DM819: Geometriske algoritmer

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)

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 algoritmekurser og kurser i diskret matematik og sandsynlighedsteori på en bacheloruddannelse i datalogi.

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

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

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.

Se itslearning for pensumlister og yderligere litteraturhenvisninger.