Rubik’s Cube Netværk og Algoritmer Af gruppe A215.

Slides:



Advertisements
Lignende præsentationer
SharePoint /36 2 General SettingsPermissions and ManagementCommunications Titel, description and navigation Versioning settings Advanced settings.
Advertisements

Teststrategi Engrosmodellen
Almen studieforberedelse
Koncept Rotary Youth Exchange – Multi District Denmark.
Vejlederens funktion i det problemorienterede projektarbejde
Energieffektivisering i byggeriet”. Program Introduktion til Energieffektivisering af byggeriet Delprojekt_01Systematisk energieffektivisering af tekniske.
1 Går fra at vil maksimere dækning til at minimere omkostning Det kender vi fra den anden bog Omkostningen er afstanden gange antal enheder der skal transporteres.
E-bøger gennem PrioInfo - oversigt v/ Claes Olsson.
Vejledning i projektarbejde
Algoritmer og Datastrukturer 1 Gerth Stølting Brodal.
Matematik i gymnasiet Graph.
Introduktion til vejledning i projektarbejde Anette Kolmos og Søren Hansen 30/8 og 20/
Vejlederens funktion i det problemorienterede projektarbejde
Bloggerkultur Hvorfor blogger vi?.
Agenda  Erfaringer med kvalitative interviews og deltagerobservation ifbm studier af teknologier for ældre (med reference til teksterne), v. Peter Lutz.
Flugtveje mig - Problemanalysen og metode Daniel - Graftori og modelovervejlser Asger - Flugtvejsproblemet og korteste-vej algoritmen THOMAS - Største.
Representations for Path Finding in Planar Environments.
Eksamens navn Dit navn. Oversigt  Spørgsmål nummer 1 Spørgsmål nummer 1  Spørgsmål nummer 2 Spørgsmål nummer 2  Spørgsmål nummer 3 Spørgsmål nummer.
Datastruktur & Algoritmik1 Datastruktur & Algoritmik 99 Kim Guldstrand Larsen.
By Hin, Anders W, Oisín and Thea.  There are about 170km of train tracks in Denmark, and 84 stations.  The trains transport about people a day.
Peter Mikkelsen Med arbejdsglæde til top præstationer.
Søgning & sortering Intro søgning Lineær søgning Binær søgning
Issue 1: Which technologies and strategies is needed to develop solutions to realize the long-term goals of making the whole building stock independent.
MEGAFON undersøgelse af VINTERMAN.DK VINTERMAN brugermøde
1 Algoritme til at løse knude P-center problemet Algoritmen brugte set covering problemet Virker derfor kun til knude problemer Vi vil alligevel bruge.
Problemorienteret projektarbejde Christian Nøhr Institut for Samfundsudvikling og Planlægning Aalborg Universitet.
1 Senior Erhverv Søhøjlandet Nye tider, nye muligheder…! PP er sendt pr.mail.
Projektplanlægning Planlægning for solution makers a/s
P0 erfaringsopsamling Program 8.15: Introduktion
Netværk & Algoritmer Gruppe A215.  Et fællesskab der forsøger at optimere hastigheden  Et fællesskab der forsøger at optimere antallet af træk.
1 Vi ser nu på en general graf Men antager at alle afstande er heltallige (Det er ikke så restriktivt) Algoritmen leder efter den mindst mulige dækningsdistance.
Projektafslutning – Navision Attain
Algoritmer og Datastrukturer 2 Gerth Stølting Brodal Maksimale Strømninger [CLRS, kapitel ]
Algoritmer og Datastrukturer 1 Gerth Stølting Brodal.
SLP foråret 2011 MedIS og Medicin Lars Peter Jensen,
Anvendt markedsanalyse Kapitel 22
Design, verifikation og analyse
Fælles møde med Børne- og Ungeudvalget og strategiudvalget 18. august 2008.
Sikker og integreret infrastruktur Peter Colsted Direktør Enterprise & Partner Group Microsoft Danmark.
IT-Produkt til læring php. ”Graf editor”
Mål ● Er der grundlag for at realisere vores koncept og hvordan kunne det realiseres?
Algoritmer Gerth Stølting Brodal Institut for Datalogi Aarhus Universitet MasterClass i Matematik, 10. april 2014, Aarhus Universitet.
Økonometri 1: Dummy variable1 Økonometri 1 Dummy variable 24. marts 2003.
1 Læringsstil, samt Projektplanlægning og projektstyring Mål: At i får kendskab til jeres egen læringsstil. At I får et grundlæggende kendskab til projektplanlægning.
Algoritmer og Datastrukturer 1 Gerth Stølting Brodal.
Usability ITU, forår 2008 Usability ITU Forår 2008 ’Teori 2’ 3. kursusgang, 14. februar 2008.
ØSTAFRIKA Fremtidens Vækstmarked 14. april 2011, Hotel Hvide Hus Køge.
Algoritmer og Datastrukturer 1 Gerth Stølting Brodal.
Opgave 57 Erhvervsøkonomi / Managerial Economics
Flugtveje.
Algoritmisk Spilteori
Hvordan skriver man sin afsluttende opgave?
Algoritmer og Datastrukturer 1 DAIMI Greylisting Gerth Stølting Brodal Aarhus Universitet.
Trinvis forfinelse Systematisk, gradvis udvikling af programmer.
 Jens Bennedsen 2002Objektorienteret systemudvikling Arkitektur.
Algoritmer og Datastrukturer 1 Gerth Stølting Brodal Aarhus Universitet.
Opdragsgiver Planlægning og udførelse af møde med jeres opdragsgiver.
Omsætning af en model til en RDB Jesper Tørresø DAB1 F Marts 2008.
Køresikkerhed for chauffører Navn på underviser 1.
THE MENTORING JOURNEY.
Laroche et. al Gruppe 1: Mette, Camilla, Gorm og Jesper
Introduction to synopsis writing
SLP foråret 2011 MedIS og Medicin Lars Peter Jensen,
Backgammon Formål: Du skal primært øve dig i brug af figurer i PowerPoint. Opgave: Lav et backgammon vha. figurer. Find et billede på Internettet af det.
Compositional Design Principles “SemiCiv”
2017.
Introduktion Presentation of the HARDI 6500 Controller.
Algoritmer og Datastrukturer 2
Algoritmer og Datastrukturer 1
Humanistisk Entrepreneurship 9 BMG 5
Præsentationens transcript:

Rubik’s Cube Netværk og Algoritmer Af gruppe A215

Ernö Rubik Ungarn 1944 Ingeniør

Rubik’s terningen 27 cubies 6 sider 9 facelets Måske flere Tilføj pænt billede af rubiks cuben

Problem formulering How have the upper and lower bounds of the Rubik's Cube progressed and how have they been proven? How efficient is Kociemba's optimal solver compared to beginner‘s algorithm and how can this be tested?

Program oversigt Gruppe Teori Grænser Begynderens Algoritme Kociemba’s Optimale Løser Demonstration Resultater Konklusion Processanalyse

Gruppe Teori Gruppe definition – (Set, operator) Rubik’s gruppen – M 1 * M 2 ∈ G – Tomt move: e * M = M – Invers move: M, M’ – Associativ lov: (M 1 * M 2 ) * M 3 = M 1 * (M 2 * M 3 ) Undergruppe

Grænser Den øvre grænse – 22 – Rokicki set solver Den nedre grænse – 20 – Super flip Fremtiden Sæt billede ind af bounds

Begynderens Algoritme Funktionalitet Implementeringen – Ikke analyserende – Lineær eksekvering Effektivisering – Flere algoritmer – Forskellige udgangspunkter

Kociemba’s Optimale Løser Funktionalitet – Undergruppen H – Bredde først søge algoritme Problemstillinger ved implementeringen – Langsom – Manglende opslag Effektivisering – Flere H’er – Nogle opslag

Demonstration

Resultater Begynderens algoritme – løste terninger – 50 scrambles per terning – 152 træk i gennemsnit – Løsning på under et millisekund Tilføj graf for antal scrambles

Resultater Kociemba’s optimal solver – Altid optimal løsning (jf. den øvre grænse) – Lang tid for hver løsning – Altid løsning inden for 18 millioner år Graf over løsnings tid

Konklusion How have the upper and lower bounds of the Rubik's Cube progressed and how have they been proven? – Den øvre grænse er bevist med Rokicki’s set solver. – Den nedre grænse bevist ved test. Indsæt billede af bounds

Konklusion How efficient is Kociemba's optimal solver compared to beginner‘s algorithm and how can this be tested? – Twist-wise Begynderens bruger i snit 151 træk Kociemba’s bruger altid under 22 træk – Time-wise 1,2*10^18 – Computer tests

Processanalyse Projektplanlægning Gruppesamarbejde – To mands grupper – Rettelser løbende Samarbejde med vejleder Læringsmål Billede af tidsplan

Opsamling Gruppe Teori Grænser Begynderens Algoritme Kociemba’s Optimale Løser Demonstration Resultater Konklusion Processanalyse