DM819: Geometriske algoritmer

Det Naturvidenskabelige Studienævn

Undervisningssprog: På dansk eller engelsk afhængigt af underviser, men engelsk ved internationale studerende
EKA: N340001102
Censur: Ekstern prøve
Bedømmelse: 7-trinsskala
Udbudssteder: Odense
Udbudsterminer: Efterår, Forår
Niveau: Kandidatkursus forhåndsgodkendt som Ph.d.-kursus

STADS ID (UVA): N340001101
ECTS-point: 10

Godkendelsesdato: 07-10-2020


Varighed: 1 semester

Version: Arkiv

Kommentar

Kurset udbydes efter behov og udbydes ikke nødvendigvis hvert år. Eksamensforsøg for DM819 udbydes efter følgende plan, når kurset udbydes: 

  • Efterår: ordinær eksamen (januar), første reeksamen (marts) og 2. reeksamen i (juni)
  • Forår: ordinær eksamen (juni), første reeksamen (august) og 2. reeksamen i (januar)

Indgangskrav

Ingen

Faglige forudsætninger

Der forudsættes kendskab til algoritmer og datastrukturer og analyse af disse, herunder algoritmedesignteknikker som del-og-hersk, balancerede binære søgetræer som rød-sorte træer, samt korrekthedsanalyse og kompleksitetsanalyse under anvendelse af rekursionsligninger og asymptotisk notation. Desuden forventes kendskab til resultater for nedre grænser for sortering, samt et basalt kendskab til sandsynlighedsteori. Forudsætningerne kan erhverves gennem kurserne DM507 og DM549, samt dele af DM551 og DM553.

Formål

Kurset er en introduktion til de væsentligste emner indenfor algoritmer omkring geometriske objekter. Som en integreret del af kurset opøves deltagerne i implementation indenfor området. Geometriske algoritmer er en vigtig del af anvendelser indenfor computerspil og computergrafik generelt, geografiske informationssystemer, robotkontrol, design, billedeanalyse, mm. Da disse anvendelsesområder involverer meget store datamængder, stilles der store krav til effektiviteten af de grundlæggende algoritmer og datastrukturer. Fokus er dog ikke på anvendelserne, men på kerneproblemerne indenfor geometriske algoritmer.

Kurset bygger på færdigheder opnået i algoritmekurser på en datalogisk bacheloruddannelse og giver kompetencer til specialeskrivning indenfor området.

I forhold til uddannelsens kompetenceprofil har kurset fokus på

  • viden om et udvalg af metoder udviklet inden for datalogi baseret på højeste internationale forskning
  • analysere fordele og ulemper ved forskellige datalogiske metoder
  • udvikle nye varianter af de lærte metoder, hvor det konkrete problem kræver det

Målbeskrivelse

Ved kursets afslutning forventes den studerende at kunne:

  • gøre rede for funktionaliteten og korrektheden af de gennemgåede algoritmer og datastrukturer
  • analysere de gennemgåede algoritmer og datastrukturer mht. tids- og pladskompleksitet
  • designe effektive algoritmer og datastrukturer for varianter af de belyste problemstillinger
  • gøre detaljeret rede for problemstillinger omkring implementation af de gennemgåede algoritmer og datastrukturer i et standard programmeringssprog

Indhold

Overlappende linier, trianguleringer, lineær programmering, interval- og punktsøgninger, Voronoi-diagrammer, konvekst hylster, ray tracing, motion planning, træbaserede geometriske strukturer, samt teknikker som plane-sweep, fractional cascading, randomisering, mm.

Litteratur

Se itslearning for pensumlister og yderligere litteraturhenvisninger.

Eksamensbestemmelser

Eksamenselement a)

Tidsmæssig placering

Ved udbud i efterårssemester er eksamen i januar. 
Ved udbud i forårssemester er eksamen i juni.

Udprøvninger

Mundtlig eksamen

EKA

N340001102

Censur

Ekstern prøve

Bedømmelse

7-trinsskala

Identifikation

Studiekort

Sprog

Følger, som udgangspunkt, undervisningssprog

Varighed

30 minutter

Hjælpemidler

 Oplyses på kurset

ECTS-point

10

Uddybende information

Eksamen består af en mundtlig eksamen og et projekt med en samlet evaluering.

Vejledende antal undervisningstimer

56 timer per semester

Undervisningsform

På naturvidenskab er undervisningen tilrettelagt efter trefasemodellen dvs. intro, trænings- og studiefasen.

Ansvarlig underviser

Navn E-mail Institut
Kim Skak Larsen kslarsen@imada.sdu.dk Algoritmer

Skemaoplysninger

Odense
Vis fuldt skema (start F24)
Vis fuldt skema (start E24)

Administrationsenhed

Institut for Matematik og Datalogi (datalogi)

Team hos Registratur

NAT

Udbudssteder

Odense

Anbefalede studieforløb

Profil Uddannelse Semester Udbuds periode