Ανοδικό ίσκοι Εκποµπής (Broadcast Disks) Αλγόριθµοι για Καθαρή Εκποµπή (Pure Broadcast) Ασύµµετρο περιβάλλον επικοινωνίας µε Ανοδικό Αλγόριθµοι για Υβριδική Εκποµπή (Hybrid Broadcast) Αλγόριθµοι για Κατ Απαίτηση Εκποµπή (On- Demand Broadcast) Εκποµπή σε πολλαπλά κανάλια 3 1

2 Αρχιτεκτονική κινητού δικτύου 4 PDA MOBILE HOST WIRELESS LAN CELL 2Kbps - 15Mbps WIRELESS RADIO CELL 9Kbps - 14Kbps BASE STATION BASE STATION FIXED HOST BASE STATION FIXED NETWORK Mbps to Gbps PDA BASE STATION Αρχιτ. Personal Comm. Sys. (PCS) 5 Γενικό µοντέλο εκποµπής 6 Κινητοί πελάτες #πελατών >> #servers Εύρος ζώνης ανοδικού << εύρος ζώνης καθοδικού Σταθµός Βάσης εύρος ζώνης καθοδικού καναλιού Πληροφοριακό Σύστηµα (server) Ασύρµατο κελί 2

3 Αρχιτεκτονικές 7 Pure Pull, δηλ. point-to-point Ο πελάτης συντονίζεται στο κανάλι και κάνει την αίτηση. Ο server απαντά και κλείνει τη σύνδεση. Καθαρή Εκποµπή (Pure Push) δηλ., one-to-all or broadcast O server αποφασίζει να στείλει κάποια δεδοµένα και τα εκπέµπει συνεχώς & επαναλαµβανόµενα. Oι πελάτες συντονίζονται, και τα λαµβάνουν. Υβριδική & Κατ Απαίτηση Εκποµπή (Hybrid & on-demand) broadcast Κάθε πελάτης στέλνει την αίτησή του και ο server προσαρµόζει την καθαρή εκποµπή του & τις οµαδοποιεί και τις εκπέµπει. Χαρακτηριστικά Pure Pull 8 Μειονεκτήµατα εν µπορεί να κλιµακωθεί (scale) σε πολύ µεγάλο αριθµό κινητών χρηστών Σπαταλά το εύρος ζώνης, καθώς εκπέµπει το ίδιο αντικείµενο πολλές φορές στο κανάλι (για διαφορετικούς χρήστες), όταν υπάρχει επικάλυψη στα ενδαφέροντά τους Ο server χτίζεται µε overcapacity, αλλά δεν αξιοποιείται όταν δεν υπάρχει µεγάλος φόρτος Πλεονεκτήµατα Είναι διαλογικό, και συνεπώς αποφεύγει τη σειριακή φύση του καναλιού εκποµπής Περιεχόµενα Αρχιτεκτονική κινητού δικτύου Ασύµµετρο περιβάλλον επικοινωνίας χωρίς Ανοδικό ίσκοι Εκποµπής (Broadcast Disks) Αλγόριθµοι για Καθαρή Εκποµπή (Pure Broadcast) Ασύµµετρο περιβάλλον επικοινωνίας µε Ανοδικό Αλγόριθµοι για Υβριδική Εκποµπή (Hybrid Broadcast) Αλγόριθµοι για Κατ Απαίτηση Εκποµπή (On-Demand Broadcast) Εκποµπή σε πολλαπλά κανάλια 9 3

4 Ασύµµετρο περιβάλλον επικοινωνίας 10 Σε πολλές υπάρχουσες αλλά και αναπτυσσόµενες εφαρµογές, η χωρητικότητα του καθοδικού (downstream) καναλιού επικοινωνίας από τους servers προς τους πελάτες είναι πολύ µεγαλύτερη από τη χωρητικότητα του καναλιού από τους πελάτες προς τους servers Ασυµµετρία επικοινωνίας µπορεί να προκύψει για δυο λόγους Οι περιορισµοί στο εύρος ζώνης του φυσικού µέσου επικοινωνίας. Π.χ., οι στατικοί servers έχουν ισχυρούς (ανα)µεταδότες, ενώ οι κινητοί πελάτες έχουν µικρή ή καθόλου δυνατότητα µετάδοσης. Εξαιτίας του προτύπου ροής πληροφορίας στην εφαρµογή. Π.χ., ένα σύστηµα ανάκτησης πληροφορίας όπου ο αριθµός των πελατών είναι πολύ µεγαλύτερος από τον αριθµό των servers είναι ασύµµετρο, επειδή δεν υπάρχει αρκετή χωρητικοτητα (είτε στο δίκτυο είτε στους servers) για να εξυπηρετηθούν όλες οι ταυτόχρονες αιτήσεις που µπορεί να συµβούν. Χαρακτηριστικά περιβάλλοντος 11 Στη διάλεξη αυτή, εστιάζουµε σε ένα περιορισµένο περιβάλλον εκποµπής Η πληθυσµός των κινητών χρηστών και οι προτιµήσεις τους σε δεδοµένα δεν αλλάζουν µε ταχείς ρυθµούς Τα δεδοµένα είναι προς ανάγνωση µόνο και έχουν το ίδιο µέγεθος Οι πελάτες παίρνουν τα δεδοµένα τους από το κανάλι εκποµπής, δεν υπάρχει prefetching εν χρησιµοποιούν (ακόµα και στην περίπτωση που το διαθέτουν) το upstream κανάλι επικοινωνίας Μοντέλο Καθαρής Εκποµπής 12 Κινητοί πελάτες #πελατών >> #servers Σταθµός Βάσης εύρος ζώνης καθοδικού καναλιού Πληροφοριακό Σύστηµα (server) Ασύρµατο κελί 4

5 Pure push 13 Server G F E A B C.. D Clients Πόσες φορές θα σταλεί κάποιο µέχρι να ολοκληρωθεί ένας κύκλος εκποµπής; Ποια δεδοµένα θα αποστείλω; Προγράµµατα εκποµπής 14 Τρία διαφορετικά προγράµµατα εκποµπής a) Επίπεδο (Flat) b) Κυρτό (Skewed) c) Πολλαπλών δίσκων (Multi-disk) Κάποια εισαγάγουν replication Ποιο είναι το καλύτερο; Η expected delay υπολογίζεται πολ/ζοντας την πιθανότητα προσπέλασης για κάθε σελίδα επί την αναµενόµενη καθυστέρηση για τη σελίδα αυτή και αθροίζοντας τα αποτελέσµατα Μέση καθυστέρηση πρόσβασης 15 Πιθανότητα προσπέλασης A B C (Μέση) Αναµενόµενη καθυστέρηση Flat Skewed Multi-disk

6 Παρατηρήσεις Ο πίνακας δείχνει τρία κύρια σηµεία: Για οµοιόµορφες πιθανότητες προσπέλασης (1/3 η κάθε µια), το flat disk µοντέλο έχει την καλύτερη επίδοση. Το γεγονός αυτό δείχνει το θεµελιώδη περιορισµό των ίσκων Εκποµπής, increasing the broadcast rate of one item must necessarily decrease the broadcast rate of one or more other items. Καθώς οι πιθανότητες προσπέλασης κυρτώνονται (skewed), τα non-flat προγράµµατα είναι καλύτερα. Το Multi-disk πρόγραµµα πάντα είναι καλύτερο από το skewed program. Αυτό οφείλεται στο Bus Stop Paradox. Εάν ο inter-arrival rate (i.e., broadcast rate) µιας σελίδας είναι σταθερός, τότε η αναµενόµενη καθυστέρηση για µια αίτηση που γίνεται σε τυχαίο χρόνο είναι ίση µε το µισό του χρόνου µεταξύ διαδοχικών εκποµπών. Εάν υπάρχει διακύµανση, τότε τα κενά θα έχουν διαφορετικά µήκη και η πιθανότητα να φτάσει µια αίτηση κατά τη διάρκεια µεγάλου κενού είναι µαγαλύτερη απ την πιθανότητα να φτάσει κατά τη διάρκεια µικρού κενού. Εποµένων, η αναµενόµενη καθυστέρηση αυξάνει καθώς αυξάνει η διακύµανση. 16 Επιθυµητές ιδιότητες εκποµπής 17 Οι inter-arrival times διαδοχικών εµγανίσεων πρέπει να είναι σταθεροί για το κάθε αντικείµενο. Πρέπει να υπάρχει σαφής διάκριση αρχής και τέλους του προγράµµατος και το πρόγραµµα να επαναλαµβάνειται µετά το τέλος του, δηλ., να είναι περιοδικό. Περιεχόµενα Αρχιτεκτονική κινητού δικτύου Ασύµµετρο περιβάλλον επικοινωνίας χωρίς Ανοδικό ίσκοι Εκποµπής (Broadcast Disks) Αλγόριθµοι για Καθαρή Εκποµπή (Pure Broadcast) Ασύµµετρο περιβάλλον επικοινωνίας µε Ανοδικό Αλγόριθµοι για Υβριδική Εκποµπή (Hybrid Broadcast) Αλγόριθµοι για Κατ Απαίτηση Εκποµπή (On- Demand Broadcast) Εκποµπή σε πολλαπλά κανάλια 18 6

7 19 ίσκοι εκποµπής (Broadcast Disks) 1. ιατάσσουµε τις σελίδες (αντικείµενα) από το πιο δηµοφιλές (hottest) στο λιγότερο δηµοφιλές. 2. ιαµερίζουµε τη λίστα των σελίδων σε πολλαπλές διαµερίσεις, όπου η κάθε διαµέριση περιέχει σελίδες µε παρόµοιες πιθανότητες προσπέλασης. Αυτές οι διαµερίσεις θα αποκαλούνται ίσκοι. 3. Επιλέγουµε τις σχετικές συχνότητες εκποµπής του κάθε ίσκου. Ο µόνος περιορισµός στις σχετικές συχνότητες είναι ότι πρέπει να είναι ακέραιοι. Για παράδειγµα, δεδοµένων δυο ίσκων, ο ίσκος 1 µπορεί να εκπέµπεται τρεις φορές για κάθε δυο φορές που εκπέµπεται ο ίσκος 2, thus, rel.freq(l)=3, και rel_freq(2)=2. 4. ιασπάµε κάθε ίσκο σε έναν αριθµό µικρότερων µονάδων. Αυτές οι µονάδες αποκαλούνται chunks (το C ij αναφέρεται στο j-οστό chunlk του ίσκου i). Πρώτα, υπολογίζουµε το max_chunks ως το Ε.Κ.Π. των σχετικών συχνοτήτων. Κατόπιν, διασπάµε κάθε ίσκο disk i σε num_chunks(i)=max_chunks/rel_freq(i) chunks. Στο προηγούµενο παράδειγµα, το num_chunks(l ) θα ισούται µε 2, και το num-chunks(2) θα ισούται µε ίσκοι εκποµπής (Broadcast Disks) Το πρόγραµµα εκποµπής δηµιουργείται µε τη συνύφανση chunks του κάθε δίσκου µε τον ακόλουθο τρόπο ίσκοι Εκποµπής (παράδειγµα) 21 Βάση εδοµένων ίσκοι Τµήµατα Τ 11 Τ 21 Τ 22 Τ 31 Τ 32 Τ 33 Τ 34 Πρόγραµµα Εκποµπής

8 Παρατηρήσεις 22 Ο αλγόριθµος παράγει µη περιοδικό πρόγραµµα εκποµπής µε σταθερό inter-arrival times για κάθε σελίδα. Μερικά broadcast µπορεί να είναι αχρησιµοποιήτα, εάν δεν είναι δυνατό να διαιρέσουµε ακριβώς έναν δίσκο στα αντίστοιχα chunks (π.χ., στο βήµα 4 του αλγορίθµου). Αναµένεται ότι ο αριθµός των δίσκων θα είναι µικρός, (συνήθως 2 ή 5) και ο αριθµός των σελίδων προς εκποµπή πάρα πολύ µεγάλος, ώστε ο αριθµός των µη χρησιµοποιηµένων slots να είναι ασήµαντος. Παρατηρήσεις Τρεις παράγοντες µπορούν να χρησιµοποιηθούν για να επηρεάσουν το σχήµα του προγράµµατος Ο αριθµός των δίσκων καθορίζει τον αριθµό των διαφορετικών συχνοτήτων µε τις οποίες θα εκπεµφθούν οι σελίδες. Για κάθε δίσκο, ο αριθµός των σελίδων του. Οι σχετικές συχνότητες καθορίζουν το µέγεθος του κύκλου εκποµπής και τον ρυθµό άφιξης κάθε σελίδας. ιαισθητικά Οι γρήγοροι δίσκοι θα έχουν λίγες σελίδες, αν και δεν επιβάλεται από το µοντέλο Ο µόνος περιορισµός αφορά τις σχετικές συχνότητες των δίσκων: να είναι ακέραιοι Είναι πιθανό να έχουµε έναν δίσκο που περιστρέφεται 141 φορές για κάθε 98 φορές που περιστρέφεται ένας αργός δίσκος. Όµως, αυτό το κλάσµα έχει ως αποτέλεσµα µεγάλη περίοδο (δηλ., σχεδόν 14,000 περιστροφές του γρήγορου δίσκου). Επιπλέον, θα πρέπει ο αργός δίσκος να µπορεί να διασπαστεί σε 141 περίπου ίσα chunks. Άλλωστε, τέτοια κλάσµατα δεν επιφέρουν σηµαντική βελτίωση Κριτική των ίσκων Εκποµπής ( Ε) Παρέχουν έναν κοµψό τρόπο για τη δηµιουργία προγράµµατος εκποµπής (broadcast schedule), δηµιουργώντας µια εναέρια µνήµη εν µας δίνουν τη µεθοδολογία για την επιλογή των παραµέτρων του συστήµατος 8

9 Μαθηµατική θεµελίωση Ε Υποθέτουµε ότι ένας server εκπέµπει τα περιεχόµενα µιας βάσης, η οποία περιέχει N αντικείµενα που όλα έχουν το ίδιο µέγεθος. Ο χρόνος διαιρείται σε µονάδες που αποκαλούνται ticks, και κάθε αντικείµενο απαιτεί ένα tick για να µεταδοθεί. Οι κινητοί πελάτες αιτούνται αντικείµενα (όχι συλλογές τους). Κάθε αντικείµενο d i (1 i N) έχει πιθανότητα προσπέλασης p i. Οι αιτήσεις είναι εκθετικά κατανεµηµένες η πιθανότητα ότι κάποιοα αντικείµενο θα ζητηθεί σε κάθε χρονικό διάστηµα είναι σταθερή. Ένα πρόγραµµα εκποµπής είναι µια ακολουθία από L αντικείµενα, όπου L N. Όλα τα αντικείµενα πρέπει να εκπεµφθούν µια φορά τουλάχιστον, και µερικά µπορεί να εκπεµφθούν περισσότερες από µια φορά κατά τη διάρκεια οτυ προγράµµατος. Στόχος είναι η δηµιουργία ενός προγράµµατος που ελαχιστοποιεί την αναµενόµενη καθυστέρηση (expected delay) µιας αίτησης κάτω από τους ακόλουθους περιορισµούς: 1. Το διάστηµα µεταξύ δυο διαδοχικών εκποµπών του ίδιου αντικειµένου είναι σταθερό (fixed interarrival time between all successive transmissions of a given data item). 2. Υπάρχει η έννοια του κύκλου δηλ., το πρόγραµµα έχει αρχή και τέλος. 13/10/2005 ΤµήµαΜηχανικώνΗ/Υ, Τηλεπικοινωνιών και ικτύων, Πανεπιστήµιο Θεσσαλίας 25 Μαθηµατική θεµελίωση Ε Υποθέτοντας ότι το διάστηµα µεταξύ δυο διαδοχικών εκποµπών του ίδιου αντικειµένου είναι σταθερό, τότε µε βάση ένα βασικό αποτέλεσµα της θεωρία πιθανοτήτων: Η αναµενόµενη καθυστέρηση (expected delay) ελαχιστοποιείται όταν έχουµε εκθετικά κατανεµηµένες αιτήσεις και γνωστό ρυθµό αφίξεων των αιτήσεων. Για ένα δεδοµένο πρόγραµµα εκποµπής, η µέση αναµενόµενη καθυστέρηση για όλα τα αντικείµενα είναι εποµένως: 26 Μαθηµατική θεµελίωση Ε 27 Προσαρµόζοντας την προηγούµενη εξίσωση τους ίσκους Εκποµπής και υποθέτοντας ότι έχουµε K ίσκους Για δεδοµένο K, πρέπει να ελαχιστοποιήσουµε το: Συνεπώς: Αντιµετωπίζουµε ένα πρόβληµα διαµέρισης (partitioning) 9

10 Βέλτιστη διαµέριση 28 Βέλτιστη επίλυση προβλήµατος διαµέρισης Επίλυση µε υναµικό Προγραµµατισµό Μέση καθυστέρηση α ij για όλα τα αντικείµενα σε ένα δίσκο που περιέχει τα αντικείµενα από i µέχρι j: Συµβολίζοντας µε a optimal_minimal (i,j) τη βέλτιστη λύση (δηλ., ελάχιστη µέση καθυστέρηση προσπέλασης) για την ανάθεση των αντικειµένων από το i µέχρι το Νσε j ίσκους, είναι προφανές ότι a optimal_minimal (i,1)=a ij (προηγούµενη εξίσωση). Η αναδροµική εξίσωση του δυναµικού προγραµµατισµού είναι η παρακάτω: 29 Προσεγγιστικ. αλγόριθµος GREEDY Προσεγγιστική επίλυση του προβλήµατος διαµέρισης µε βάση το υναµικό Προγραµµατισµό. Είναι µέθοδος Top-Down και λέγεται GREEDY. Επιχειρεί να βρει το καλύτερο σηµείο διαµέρισης, διασπώντας διαδοχικά µε βάση τη σχέση: C s ij =C is +C s+1,j C ij, i s < j Αλγόριθµος Greedy (int n, intk, float vector P) BEGIN numpartitions = 1; while (numpartitions < k) for each partition r with data items i through j { // Find the best point to split in partition r for(s = i; s<=j; s=s+1) // Initialize the best split point for this partition //as the first data item. If we find a better one //subsequently, update the best split point. if ( (s == i) OR (localchange > C ijs ) ) locals = s; localchange = C ijs ; // Initialize the best solution as the one for the first // partition. If we find a better one subsequently, // update the best solution. if ( (r == 1) OR (globalchange > localchange) ) globalchange = localchange; globals = locals; bestpart = r; } split partition bestpart at point globalp; numpartitions = numpartitions + 1; END Παράδειγµα αλγορίθµου GREEDY 30 10

11 Προσεγγ. αλγ. Growing Segments 31 Η µέθοδος Growing Segments ξεκινά µε µια αρχική ελάχιστη διαµέριση αναθέοντας ένα αντικείµενο σε κάθε δίσκο. Αυτή η διαµέριση αποτελεί τη διαµέριση σπόρο (seed) Κατόπιν, επαυξάνει κάθε τµήµα της διαµέρισης περιλαµβάνοντας τόσα αντικείµενα όσα καθορίζονται από την παράµετρο increment και υπολογίζει ποια από αυτές τις επαυξήσεις δίνει τη µεγαλύτερη ελάττωση στη µέση καθυστέρηση. Κατόπιν, επιλέγει αυτή τη διαµέριση ως το νέο σπόρο και συνεχίζει τη διαδικασίαµέχρι να καλύψει όλα τα αντικείµενα. Η παράµετρος increment είναι πολύ σηµαντική και έχει το ακόλουθο tradeoff: όσο µεγαλύτερη είναι η τιµή της, τόσο µικρότερη είναι η πολυπλοκότητα χρόνου εκτέλεσης του αλγορίθµου αλλά και µικρότερη η ποιότητα του παραγόµενου προγράµµατος εκποµπής. Προσεγγ. αλγ. Growing Segments Αλγόριθµος Growing Segments (int n, intk, float vector P) BEGIN increment= getnextincrement(); r0 = 1; for(i=1; i<=k; ++i) // initial setup of (r0, r1,, rk) ri = ri 1+increment; while(rk < n) increment = getnextincrement(); for(i=1; i<=k; ++i) p0 = r0; for(x=1; x<=k; ++x) if (x i) px = rx+increment; else px = rx; Si = (p0, p1,..., pk); Find a partition (r0, r1,, rk) among Si s such that mindelay(r0, r1,, rk)=min{ mindelay(sx) } for x = 1, 2,..., k. return (r0, r1,..., rk); END 32 Περιεχόµενα Αρχιτεκτονική κινητού δικτύου Ασύµµετρο περιβάλλον επικοινωνίας χωρίς Ανοδικό ίσκοι Εκποµπής (Broadcast Disks) Αλγόριθµοι για Καθαρή Εκποµπή (Pure Broadcast) Ασύµµετρο περιβάλλον επικοινωνίας µε Ανοδικό Αλγόριθµοι για Υβριδική Εκποµπή (Hybrid Broadcast) Αλγόριθµοι για Κατ Απαίτηση Εκποµπή (On-Demand Broadcast) Εκποµπή σε πολλαπλά κανάλια 33 11

12 Γενίκευση των ίσκων Εκποµπής 34 Αίρουµε την υπόθεση ότι όλα τα αντικείµενα έχουν το ίδιο µέγεθος Εξακολουθούµε να επιδιώκουµε το γεγονός ότι οι διαδοχικές εκποµπές του ίδιου αντικειµένου είναι ίσες, διότι: ΛΗΜΜΑ. Το πρόγραµµα εκποµπής µε την ελάχιστη συνολική µέση καθυστέρηση είναι εκείνο στο οποίο οι εµφανίσεις κάθε αντικειµένου απέχουν πάντα το ίδιο (equally spaced criterion) Αναζητούµε πόσο συχνά πρέπει να εκπέµπεται κάθε αντικείµενο Ο κανόνας Τετράγωνο της Ρίζας ΘΕΩΡΗΜΑ. Υποθέτοντας ότι οι εµφανίσεις κάθε αντικειµένου είναι equally spaced, η ελάχιστη συνολική µέση καθυστέρηση επιτυγχάνεται όταν η απόσταση s i µεταξύ διαδοχικών εµφανίσεων του αντικειµένου i είναι ανάλογη προς την τετραγωνική ρίζα του µήκους του και αντιστρόφως ανάλογη προς την τετραγωνική ρίζα της πιθανότητας προσπέλασής του. ηλαδή s i li / Στην περίπτωση αυτή, η ελάχιστη συνολική µέση καθυστέρηση είναι ίση µε: p i 35 Απόδειξη του κανόνα Square-root Έστω ότι s i είναι το spacing για το αντικείµενο i. Η µέση καθυστέρηση πρόσβασης στο i είναι t i =s i /2 Η συνολική µέση καθυστέρηση πρόσβασης για όλα τα αντικείµενα είναι N 1 t = 2 i= 1 Έστω ότι r i =l i /s i, δηλ. είναι το κλάσµα του εύρους ζώνης που ανατίθεται στο αντικείµενο i, λόγου του κριτηρίου equal-spacing. N Εποµένως: ri = 1 i= 1 Άρα: 1 t = 2 N i= 1 pi * li ri * pi si 36 12

13 Απόδειξη του κανόνα Square-root N Αφού ri = 1 i= 1 Μόνο Ν-1 από τα r i µπορούν να αλλαχτούν ανεξάρτητα. Η βέλτιστη τιµή για τα r i επιτυγχάνεται εάν t/ r i =0, για κάθε i. Επιλύουµε τις εξισώσεις αυτές, ξεκινώντας µε 0= t/ r Απόδειξη του κανόνα Square-root Όµοια ισχύει ότι: 38 Από αυτές τις εξισώσεις προκύπτει ότι: Και γενικά ότι: Απόδειξη του κανόνα Square-root 39 Αυτό σηµαίνει ότι η βέλτιστη τιµή του r i πρέπει να είναι γραµµικά ανάλογη προς το: l i * pi Εύκολα διαπιστώνουµε ότι υπάρχει η σταθερά N αναλογίας α ίση µε : a = 1/ lj * pj r = a * l * p j =1 ώστε i i i είναι η µόνη δυνατή λύση για τις εξισώσεις t/ r i =0 Με αντικατάσταση των r i στη σχέση που δίνει το t βρίσκουµε τη βέλτιστη τιµή του. 13

14 Αλγόριθµος µε βάση τον κανόνα S-r 40 Το Θεώρηµα πρακτικά υπονοεί ότι για να επιτύχουµε τη βέλτιστη επίδοση (ελάχιστη συνολική µέση καθυστέρηση), πρέπει να ισχύει για το spacing s i κάθε αντικειµένου i ότι: Ορίζοντας για κάθε αντικείµενο j τη συνάρτηση: G(j) = (Q R(j)) 2 *p j /l j όπου Q είναι η τρέχουσα χρονική στιγµή και R(j) η στιγµή τελευταίας εκποµπής του αντικειµένου j, έχουµε τον επόµενο αλγόριθµο εκποµπής: Αλγόρ. εκποµπής Vaidya-Hameed 41 Παράδειγµα Vaidya-Hammed 42 14

15 Περιεχόµενα Αρχιτεκτονική κινητού δικτύου Ασύµµετρο περιβάλλον επικοινωνίας χωρίς Ανοδικό ίσκοι Εκποµπής (Broadcast Disks) Αλγόριθµοι για Καθαρή Εκποµπή (Pure Broadcast) Ασύµµετρο περιβάλλον επικοινωνίας µε Ανοδικό Αλγόριθµοι για Υβριδική Εκποµπή (Hybrid Broadcast) Αλγόριθµοι για Κατ Απαίτηση Εκποµπή (On-Demand Broadcast) Εκποµπή σε πολλαπλά κανάλια 43 Μειονεκτήµατα Καθαρής Εκποµπής 44 Υποθέτει ότι τα ενδιαφέροντα των χρηστών (hot spots) είναι σχετικά σταθερά Οι ανάγκες σε δεδοµένα δεν µπορούν να προβλεφθούν Οι ανάγκες σε δεδοµένα δεν είναι σταθερές Πώς θα ενηµερώνεται ο server για την επιτυχία του προγράµµατος εκποµπής; Προσαρµογή της Καθαρής Εκποµπής µε ενηµέρωση για τις ανάγκες σε δεδοµένα Εκποµπή µε Ανοδικό 45 Κινητοί πελάτες #πελατών >> #servers Εύρος ζώνης ανοδικού << εύρος ζώνης καθοδικού Σταθµός Βάσης εύρος ζώνης καθοδικού καναλιού Πληροφοριακό Σύστηµα (server) Ασύρµατο κελί 15

16 Kίνητρο για νέο µοντέλο εκποµπής Βάση N αντικειµένων, λ i Poisson ρυθµός αιτήσεων (λ 1 > λ 2 > λ 3 > λ 4 > λ Ν ) και ο µέσος ρυθµός εξυπηρέτησης είναι 1/µ. Ο Server έχει κανάλι εκποµπής εύρους B και αποφασίζει να εκπέµψει τα πρώτα n και τα υπόλοιπα µε pull. Έστω Λ k =Σλ i (1<=i<=k). Τότε: 46 Κύρτωση στο πρότυπο προσπέλασης 47 Στόχος: Εύρεση του βέλτιστου σηµείου G για να στείλουµε µε Καθαρή Εκποµπή τα δεδοµένα αριστερά του G και µε Pull τα δεδοµένα δεξιά του G. Ιδιότητες του G: Η ουρά να διατηρείται κάτω από την pull capacity Η κεφαλή να αρκετά πλατιά, ώστε να περικλείει τα hot αντικείµενα, αλλά όχι πολύ πλατιά για να µην περικλείει όσα ζητούνται σπάνια. Περιεχόµενα Αρχιτεκτονική κινητού δικτύου Ασύµµετρο περιβάλλον επικοινωνίας χωρίς Ανοδικό ίσκοι Εκποµπής (Broadcast Disks) Αλγόριθµοι για Καθαρή Εκποµπή (Pure Broadcast) Ασύµµετρο περιβάλλον επικοινωνίας µε Ανοδικό Αλγόριθµοι για Υβριδική Εκποµπή (Hybrid Broadcast) Αλγόριθµοι για Κατ Απαίτηση Εκποµπή (On- Demand Broadcast) Εκποµπή σε πολλαπλά κανάλια 48 16

17 Χαρακτηρισµός δεδοµένων Ατµός (Vapor) Ζητούνται πάρα πολύ Υγρά (Liquid) εν στέλνοται από τον server µε καθαρή εκποµπή, αλλά ο server έχει λάβει µέτριο ή µικρό αριθµό αιτήσεων γι αυτά Παγωµένα (Frigid) εν έχουν ζητηθεί για αρκετό διάστηµα και η θερµοκρασία τους λ i έχει πέσει πρακτικά στο ΜΗ ΕΝ. Ζήτηµα: Πώς θα διαχωρίσουµε τα Vapor από τα Liquid, αφού για τα πρώτα δεν έρχονται αιτήσεις στον server; 49 Υβριδική Εκποµπή 50 Κάθε δεδοµένο έχει µια Θερµοκρασία Μια ουρά περιέχει όλα τα Vapor δεδοµένα Εκπέµπεται πάντα αυτό στην κεφαλή της ουράς Όταν εκπεµφθεί, η Θερµοκρασία του ελαττώνεται κατά CoolingFactor (0,1) και τοποθετείται στο τέλος της ουράς Όταν εκπεµφθούν όλα, γίνεται εκτίµηση των περιεχοµένων της ουράς Αναγνωρίζονται τα Vapor δεδοµένα που θα γίνουν Liquid Αναγνωρίζονται τα Liquid δεδοµένα που θα γίνουν Vapor Υβριδική Εκποµπή 51 Υπολογίζουµε το συνολικό αναµενόµενο περιθωριακό κέρδος dt Όπου 17

18 Αλγόριθµος Υβριδικής Εκποµπής 52 Ο PLPCHD Υβριδικός αλγόριθµος Push Less Pull the Current Highest Demanded Item 53 Βάση D ισοµεγεθών αντικειµένων ταξινοµηµένων µε φθίνουσα πιθανότητα προσπέλασης. Τα K πρώτα επιλέγονται για Καθαρή Εκποµπή και τα υπόλοιπα D-K για Pure Pull. Ο µέσος χρόνος αναµονής είναι: Επειδή Κανονικοποιώντας Και T res,i =D-K (δηλ., το µέγιστο µήκος της ουράς, έχουµε ότι Ο PLPCHD Υβριδικός αλγόριθµος 54 18

19 Ο PLPCHD Υβριδικός αλγόριθµος 55 Περιεχόµενα Αρχιτεκτονική κινητού δικτύου Ασύµµετρο περιβάλλον επικοινωνίας χωρίς Ανοδικό ίσκοι Εκποµπής (Broadcast Disks) Αλγόριθµοι για Καθαρή Εκποµπή (Pure Broadcast) Ασύµµετρο περιβάλλον επικοινωνίας µε Ανοδικό Αλγόριθµοι για Υβριδική Εκποµπή (Hybrid Broadcast) Αλγόριθµοι για Κατ Απαίτηση Εκποµπή (On- Demand Broadcast) Εκποµπή σε πολλαπλά κανάλια Μειονεκτήµατα Υβριδικής Εκποµπής Η συγγένειά της µε την Καθαρή Εκποµπή Προσπαθεί να εκτιµήσει τις πραγµατικές πιθανότητες προσπέλασης των αντικειµένων εν κάνει βέλτιστη χρήση του καναλιού εκποµπής Στηρίζεται σε παραµέτρους που ρυθµίζονται διοικητικά εν έχει άµεση αντίδραση σε ραγδαίες αλλαγές στο πρότυπο προσπέλασης 19

20 Ύπαρξη Ανοδικού Καναλιού 58 Μοντέλο Κατ Απαίτηση Εκποµπής 59 A B C D Client Server Client A E F Client Client Απαιτήσεις Γρήγορη απόκριση (responsiveness) Μικρή καθυστέρηση (latency) των χρηστών Όχι starvation Κόστος επιλογής του αντικειµένου προς εκποµπή Ικανότητα κλιµάκωσης (scalability) Ρυθµό άφιξης των αιτήσεων Μέγεθος βάσης δεδοµένων Ρυθµό εκποµπής Ευρωστία Αλλαγές στο πρότυπο προσπέλασης 60 20

21 Υπάρχοντες αλγόριθµοι FCFS (First-Come-First-Served) Εκπέµπει τα αντικείµενα µε τη σειρά που έρχονται οι αιτήσεις γι αυτά. Εάν υπάρχει ήδη στην ουρά δεν προστίθεται νέα είσοδος (entry) στην ουρά MRF (Most Requests First) Εκπέµπει το αντικείµενο µε τις περισσότερες εκκρεµείς αιτήσεις MRFL (Most Requests First Lowest) Όπως και ο MRF, αλλά σπάει τις ισοπαλίες προς χάριν του αντικειµένου που δεν έχει εκπεµφθεί για το µεγαλύτερο διάστηµα LWF (Longest Wait First) Εκπέµπει το αντικείµενο για το οποίο ο συνολικός χρόνος αναµονής όλων των αιτήσεων γι αυτό είναι ο µεγαλύτερος (δηλ. το άθροισµα του χρόνου αναµονής στην ουρά όλων των αιτήσεων γι αυτό 61 Επίδοση υπαρχόντων αλγορίθµων 62 RxW: Συνδυασµός MRF & FCFS 63 Εκπέµπει τη σελίδα µε το µεγαλύτερο γινόµενο RxW R: είναι ο αριθµός των εκκρεµών αιτήσεων για τη σελίδα W: είναι ο µέγιστος χρόνος αναµονής µέσα στην ουρά, δηλ. η αίτηση πιο παλιά στο χρόνο Εκπέµπει µια σελίδα είτε επειδή είναι δηµοφιλής είτε επειδή δεν έχει εκπεµφθεί για αρκετό χρονικό διάστηµα 21

22 Η ουρά εξυπηρέτησης του RxW 64 Βελτίωση στην αναζήτηση του RxW 65 Βελτίωση στην αναζήτηση του RxW Εξέτασε τη σελίδα στην κορυφή της R-list Θέσε MAX = R x W αυτής της σελίδας Οι υπόλοιπες τιµές Wµπορούν να περιοριστούν αξιοποιώντας την τιµή R, δηλ., την R τιµή της επόµενης στη R-list σελίδας. Για να έχει µια άλλη σελίδα RxW µεγαλύτερο από το τρέχον MAX, πρέπει το αντίστοιχο W να ικανοποιεί την ανίσωση W > MAX/R Έτσι θέτουµε ένα όριο στην 1stARV ως εξής limit(1starv) = clock MAX/R Κατόπιν εξετάζουµε τη σελίδα στην κορυφή της W-list και κάνουµε ανάλογες ενέργειες περιορίζοντας το εύρος αναζήτησης στη R-list 66 22

23 Παράδειγµα βελτιωµένου RxW The R-List and the W-List are shown as two separate lists and the current clock value is 100 ticks. First, the entry for page f (the top of the R-List) is examined resulting in MAX being set to 160 and limit(1starv) being set to 96. Next, the entry for page b (the top of the W-List) is checked. RxW of b is less than MAX (90 versus 160) so MAX is left unchanged, but limit(r) is set to 2. The algorithm then checks page α, which has an RxW value of 400, and so MAX is updated to 400, and limit(1starv) is set to 84. The algorithm continues searching until page y is examined, at which point the limit on the -List is reached and the algorithm stops. In this example, page a has the highest value, so it is chosen to be broadcast. 67 Περιεχόµενα Αρχιτεκτονική κινητού δικτύου Ασύµµετρο περιβάλλον επικοινωνίας χωρίς Ανοδικό ίσκοι Εκποµπής (Broadcast Disks) Αλγόριθµοι για Καθαρή Εκποµπή (Pure Broadcast) Ασύµµετρο περιβάλλον επικοινωνίας µε Ανοδικό Αλγόριθµοι για Υβριδική Εκποµπή (Hybrid Broadcast) Αλγόριθµοι για Κατ Απαίτηση Εκποµπή (On- Demand Broadcast) Εκποµπή σε πολλαπλά κανάλια 68 Πολλαπλά κανάλια εκποµπής 69 Για λόγους όπως: Application scalability Μια εφαρµογή αποκτά επιπλέον κανάλια για να εξυπηρετήσει µεγαλύτερο πληθυσµό Fault tolerance Τρεις servers εκπέµπουν σε µια γεωγραφική περιοχή σε µη συνεχόµενες συχνότητες, αλλά οι δυο παθαίνουν βλάβη και τα κανάλια τους ανατίθονται στον τρίτο Reconfiguration of adjoining cells Γειτονικά κελιά εξυπηρετούνται από διαφορετικούς servers, αλλά τα κελιά συνενώνονται και τα κανάλια ανατίθονται στον έναν από τους δυο Heterogeneous clients Πελάτες µε ετερογενείς δυνατότητες Είναι δυνατόν να υπάρχουν πολλαπλά κανάλια εκποµπής 23

24 Ιεραρχικά προγράµµατα εκποµπής 70 Μέση καθυστέρηση σε ένα κανάλι 71 Μέση καθυστέρηση για κάθε αντικείµενο στο κανάλι i είναι: ηµιουργία ιεραρχικών προγραµµ. 72 Πρόβληµα ηµιουργίας Ιεραρχικού Προγράµµατος Εκποµπής 24

25 ενδρική αναπαράσταση 73 Κόστος επιπέδου του δένδρου 74 Αλγόριθµος VF K 75 25

26 Αλγόριθµος VF K 76 Αλγόριθµος VF K 77 Αλγόριθµος VF K 78 26

27 Αλγόριθµος VF K 79 Αλγόριθµος VF K 80 Παράδειγµα του VF K 81 27

28 Παράδειγµα του VF K 82 Παράδειγµα του VF K 83 Παράδειγµα του VF K 84 28

Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing)

Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) 1 Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) ηµήτριος Κατσαρός, Ph.D. Χειµώνας 2005 ιάλεξη 3η 2 Ιστοσελίδα του µαθήµατος http://skyblue.csd.auth.gr/~dimitris/courses/mpc_fall05.htm

Διαβάστε περισσότερα

Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) Ιστοσελίδα του µαθήµατος. Περιεχόµενα. ηµήτριος Κατσαρός, Ph.D.

Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) Ιστοσελίδα του µαθήµατος. Περιεχόµενα. ηµήτριος Κατσαρός, Ph.D. 1 Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) ηµήτριος Κατσαρός, Ph.D. Χειµώνας 2006 ιάλεξη 5η Ιστοσελίδα του µαθήµατος 2 http://skyblue.csd.auth.gr/~dimitris/courses/mpc_fall06.htm

Διαβάστε περισσότερα

Κινητός και Διάχυτος Υπολογισμός (Mobile & Pervasive Computing)

Κινητός και Διάχυτος Υπολογισμός (Mobile & Pervasive Computing) 1 Κινητός και Διάχυτος Υπολογισμός (Mobile & Pervasive Computing) Δημήτπιορ Κατσαπόρ Χεηκώλαο 2016 Διάλεξη 3η 2 Περιεχόμενα Αξρηηεθηνληθή θηλεηνύ δηθηύνπ Αζύκκεηξν πεξηβάιινλ επηθνηλωλίαο κε Αλνδηθό Καλάιη

Διαβάστε περισσότερα

Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing)

Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) 1 Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) ηµήτριος Κατσαρός, Ph.D. Χειµώνας 2005 ιάλεξη 5η 2 Ιστοσελίδα του µαθήµατος http://skyblue.csd.auth.gr/~dimitris/courses/mpc_fall05.htm

Διαβάστε περισσότερα

Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) Ιστοσελίδα του µαθήµατος. Περιεχόµενα. ηµήτριος Κατσαρός, Ph.D.

Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) Ιστοσελίδα του µαθήµατος. Περιεχόµενα. ηµήτριος Κατσαρός, Ph.D. 1 Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) ηµήτριος Κατσαρός, Ph.D. Χειµώνας 2005 ιάλεξη 5η Ιστοσελίδα του µαθήµατος 2 http://skyblue.csd.auth.gr/~dimitris/courses/mpc_fall05.htm

Διαβάστε περισσότερα

Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing)

Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) 1 Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) ηµήτριος Κατσαρός, Ph.D. Χειµώνας 2006 ιάλεξη 4η 2 Ιστοσελίδα του µαθήµατος http://skyblue.csd.auth.gr/~dimitris/courses/mpc_fall06.htm

Διαβάστε περισσότερα

Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing)

Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) 1 Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) ηµήτριος Κατσαρός, Ph.D. Χειµώνας 2005 ιάλεξη 4η 2 Ιστοσελίδα του µαθήµατος http://skyblue.csd.auth.gr/~dimitris/courses/mpc_fall05.htm

Διαβάστε περισσότερα

Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) Ιστοσελίδα του µαθήµατος. Περιεχόµενα. ηµήτριος Κατσαρός, Ph.D.

Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) Ιστοσελίδα του µαθήµατος. Περιεχόµενα. ηµήτριος Κατσαρός, Ph.D. 1 Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) ηµήτριος Κατσαρός, Ph.D. Χειµώνας 2005 ιάλεξη 4η Ιστοσελίδα του µαθήµατος 2 http://skyblue.csd.auth.gr/~dimitris/courses/mpc_fall05.htm

Διαβάστε περισσότερα

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 19/5/2007

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 19/5/2007 Οδηγίες: Να απαντηθούν όλες οι ερωτήσεις. Αν κάπου κάνετε κάποιες υποθέσεις να αναφερθούν στη σχετική ερώτηση. Όλα τα αρχεία που αναφέρονται στα προβλήματα βρίσκονται στον ίδιο φάκελο με το εκτελέσιμο

Διαβάστε περισσότερα

HY380 Αλγόριθμοι και πολυπλοκότητα Hard Problems

HY380 Αλγόριθμοι και πολυπλοκότητα Hard Problems HY380 Αλγόριθμοι και πολυπλοκότητα Hard Problems Ημερομηνία Παράδοσης: 0/1/017 την ώρα του μαθήματος ή με email: mkarabin@csd.uoc.gr Γενικές Οδηγίες α) Επιτρέπεται η αναζήτηση στο Internet και στην βιβλιοθήκη

Διαβάστε περισσότερα

11/23/2014. Στόχοι. Λογισμικό Υπολογιστή

11/23/2014. Στόχοι. Λογισμικό Υπολογιστή ονάδα Δικτύων και Επικοινωνιών ΗΥ Τομέας Πληροφορικής, αθηματικών και Στατιστικής ΓΕΩΠΟΙΚΟ ΠΑΕΠΙΣΤΗΙΟ ΑΘΗΩ Εισαγωγή στην Επιστήμη των ΗΥ άθημα-4 url: http://openeclass.aua.gr (AOA0) Λογισμικό Υπολογιστή

Διαβάστε περισσότερα

Οργάνωση αρχείων: πως είναι τοποθετηµένες οι εγγραφές ενός αρχείου όταν αποθηκεύονται στο δίσκο

Οργάνωση αρχείων: πως είναι τοποθετηµένες οι εγγραφές ενός αρχείου όταν αποθηκεύονται στο δίσκο Κατακερµατισµός 1 Οργάνωση Αρχείων (σύνοψη) Οργάνωση αρχείων: πως είναι τοποθετηµένες οι εγγραφές ενός αρχείου όταν αποθηκεύονται στο δίσκο 1. Αρχεία Σωρού 2. Ταξινοµηµένα Αρχεία Φυσική διάταξη των εγγραφών

Διαβάστε περισσότερα

Επίλυση Προβληµάτων µε Greedy Αλγόριθµους

Επίλυση Προβληµάτων µε Greedy Αλγόριθµους Επίλυση Προβληµάτων µε Greedy Αλγόριθµους Περίληψη Επίλυση προβληµάτων χρησιµοποιώντας Greedy Αλγόριθµους Ελάχιστα Δέντρα Επικάλυψης Αλγόριθµος του Prim Αλγόριθµος του Kruskal Πρόβληµα Ελάχιστης Απόστασης

Διαβάστε περισσότερα

ιεργασίες και Επεξεργαστές στα Κατανεµηµένων Συστηµάτων

ιεργασίες και Επεξεργαστές στα Κατανεµηµένων Συστηµάτων ιεργασίες και Επεξεργαστές στα Κατανεµηµένων Συστηµάτων Μαρία Ι. Ανδρέου ΗΜΥ417, ΗΜΥ 663 Κατανεµηµένα Συστήµατα Χειµερινό Εξάµηνο 2006-2007 Τµήµα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Πανεπιστήµιο

Διαβάστε περισσότερα

Αλγόριθµοι και Πολυπλοκότητα

Αλγόριθµοι και Πολυπλοκότητα Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα Φεβρουαρίου 0 / ένδρα Ενα δένδρο είναι

Διαβάστε περισσότερα

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 24/3/2007

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 24/3/2007 Οδηγίες: Να απαντηθούν όλες οι ερωτήσεις. Όλοι οι αριθμοί που αναφέρονται σε όλα τα ερωτήματα μικρότεροι του 10000 εκτός αν ορίζεται διαφορετικά στη διατύπωση του προβλήματος. Αν κάπου κάνετε κάποιες υποθέσεις

Διαβάστε περισσότερα

Υπόστρωμα Ελέγχου Πρόσβασης Μέσου. Medium Access Control Sub-layer.

Υπόστρωμα Ελέγχου Πρόσβασης Μέσου. Medium Access Control Sub-layer. Υπόστρωμα Ελέγχου Πρόσβασης Μέσου Medium Access Control Sub-layer. Πρόβλημα Υπάρχει ένα κανάλι το οποίο «μοιράζονται» πολλοί κόμβοι. Πρόβλημα: Ποίος μεταδίδει και πότε; Περίληψη Κανάλια πολλαπλής πρόσβασης

Διαβάστε περισσότερα

Λειτουργικά Συστήματα Η/Υ

Λειτουργικά Συστήματα Η/Υ Λειτουργικά Συστήματα Η/Υ Κεφάλαιο 7 «Διαχείριση Μνήμης» Διδάσκων: Δ. Λιαροκάπης Διαφάνειες: Π. Χατζηδούκας 1 Κύρια Μνήμη 1. Εισαγωγή 2. Βασική διαχείριση μνήμης 3. Μνήμη και πολυπρογραμματισμός 4. Τμηματοποίηση

Διαβάστε περισσότερα

Οι βασικές λειτουργίες (ή πράξεις) που γίνονται σε μια δομή δεδομένων είναι:

Οι βασικές λειτουργίες (ή πράξεις) που γίνονται σε μια δομή δεδομένων είναι: ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ Μια δομή δεδομένων στην πληροφορική, συχνά αναπαριστά οντότητες του φυσικού κόσμου στον υπολογιστή. Για την αναπαράσταση αυτή, δημιουργούμε πρώτα ένα αφηρημένο μοντέλο στο οποίο προσδιορίζονται

Διαβάστε περισσότερα

Ορισµός. (neighboring) καταστάσεων. ηλαδή στην περίπτωση αλυσίδας Markov. 1.2 ιαµόρφωση µοντέλου

Ορισµός. (neighboring) καταστάσεων. ηλαδή στην περίπτωση αλυσίδας Markov. 1.2 ιαµόρφωση µοντέλου 200-04-25. ιαδικασίες γεννήσεων-θανάτων. Ορισµός Οι διαδικασίες γεννήσεων-θανάτων (birth-death rocesses) αποτελούν µια σπουδαία κλάση αλυσίδων Markov (διακριτού ή συνεχούς χρόνου). Η ιδιαίτερη συνθήκη

Διαβάστε περισσότερα

ΤΕΙ Κρήτης, Παράρτηµα Χανίων

ΤΕΙ Κρήτης, Παράρτηµα Χανίων ΠΣΕ, Τµήµα Τηλεπικοινωνιών & ικτύων Η/Υ Εργαστήριο ιαδίκτυα & Ενδοδίκτυα Η/Υ ( ηµιουργία συστήµατος µε ροint-tο-ροint σύνδεση) ρ Θεοδώρου Παύλος Χανιά 2003 Περιεχόµενα 1 ΕΙΣΑΓΩΓΗ...2 2 ΤΟ ΚΑΝΑΛΙ PΟINT-TΟ-PΟINT...2

Διαβάστε περισσότερα

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Χιωτίδης Γεώργιος Τμήμα Λογιστικής και Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

Πρόβλημα 1: Αναζήτηση Ελάχιστης/Μέγιστης Τιμής

Πρόβλημα 1: Αναζήτηση Ελάχιστης/Μέγιστης Τιμής Πρόβλημα 1: Αναζήτηση Ελάχιστης/Μέγιστης Τιμής Να γραφεί πρόγραμμα το οποίο δέχεται ως είσοδο μια ακολουθία S από n (n 40) ακέραιους αριθμούς και επιστρέφει ως έξοδο δύο ακολουθίες από θετικούς ακέραιους

Διαβάστε περισσότερα

Αλγόριθµοι και Πολυπλοκότητα

Αλγόριθµοι και Πολυπλοκότητα Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 23 Μαρτίου 2017 1 / 20 Επιλογή Το πρόβληµα

Διαβάστε περισσότερα

Ν. Μ. Μισυρλής. Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών. Καθηγητής: Ν. Μ. Μισυρλής 29 Μαΐου / 18

Ν. Μ. Μισυρλής. Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών. Καθηγητής: Ν. Μ. Μισυρλής 29 Μαΐου / 18 Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής 29 Μαΐου 2017 1 / 18 Βέλτιστα (στατικά) δυαδικά δένδρα αναζήτησης Παράδειγµα: Σχεδιασµός προγράµµατος

Διαβάστε περισσότερα

Πρωτόκολλα Ελέγχου προσπέλασης μέσου

Πρωτόκολλα Ελέγχου προσπέλασης μέσου Πρωτόκολλα Ελέγχου προσπέλασης μέσου Πρόβλημα: ταυτόχρονη μετάδοση δύο ή περισσότερων κόμβων στο ίδιο κανάλι (μήκος κύματος). Ένα τέτοιο γεγονός ονομάζεται σύγκρουση. Ένα πρωτόκολλο MAC έχει συνήθως ως

Διαβάστε περισσότερα

Αλγόριθµοι και Πολυπλοκότητα

Αλγόριθµοι και Πολυπλοκότητα Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 28 Μαΐου 2015 1 / 45 Εισαγωγή Ο δυναµικός

Διαβάστε περισσότερα

Κεφάλαιο 5: Στρατηγική χωροταξικής διάταξης

Κεφάλαιο 5: Στρατηγική χωροταξικής διάταξης K.5.1 Γραμμή Παραγωγής Μια γραμμή παραγωγής θεωρείται μια διάταξη με επίκεντρο το προϊόν, όπου μια σειρά από σταθμούς εργασίας μπαίνουν σε σειρά με στόχο ο κάθε ένας από αυτούς να κάνει μια ή περισσότερες

Διαβάστε περισσότερα

Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων

Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων Ακαδ. Έτος 2017-2018 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής

Διαβάστε περισσότερα

Σύστηµα Αρχείων και Καταλόγων

Σύστηµα Αρχείων και Καταλόγων ΕΠΛ 003 ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Σύστηµα Αρχείων και Καταλόγων ιάλεξη 7 (Κεφάλαιο 11 του βιβλίου) Στόχοι Κεφαλαίου Περιγραφή της έννοιας του αρχείου, συστήµατος

Διαβάστε περισσότερα

ΕΕ728 Προχωρηµένα Θέµατα Θεωρίας Πληροφορίας 12η διάλεξη (2η έκδοση, 20/5/2013)

ΕΕ728 Προχωρηµένα Θέµατα Θεωρίας Πληροφορίας 12η διάλεξη (2η έκδοση, 20/5/2013) ΕΕ728 Προχωρηµένα Θέµατα Θεωρίας Πληροφορίας 12η διάλεξη (2η έκδοση, 20/5/2013) ηµήτρης-αλέξανδρος Τουµπακάρης Τµήµα ΗΜ&ΤΥ, Πανεπιστήµιο Πατρών 14 Μαΐου 2013 ηµήτρης-αλέξανδρος Τουµπακάρης Προχωρηµένα

Διαβάστε περισσότερα

Προγραµµατισµός 1 Ταξινόµηση - Αναζήτηση

Προγραµµατισµός 1 Ταξινόµηση - Αναζήτηση Προγραµµατισµός 1 Ταξινόµηση - Αναζήτηση 1 Ταξινόµηση! Δεδοµένα: Δίνεται ένας πίνακας data από N ακεραίους! Ζητούµενο: Να ταξινοµηθούν τα περιεχόµενα σε αύξουσα αριθµητική σειρά:!i : 0 data[i]

Διαβάστε περισσότερα

Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων

Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων Με τον όρο μη γραμμικές εξισώσεις εννοούμε εξισώσεις της μορφής: f( ) 0 που προέρχονται από συναρτήσεις f () που είναι μη γραμμικές ως προς. Περιέχουν δηλαδή

Διαβάστε περισσότερα

Κεφάλαιο 6: Προσομοίωση ενός συστήματος αναμονής

Κεφάλαιο 6: Προσομοίωση ενός συστήματος αναμονής Κεφάλαιο 6: Προσομοίωση ενός συστήματος αναμονής Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων Γιάννης Γαροφαλάκης Αν. Καθηγητής ιατύπωση του προβλήματος (1) Τα συστήματα αναμονής (queueing systems), βρίσκονται

Διαβάστε περισσότερα

Ανάλυση αλγορίθμων. Χρόνος εκτέλεσης: Αναμενόμενη περίπτωση. - απαιτεί γνώση της κατανομής εισόδου

Ανάλυση αλγορίθμων. Χρόνος εκτέλεσης: Αναμενόμενη περίπτωση. - απαιτεί γνώση της κατανομής εισόδου Ανάλυση αλγορίθμων Παράμετροι απόδοσης ενός αλγόριθμου: Χρόνος εκτέλεσης Απαιτούμενοι πόροι, π.χ. μνήμη, επικοινωνία (π.χ. σε κατανεμημένα συστήματα) Προσπάθεια υλοποίησης Ανάλυση της απόδοσης Θεωρητική

Διαβάστε περισσότερα

Διάλεξη 04: Παραδείγματα Ανάλυσης

Διάλεξη 04: Παραδείγματα Ανάλυσης Διάλεξη 04: Παραδείγματα Ανάλυσης Πολυπλοκότητας/Ανάλυση Αναδρομικών Αλγόριθμων Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: - Παραδείγματα Ανάλυσης Πολυπλοκότητας : Μέθοδοι, παραδείγματα

Διαβάστε περισσότερα

Κατακερματισμός. 4/3/2009 Μ.Χατζόπουλος 1

Κατακερματισμός. 4/3/2009 Μ.Χατζόπουλος 1 Κατακερματισμός 4/3/2009 Μ.Χατζόπουλος 1 H ιδέα που βρίσκεται πίσω από την τεχνική του κατακερματισμού είναι να δίνεται μια συνάρτησης h, που λέγεται συνάρτηση κατακερματισμού ή παραγωγής τυχαίων τιμών

Διαβάστε περισσότερα

Μορφές αποδείξεων. Μαθηματικά Πληροφορικής 2ο Μάθημα. Μορφές αποδείξεων (συνέχεια) Εξαντλητική μέθοδος

Μορφές αποδείξεων. Μαθηματικά Πληροφορικής 2ο Μάθημα. Μορφές αποδείξεων (συνέχεια) Εξαντλητική μέθοδος Μορφές αποδείξεων Μαθηματικά Πληροφορικής ο Μάθημα Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήμιο Αθηνών Υπάρχουν πολλά είδη αποδείξεων. Εδώ θα δούμε τα πιο κοινά: Εξαντλητική μέθοδος ή μέθοδος επισκόπησης.

Διαβάστε περισσότερα

Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων ομές εδομένων

Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων ομές εδομένων Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων 3. Στοίβες & Ουρές 2 ομές εδομένων 4 5 Χρήστος ουλκερίδης Τμήμα Ψηφιακών Συστημάτων 19/10/2017 Ανακεφαλαίωση:

Διαβάστε περισσότερα

Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων ομές εδομένων

Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων ομές εδομένων Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων 3. Στοίβες & Ουρές 2 ομές εδομένων 4 5 Χρήστος ουλκερίδης Τμήμα Ψηφιακών Συστημάτων 4/11/2016 Ανακεφαλαίωση:

Διαβάστε περισσότερα

Δροµολόγηση (Routing)

Δροµολόγηση (Routing) Δροµολόγηση (Routing) Περίληψη Flooding Η Αρχή του Βέλτιστου και Δυναµικός Προγραµµατισµός Dijkstra s Algorithm Αλγόριθµοi Δροµολόγησης Link State Distance Vector Δροµολόγηση σε Κινητά Δίκτυα Δροµολόγηση

Διαβάστε περισσότερα

Initialize each person to be free. while (some man is free and hasn't proposed to every woman) { Choose such a man m w = 1 st woman on m's list to

Initialize each person to be free. while (some man is free and hasn't proposed to every woman) { Choose such a man m w = 1 st woman on m's list to Κεφάλαιο 2 Δοµές Δεδοµένων Ι Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne. 1 Δοµές Δεδοµένων Ι Στην ενότητα αυτή θα γνωρίσουµε ορισµένες Δοµές Δεδοµένων και θα τις χρησιµοποιήσουµε

Διαβάστε περισσότερα

Κατανεμημένα Συστήματα Ι

Κατανεμημένα Συστήματα Ι Κατανεμημένα Συστήματα Ι Εκλογή αρχηγού και κατασκευή BFS δένδρου σε σύγχρονο γενικό δίκτυο Παναγιώτα Παναγοπούλου Περίληψη Εκλογή αρχηγού σε γενικά δίκτυα Ορισμός του προβλήματος Ο αλγόριθμος FloodMax

Διαβάστε περισσότερα

Δίκτυα Κινητών και Προσωπικών Επικοινωνιών

Δίκτυα Κινητών και Προσωπικών Επικοινωνιών Δίκτυα Κινητών και Προσωπικών Επικοινωνιών Διαστασιοποίηση Ασύρματου Δικτύου Άγγελος Ρούσκας Τμήμα Ψηφιακών Συστημάτων Πανεπιστήμιο Πειραιώς Τηλεπικοινωνιακή κίνηση στα κυψελωτά συστήματα Βασικός στόχος

Διαβάστε περισσότερα

Μέθοδος μέγιστης πιθανοφάνειας

Μέθοδος μέγιστης πιθανοφάνειας Αν x =,,, παρατηρήσεις των Χ =,,,, τότε έχουμε διαθέσιμο ένα δείγμα Χ={Χ, =,,,} της κατανομής F μεγέθους με από κοινού σκ της Χ f x f x Ορισμός : Θεωρούμε ένα τυχαίο δείγμα Χ=(Χ, Χ,, Χ ) από πληθυσμό το

Διαβάστε περισσότερα

Ενότητα 9 Ξένα Σύνολα που υποστηρίζουν τη λειτουργία της Ένωσης (Union-Find)

Ενότητα 9 Ξένα Σύνολα που υποστηρίζουν τη λειτουργία της Ένωσης (Union-Find) Ενότητα 9 Ξένα Σύνολα που υποστηρίζουν τη (Union-Find) ΗΥ240 - Παναγιώτα Φατούρου 1 Ξένα Σύνολα που υποστηρίζουν τη λειτουργία της Ένωσης Έστω ότι S 1,, S k είναι ξένα υποσύνολα ενός συνόλου U, δηλαδή

Διαβάστε περισσότερα

Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης

Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Τμήμα Πληροφορικής Περιγραφή του επιστημονικού άρθρου Dissemination-based Data Delivery Using Broadcast Disks Swarup Acharya, Dept. of Computer Science, Brown University,

Διαβάστε περισσότερα

Markov. Γ. Κορίλη, Αλυσίδες. Αλυσίδες Markov

Markov. Γ. Κορίλη, Αλυσίδες. Αλυσίδες Markov Γ. Κορίλη, Αλυσίδες Markov 3- http://www.seas.upe.edu/~tcom5/lectures/lecture3.pdf Αλυσίδες Markov Αλυσίδες Markov ιακριτού Χρόνου Υπολογισµός Στάσιµης Κατανοµής Εξισώσεις Ολικού Ισοζυγίου Εξισώσεις Λεπτοµερούς

Διαβάστε περισσότερα

που θα δώσει αποτέλεσµα 48, λόγω της αριστερής προσεταιριστικότητας των τελεστών / και *, ενώ η επιθυµητή αντικατάσταση θα ήταν η

που θα δώσει αποτέλεσµα 48, λόγω της αριστερής προσεταιριστικότητας των τελεστών / και *, ενώ η επιθυµητή αντικατάσταση θα ήταν η ΕΙΣΑΓΩΓΗ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ Ενδεικτικές Απαντήσεις Εξετάσεων Α' Περιόδου 2013 Θέµα 1 (α') Η απάντηση είναι λάθος. Αν χρησιµοποιήσουµε την µακροεντολή, για παράδειγµα, στην έκφραση 24/CUBE(2) η έκφραση

Διαβάστε περισσότερα

ΠΛΗ111. Ανοιξη Μάθηµα 2 ο. Αλγόριθµοι και Αφηρηµένοι Τύποι εδοµένων. Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Πολυτεχνείο Κρήτης

ΠΛΗ111. Ανοιξη Μάθηµα 2 ο. Αλγόριθµοι και Αφηρηµένοι Τύποι εδοµένων. Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Πολυτεχνείο Κρήτης ΠΛΗ111 οµηµένος Προγραµµατισµός Ανοιξη 2005 Μάθηµα 2 ο Αλγόριθµοι και Αφηρηµένοι Τύποι εδοµένων Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Πολυτεχνείο Κρήτης Αλγόριθµοι Ορισµός Παράδειγµα Ασυµπτωτική

Διαβάστε περισσότερα

Μορφές αποδείξεων Υπάρχουν πολλά είδη αποδείξεων. Εδώ θα δούμε τα πιο κοινά: Εξαντλητική μέθοδος ή μέθοδος επισκόπησης. Οταν το πρόβλημα έχει πεπερασμ

Μορφές αποδείξεων Υπάρχουν πολλά είδη αποδείξεων. Εδώ θα δούμε τα πιο κοινά: Εξαντλητική μέθοδος ή μέθοδος επισκόπησης. Οταν το πρόβλημα έχει πεπερασμ Μαθηματικά Πληροφορικής 2ο Μάθημα Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήμιο Αθηνών Μορφές αποδείξεων Υπάρχουν πολλά είδη αποδείξεων. Εδώ θα δούμε τα πιο κοινά: Εξαντλητική μέθοδος ή μέθοδος επισκόπησης.

Διαβάστε περισσότερα

Κεφάλαιο 5: Τοπικά ίκτυα

Κεφάλαιο 5: Τοπικά ίκτυα Κεφάλαιο 5: Τοπικά ίκτυα 5.1 ΤοΠρωτόκολλο ALOHA Αλγόριθµοι επίλυσης συγκρούσεων µε βάση το δυαδικό δένδρο 5.2 ίκτυα Ethernet Πρότυπο ΙΕΕΕ 802.3 5.3 ίκτυα Token Ring - Πρότυπο ΙΕΕΕ 802.5 Τοπικά ίκτυα 5-1

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΘΕΜΑ ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις 26 Ιανουαρίου 2004 ιάρκεια: 2 ώρες (9:00-:00) Στην παρακάτω

Διαβάστε περισσότερα

Πανεπιστήµιο Θεσσαλίας

Πανεπιστήµιο Θεσσαλίας Πανεπιστήµιο Θεσσαλίας Τµήµα Πληροφορικής Ενότητα 8η: Συσκευές Ε/Ε - Αρτηρίες Άσκηση 1: Υπολογίστε το µέσο χρόνο ανάγνωσης ενός τµήµατος των 512 bytes σε µια µονάδα σκληρού δίσκου µε ταχύτητα περιστροφής

Διαβάστε περισσότερα

Κεφάλαιο 4. Διαίρει και Βασίλευε (Divide and Conquer) Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

Κεφάλαιο 4. Διαίρει και Βασίλευε (Divide and Conquer) Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne. Κεφάλαιο 4 Διαίρει και Βασίλευε (Divide and Conquer) Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne. 1 Διαίρει και Βασίλευε (Divide-and-Conquer) Διαίρει-και-βασίλευε (γενικά) Χωρίζουµε

Διαβάστε περισσότερα

auth Αλγόριθμοι - Τμήμα Πληροφορικής ΑΠΘ - Εξάμηνο 4ο

auth Αλγόριθμοι - Τμήμα Πληροφορικής ΑΠΘ - Εξάμηνο 4ο Σχεδίαση Αλγορίθμων Διαίρει και Βασίλευε http://delab.csd.auth.gr/courses/algorithms/ auth 1 Διαίρει και Βασίλευε Η γνωστότερη ρημέθοδος σχεδιασμού αλγορίθμων: 1. Διαιρούμε το στιγμιότυπο του προβλήματος

Διαβάστε περισσότερα

Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) Περιεχόµενα. Αρχιτεκτονική κινητού δικτύου. ηµήτριος Κατσαρός, Ph.D.

Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) Περιεχόµενα. Αρχιτεκτονική κινητού δικτύου. ηµήτριος Κατσαρός, Ph.D. Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) ηµήτριος Κατσαρός, Ph.D. Χειµώνας 006 ιάλεξη 9η 07//006 Τµήµα ΜηχανικώνΗ/Υ, Τηλεπικοινωνιών και ικτύων, Πανεπιστήµιο Θεσσαλίας Περιεχόµενα

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ 23: οµές εδοµένων και Αλγόριθµοι Ενδιάµεση Εξέταση Ηµεροµηνία : ευτέρα, 3 Νοεµβρίου 2008 ιάρκεια : 2.00-4.00 ιδάσκουσα : Άννα Φιλίππου Ονοµατεπώνυµο: ΣΚΕΛΕΤΟΙ

Διαβάστε περισσότερα

διεύθυνση πρώτου στοιχείου διεύθυνση i-οστού στοιχείου T t[n]; &t[0] είναι t &t[i] είναι t + i*sizeof(t)

διεύθυνση πρώτου στοιχείου διεύθυνση i-οστού στοιχείου T t[n]; &t[0] είναι t &t[i] είναι t + i*sizeof(t) Προγραµµατισµός Ι (ΗΥ120) ιάλεξη 18: ιασυνδεµένες οµές - Λίστες ιασυνδεδεµένες δοµές δεδοµένων Η µνήµη ενός πίνακα δεσµεύεται συνεχόµενα. Η πρόσβαση στο i-οστό στοιχείο είναι άµεσηκαθώς η διεύθυνση του

Διαβάστε περισσότερα

Βασικές Έννοιες Δοµών Δεδοµένων

Βασικές Έννοιες Δοµών Δεδοµένων Δοµές Δεδοµένων Δοµές Δεδοµένων Στην ενότητα αυτή θα γνωρίσουµε ορισµένες Δοµές Δεδοµένων και θα τις χρησιµοποιήσουµε για την αποδοτική επίλυση του προβλήµατος του ευσταθούς ταιριάσµατος Βασικές Έννοιες

Διαβάστε περισσότερα

Ανάκτηση Πληροφορίας

Ανάκτηση Πληροφορίας Το Πιθανοκρατικό Μοντέλο Κλασικά Μοντέλα Ανάκτησης Τρία είναι τα, λεγόμενα, κλασικά μοντέλα ανάκτησης: Λογικό (Boolean) που βασίζεται στη Θεωρία Συνόλων Διανυσματικό (Vector) που βασίζεται στη Γραμμική

Διαβάστε περισσότερα

ΑΛΓΟΡΙΘΜΟΙ Άνοιξη I. ΜΗΛΗΣ

ΑΛΓΟΡΙΘΜΟΙ  Άνοιξη I. ΜΗΛΗΣ ΑΛΓΟΡΙΘΜΟΙ http://eclass.aueb.gr/courses/inf161/ Άνοιξη 2017 - I. ΜΗΛΗΣ ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Knapsack problems ΑΛΓΟΡΙΘΜΟΙ - ΑΝΟΙΞΗ 2017 - Ι. ΜΗΛΗΣ 10 DP III 1 Knapsack problems ΕΙΣΟΔΟΣ: Σακίδιο χωρητικότητας

Διαβάστε περισσότερα

Δυναμικός Προγραμματισμός

Δυναμικός Προγραμματισμός Δυναμικός Προγραμματισμός Επιμέλεια διαφανειών: Δ. Φωτάκης Τροποποιήσεις: Α. Παγουρτζής Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Διωνυμικοί Συντελεστές Διωνυμικοί

Διαβάστε περισσότερα

Κατανεμημένα Συστήματα Ι

Κατανεμημένα Συστήματα Ι Εκλογή αρχηγού σε γενικά δίκτυα 20 Οκτωβρίου 2016 Παναγιώτα Παναγοπούλου Εκλογή αρχηγού σε γενικά δίκτυα Προηγούμενη διάλεξη Σύγχρονα Κατανεμημένα Συστήματα Μοντελοποίηση συστήματος Πρόβλημα εκλογής αρχηγού

Διαβάστε περισσότερα

Μοντελοποίηση προβληµάτων

Μοντελοποίηση προβληµάτων Σχεδιασµός Αλγορίθµων Ακέραιος προγραµµατισµός Αποδοτικοί Αλγόριθµοι Μη Αποδοτικοί Αλγόριθµοι Σχεδιασµός Αλγορίθµων Ακέραιος προγραµµατισµός Αποδοτικοί Αλγόριθµοι Μη Αποδοτικοί Αλγόριθµοι Θεωρία γράφων

Διαβάστε περισσότερα

Διάλεξη 14: Δέντρα IV - B-Δένδρα

Διάλεξη 14: Δέντρα IV - B-Δένδρα ΕΠΛ231 Δομές Δεδομένων και Αλγόριθμοι 1 Διάλεξη 14: Δέντρα IV - B-Δένδρα Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: - 2-3 Δένδρα, Εισαγωγή και άλλες πράξεις - Άλλα Δέντρα: Β-δένδρα, Β+-δέντρα,

Διαβάστε περισσότερα

Επεξεργασία Πολυµέσων. Δρ. Μαρία Κοζύρη Π.Μ.Σ. «Εφαρµοσµένη Πληροφορική» Τµήµα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Πανεπιστήµιο Θεσσαλίας

Επεξεργασία Πολυµέσων. Δρ. Μαρία Κοζύρη Π.Μ.Σ. «Εφαρµοσµένη Πληροφορική» Τµήµα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Πανεπιστήµιο Θεσσαλίας Π.Μ.Σ. «Εφαρµοσµένη Πληροφορική» Τµήµα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Πανεπιστήµιο Θεσσαλίας Ενότητα 3: Επισκόπηση Συµπίεσης 2 Θεωρία Πληροφορίας Κωδικοποίηση Θεµελιώθηκε απο τον Claude

Διαβάστε περισσότερα

Εξωτερική Αναζήτηση. Ιεραρχία Μνήμης Υπολογιστή. Εξωτερική Μνήμη. Εσωτερική Μνήμη. Κρυφή Μνήμη (Cache) Καταχωρητές (Registers) μεγαλύτερη ταχύτητα

Εξωτερική Αναζήτηση. Ιεραρχία Μνήμης Υπολογιστή. Εξωτερική Μνήμη. Εσωτερική Μνήμη. Κρυφή Μνήμη (Cache) Καταχωρητές (Registers) μεγαλύτερη ταχύτητα Ιεραρχία Μνήμης Υπολογιστή Εξωτερική Μνήμη Εσωτερική Μνήμη Κρυφή Μνήμη (Cache) μεγαλύτερη χωρητικότητα Καταχωρητές (Registers) Κεντρική Μονάδα (CPU) μεγαλύτερη ταχύτητα Πολλές σημαντικές εφαρμογές διαχειρίζονται

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΑΠΑΝΤΗΣΕΙΣ Α ΕΡΓΑΣΙΑΣ. ( 8 µον.) Η άσκηση αυτή αναφέρεται σε διαιρετότητα και ρίζες πολυωνύµων. a. Να λυθεί η εξίσωση

Διαβάστε περισσότερα

Επιµέλεια Θοδωρής Πιερράτος

Επιµέλεια Θοδωρής Πιερράτος εδοµένα οµές δεδοµένων και αλγόριθµοι Τα δεδοµένα είναι ακατέργαστα γεγονότα. Η συλλογή των ακατέργαστων δεδοµένων και ο συσχετισµός τους δίνει ως αποτέλεσµα την πληροφορία. Η µέτρηση, η κωδικοποίηση,

Διαβάστε περισσότερα

Γραµµικός Προγραµµατισµός (ΓΠ)

Γραµµικός Προγραµµατισµός (ΓΠ) Γραµµικός Προγραµµατισµός (ΓΠ) Περίληψη Επίλυση δυσδιάστατων προβληµάτων Η µέθοδος simplex Τυπική µορφή Ακέραιος Προγραµµατισµός Προγραµµατισµός Παραγωγής Προϊόν Προϊόν 2 Παραγωγική Δυνατότητα Μηχ. 4 Μηχ.

Διαβάστε περισσότερα

Ανάλυση Χρόνου, Πόρων & Κόστους

Ανάλυση Χρόνου, Πόρων & Κόστους ΠΜΣ: «Παραγωγή και ιαχείριση Ενέργειας» ιαχείριση Ενέργειας και ιοίκηση Έργων Ανάλυση Χρόνου, Πόρων & Κόστους Επ. Καθηγητής Χάρης ούκας, Καθηγητής Ιωάννης Ψαρράς Εργαστήριο Συστημάτων Αποφάσεων & ιοίκησης

Διαβάστε περισσότερα

Τμήμα Οικιακής Οικονομίας και Οικολογίας. Οργάνωση Υπολογιστών

Τμήμα Οικιακής Οικονομίας και Οικολογίας. Οργάνωση Υπολογιστών Οργάνωση Υπολογιστών Υπολογιστικό Σύστημα Λειτουργικό Σύστημα Αποτελεί τη διασύνδεση μεταξύ του υλικού ενός υπολογιστή και του χρήστη (προγραμμάτων ή ανθρώπων). Είναι ένα πρόγραμμα (ή ένα σύνολο προγραμμάτων)

Διαβάστε περισσότερα

Εργαστήριο 7: Ο αλγόριθμος ταξινόμησης Radix Sort

Εργαστήριο 7: Ο αλγόριθμος ταξινόμησης Radix Sort Εργαστήριο 7: Ο αλγόριθμος ταξινόμησης Radix Sort Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: -Ο αλγόριθμος ταξινόμησης Radix Sort -Δυο εκδοχές: Most Significant Digit (MSD) και Least Significant

Διαβάστε περισσότερα

Σχεδίαση Αλγορίθμων -Τμήμα Πληροφορικής ΑΠΘ - Εξάμηνο 4ο

Σχεδίαση Αλγορίθμων -Τμήμα Πληροφορικής ΑΠΘ - Εξάμηνο 4ο Πολλαπλασιασμός μεγάλων ακεραίων (1) Για να πολλαπλασιάσουμε δύο ακεραίους με n 1 και n 2 ψηφία με το χέρι, θα εκτελέσουμε n 1 n 2 πράξεις πολλαπλασιασμού Πρόβλημα ρβημ όταν έχουμε πολλά ψηφία: A = 12345678901357986429

Διαβάστε περισσότερα

ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ C ΣΕΙΡΑ 1 η

ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ C ΣΕΙΡΑ 1 η Δ.Π.Θ. - Πολυτεχνική Σχολή Τμήμα Μηχανικών Παραγωγής & Διοίκησης Ακαδ. έτος 2016-2017 Τομέας Συστημάτων Παραγωγής Εξάμηνο Β Αναπληρωτής Καθηγητής Στέφανος Δ. Κατσαβούνης ΜΑΘΗΜΑ : ΔΟΜΗΜΕΝΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Διαβάστε περισσότερα

Υπόστρωµα Ελέγχου Πρόσβασης Μέσου. Medium Access Control Sub-layer.

Υπόστρωµα Ελέγχου Πρόσβασης Μέσου. Medium Access Control Sub-layer. Υπόστρωµα Ελέγχου Πρόσβασης Μέσου Medium Access Control Sub-layer. Πρόβληµα Υπάρχει ένα κανάλι το οποίο «µοιράζονται» πολλοί κόµβοι. Πρόβληµα: Ποίος µεταδίδει και πότε; Περίληψη Κανάλια πολλαπλής πρόσβασης

Διαβάστε περισσότερα

Δομές Δεδομένων & Αλγόριθμοι

Δομές Δεδομένων & Αλγόριθμοι Θέματα Απόδοσης Αλγορίθμων 1 Η Ανάγκη για Δομές Δεδομένων Οι δομές δεδομένων οργανώνουν τα δεδομένα πιο αποδοτικά προγράμματα Πιο ισχυροί υπολογιστές πιο σύνθετες εφαρμογές Οι πιο σύνθετες εφαρμογές απαιτούν

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ EPL035: ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΑΛΓΟΡΙΘΜΟΙ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ EPL035: ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΑΛΓΟΡΙΘΜΟΙ ΠΝΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜ ΠΛΗΡΟΦΟΡΙΚΗΣ EPL035: ΔΟΜΣ ΔΔΟΜΝΩΝ ΚΙ ΛΓΟΡΙΘΜΟΙ ΗΜΡΟΜΗΝΙ: 14/11/2018 ΔΙΓΝΩΣΤΙΚΟ ΠΝΩ Σ ΔΝΔΡΙΚΣ ΔΟΜΣ ΚΙ ΓΡΦΟΥΣ Διάρκεια: 45 λεπτά Ονοματεπώνυμο:. ρ. Ταυτότητας:. ΒΘΜΟΛΟΓΙ ΣΚΗΣΗ ΒΘΜΟΣ

Διαβάστε περισσότερα

Αλγόριθµοι και Πολυπλοκότητα

Αλγόριθµοι και Πολυπλοκότητα Αλγόριθµοι και Πολυπλοκότητα Ενότητα 2 ιαίρει και Βασίλευε Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Καθηγητής: Ν. Μ. Μισυρλής Αλγόριθµοι και Πολυπλοκότητα - Ενότητα 2 1 / 24 Επιλογή Το πρόβληµα

Διαβάστε περισσότερα

ΕΠΛ231 Δομές Δεδομένων και Αλγόριθμοι 4. Παραδείγματα Ανάλυσης Πολυπλοκότητας Ανάλυση Αναδρομικών Αλγόριθμων

ΕΠΛ231 Δομές Δεδομένων και Αλγόριθμοι 4. Παραδείγματα Ανάλυσης Πολυπλοκότητας Ανάλυση Αναδρομικών Αλγόριθμων ΕΠΛ31 Δομές Δεδομένων και Αλγόριθμοι 4. Παραδείγματα Ανάλυσης Πολυπλοκότητας Ανάλυση Αναδρομικών Αλγόριθμων Διάλεξη 04: Παραδείγματα Ανάλυσης Πολυπλοκότητας/Ανάλυση Αναδρομικών Αλγόριθμων Στην ενότητα

Διαβάστε περισσότερα

Λύση: Λύση: Λύση: Λύση:

Λύση: Λύση: Λύση: Λύση: 1. Ένας δίαυλος έχει ρυθµό δεδοµένων 4 kbps και καθυστέρηση διάδοσης 20 msec. Για ποια περιοχή µηκών των πλαισίων µπορεί η µέθοδος παύσης και αναµονής να έχει απόδοση τουλάχιστον 50%; Η απόδοση θα είναι

Διαβάστε περισσότερα

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 6/5/2006

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 6/5/2006 Οδηγίες: Να απαντηθούν όλες οι ερωτήσεις. Ολοι οι αριθμοί που αναφέρονται σε όλα τα ερωτήματα είναι μικρότεροι το 1000 εκτός αν ορίζεται διαφορετικά στη διατύπωση του προβλήματος. Διάρκεια: 3,5 ώρες Καλή

Διαβάστε περισσότερα

Αντισταθμιστική ανάλυση

Αντισταθμιστική ανάλυση Αντισταθμιστική ανάλυση Θεωρήστε έναν αλγόριθμο Α που χρησιμοποιεί μια δομή δεδομένων Δ : Κατά τη διάρκεια εκτέλεσης του Α η Δ πραγματοποιεί μία ακολουθία από πράξεις. Παράδειγμα: Θυμηθείτε το πρόβλημα

Διαβάστε περισσότερα

ΠΛΗ111. Ανοιξη 2005. Μάθηµα 7 ο. έντρο. Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Πολυτεχνείο Κρήτης

ΠΛΗ111. Ανοιξη 2005. Μάθηµα 7 ο. έντρο. Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Πολυτεχνείο Κρήτης ΠΛΗ111 οµηµένος Προγραµµατισµός Ανοιξη 2005 Μάθηµα 7 ο έντρο Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Πολυτεχνείο Κρήτης έντρο Ορισµός Υλοποίηση µε Πίνακα Υλοποίηση µε είκτες υαδικό έντρο

Διαβάστε περισσότερα

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Ανοικτά Δίκτυα Ουρών arkov - Θεώρημα Jackson (1) Παράδειγμα Επίδοσης Δικτύου Μεταγωγής Πακέτου (2) Παράδειγμα Ανάλυσης Υπολογιστικού Συστήματος Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr

Διαβάστε περισσότερα

Δοµές Δεδοµένων. 16η Διάλεξη Κατακερµατισµός. Ε. Μαρκάκης

Δοµές Δεδοµένων. 16η Διάλεξη Κατακερµατισµός. Ε. Μαρκάκης Δοµές Δεδοµένων 16η Διάλεξη Κατακερµατισµός Ε. Μαρκάκης Περίληψη Συναρτήσεις κατακερµατισµού Χωριστή αλυσίδωση Γραµµική διερεύνηση Διπλός κατακερµατισµός Δυναµικός κατακερµατισµός Προοπτική Δοµές Δεδοµένων

Διαβάστε περισσότερα

Αναζήτηση σε Γράφους. Μανόλης Κουμπαράκης. ΥΣ02 Τεχνητή Νοημοσύνη 1

Αναζήτηση σε Γράφους. Μανόλης Κουμπαράκης. ΥΣ02 Τεχνητή Νοημοσύνη 1 Αναζήτηση σε Γράφους Μανόλης Κουμπαράκης ΥΣ02 Τεχνητή Νοημοσύνη 1 Πρόλογος Μέχρι τώρα έχουμε δει αλγόριθμους αναζήτησης για την περίπτωση που ο χώρος καταστάσεων είναι δένδρο (υπάρχει μία μόνο διαδρομή

Διαβάστε περισσότερα

Κατ οίκον Εργασία 2 Σκελετοί Λύσεων

Κατ οίκον Εργασία 2 Σκελετοί Λύσεων Κατ οίκον Εργασία 2 Σκελετοί Λύσεων 1. (α) Αλγόριθµος: ηµιούργησε το σύνολο P που αποτελείται από τα άκρα όλων των ευθυγράµµων τµηµάτων. Βρες το κυρτό περίβληµα του P µε τον αλγόριθµο του Graham. Ορθότητα:

Διαβάστε περισσότερα

Α. ΚΛΑΣΜΑΤΙΚΕΣ ΕΞΙΣΩΣΕΙΣ (ΜΕΡΟΣ Β)

Α. ΚΛΑΣΜΑΤΙΚΕΣ ΕΞΙΣΩΣΕΙΣ (ΜΕΡΟΣ Β) ΜΑΘΗΜΑ 5 Κεφάλαιο o : Αλγεβρικές Παραστάσεις Υποενότητα.: Κλασµατικές Εξισώσεις Θεµατικές Ενότητες:. Κλασµατικές Εξισώσεις (Μέρος Β). Α. ΚΛΑΣΜΑΤΙΚΕΣ ΕΞΙΣΩΣΕΙΣ (ΜΕΡΟΣ Β) ΟΡΙΣΜΟΙ Κλασµατική εξίσωση λέγεται

Διαβάστε περισσότερα

Τηλεπικοινωνιακά Συστήματα ΙΙ

Τηλεπικοινωνιακά Συστήματα ΙΙ Τηλεπικοινωνιακά Συστήματα ΙΙ Διάλεξη 11: Κωδικοποίηση Πηγής Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Ατζέντα 1. Αλγόριθμοι κωδικοποίησης πηγής Αλγόριθμος Fano Αλγόριθμος Shannon Αλγόριθμος Huffman

Διαβάστε περισσότερα

Δοµές Δεδοµένων. 18η Διάλεξη Ισορροπηµένα δέντρα. Ε. Μαρκάκης

Δοµές Δεδοµένων. 18η Διάλεξη Ισορροπηµένα δέντρα. Ε. Μαρκάκης Δοµές Δεδοµένων 18η Διάλεξη Ισορροπηµένα δέντρα Ε. Μαρκάκης Περίληψη Επανάληψη των Τυχαιοποιηµένων ΔΔΑ, Στρεβλών ΔΔΑ, Δέντρων 2-3-4 Δέντρα κόκκινου-µαύρου Λίστες Παράλειψης Χαρακτηριστικά επιδόσεων - συµπεράσµατα

Διαβάστε περισσότερα

Τα δεδομένα (περιεχόμενο) μιας βάσης δεδομένων αποθηκεύεται στο δίσκο

Τα δεδομένα (περιεχόμενο) μιας βάσης δεδομένων αποθηκεύεται στο δίσκο Κατακερματισμός 1 Αποθήκευση εδομένων (σύνοψη) Τα δεδομένα (περιεχόμενο) μιας βάσης δεδομένων αποθηκεύεται στο δίσκο Παραδοσιακά, μία σχέση (πίνακας/στιγμιότυπο) αποθηκεύεται σε ένα αρχείο Αρχείο δεδομένων

Διαβάστε περισσότερα

Αλγόριθµοι Ροής σε Γράφους (CLR, κεφάλαιο 27)

Αλγόριθµοι Ροής σε Γράφους (CLR, κεφάλαιο 27) Αλγόριθµοι Ροής σε Γράφους (CLR, κεφάλαιο 27) Στην ενότητα αυτή θα µελετηθούν τα εξής θέµατα: ίκτυα ροής και το πρόβληµα της µέγιστης ροής Η µεθοδολογία Ford-Fulkerson Ο αλγόριθµος Edmonds-Karps ΕΠΛ 232

Διαβάστε περισσότερα

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Εφαρμογές Θεωρήματος Jackson: (i) Δίκτυα Μεταγωγής Πακέτου (ii) Υπολογιστικά Μοντέλα Πολυεπεξεργασίας Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 3/5/2017 ΑΝΟΙΚΤΑ ΔΙΚΤΥΑ

Διαβάστε περισσότερα

3. Προσομοίωση ενός Συστήματος Αναμονής.

3. Προσομοίωση ενός Συστήματος Αναμονής. 3. Προσομοίωση ενός Συστήματος Αναμονής. 3.1. Διατύπωση του Προβλήματος. Τα συστήματα αναμονής (queueing systems), βρίσκονται πίσω από τα περισσότερα μοντέλα μελέτης της απόδοσης υπολογιστικών συστημάτων,

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις 21 Σεπτεµβρίου 2004 ιάρκεια: 3 ώρες Το παρακάτω σύνολο

Διαβάστε περισσότερα

Information Retrieval

Information Retrieval Ανάκληση Πληποφοπίαρ Information Retrieval Διδάζκων Δημήηριος Καηζαρός Διάλεξη 13η: 10/05/2016 Τμ. HMMY, Πανεπιστήμιο Θεσσαλίας 1 Ερπυστές στον Παγκόσμιο Ιστό Το πρόβλημα της ανενέωσης σελίδων στον index

Διαβάστε περισσότερα

Λειτουργικά Συστήματα. Τ.Ε.Ι. Ιονίων Νήσων Σχολή Διοίκησης και Οικονομίας - Λευκάδα

Λειτουργικά Συστήματα. Τ.Ε.Ι. Ιονίων Νήσων Σχολή Διοίκησης και Οικονομίας - Λευκάδα Λειτουργικά Συστήματα Τ.Ε.Ι. Ιονίων Νήσων Σχολή Διοίκησης και Οικονομίας - Λευκάδα Στέργιος Παλαμάς, Υλικό Μαθήματος «Λειτουργικά Συστήματα», 2015-2016 Κεφάλαιο 2: Σύστημα Αρχείων Τα προγράμματα που εκτελούνται

Διαβάστε περισσότερα

KEΦΑΛΑΙΟ 5 ΨΗΦΙΑΚΑ ΚΡΥΠΤΟΣΥΣΤΗΜΑΤΑ

KEΦΑΛΑΙΟ 5 ΨΗΦΙΑΚΑ ΚΡΥΠΤΟΣΥΣΤΗΜΑΤΑ Βασικές έννοιες KEΦΑΛΑΙΟ 5 ΨΗΦΙΑΚΑ ΚΡΥΠΤΟΣΥΣΤΗΜΑΤΑ Ένα κρυπτοσύστηµα όπου οι χώροι των καθαρών µηνυµάτων, των κρυπτογραφηµένων µυνηµάτων και των κλειδιών είναι ο m,,,... m = καλείται ψηφιακό κρυπτοσύστηµα.

Διαβάστε περισσότερα