master > master: protokolle - wochen 10+11

- korrekte behandlung von Permutationen
- hervorhebung von Summanden
- Spalte mit Infos über Moves
- optionen, um alle Gewichte zu zeigen / alle Summen zu zeigen

code/python/assets/commands.yaml

@@ -75,20 +75,40 @@
 # Beispiele für Seminarwoche 11 (Blatt 10)
 # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
 
-- &rucksack_1
+- name: RUCKSACK
-  name: RUCKSACK
   algorithm: GREEDY
-  allow-fractional: false
+  allow-fractional: true
+  # allow-fractional: false
   max-cost: 10
   items: [a, b, c, d, e]
   costs:
     [3, 4, 5, 2, 1]
   values:
     [8, 7, 8, 3, 2]
-- <<: *rucksack_1
+- name: RUCKSACK
-  allow-fractional: true
-- <<: *rucksack_1
   algorithm: BRANCH-AND-BOUND
+  allow-fractional: true
+  # allow-fractional: false
+  max-cost: 10
+  items: [a, b, c, d, e]
+  costs:
+    [3, 4, 5, 2, 1]
+  values:
+    [8, 7, 8, 3, 2]
+- name: RUCKSACK
+  algorithm: BRANCH-AND-BOUND
+  max-cost: 460
+  items: [
+    'Lakritze',
+    'Esspapier',
+    'Gummibärchen',
+    'Schokolade',
+    'Apfelringe',
+  ]
+  costs:
+    [220, 80, 140, 90, 100]
+  values:
+    [100, 10, 70, 80, 100]
 - name: RUCKSACK
   algorithm: BRANCH-AND-BOUND
   max-cost: 90

code/python/assets/config.yaml

@@ -22,11 +22,17 @@ options:
       diagonal:   0
       horizontal: 1
       vertical:   2
+    # verbose: []
     verbose:
       - COSTS
       - MOVES
+    # show: []
     show:
       # - ATOMS
       - TREE
   rucksack:
     verbose: true
+    # show: []
+    show:
+      - ALL-WEIGHTS
+      - ALL-SUMS

code/python/dist/VERSION

@@ -1 +1 @@
-0.1.0
+0.2.0

code/python/docs/config/Models/AppOptions.md

@@ -8,7 +8,7 @@ Name | Type | Description | Notes
 **tarjan** | [**AppOptions_tarjan**](AppOptions_tarjan.md) |  | [default to null]
 **tsp** | [**AppOptions_tarjan**](AppOptions_tarjan.md) |  | [default to null]
 **hirschberg** | [**AppOptions_hirschberg**](AppOptions_hirschberg.md) |  | [default to null]
-**rucksack** | [**AppOptions_tarjan**](AppOptions_tarjan.md) |  | [optional] [default to null]
+**rucksack** | [**AppOptions_rucksack**](AppOptions_rucksack.md) |  | [default to null]
 
 [[Back to Model list]](../README.md#documentation-for-models) [[Back to API list]](../README.md#documentation-for-api-endpoints) [[Back to README]](../README.md)
 

code/python/docs/config/Models/AppOptionsRucksack.md

@@ -0,0 +1,10 @@
+# AppOptionsRucksack
+## Properties
+
+Name | Type | Description | Notes
+------------ | ------------- | ------------- | -------------
+**verbose** | [**Boolean**](boolean.md) |  | [optional] [default to false]
+**show** | [**List**](EnumRucksackShow.md) |  | [optional] [default to []]
+
+[[Back to Model list]](../README.md#documentation-for-models) [[Back to API list]](../README.md#documentation-for-api-endpoints) [[Back to README]](../README.md)
+

code/python/docs/config/Models/EnumRucksackShow.md

@@ -0,0 +1,8 @@
+# EnumRucksackShow
+## Properties
+
+Name | Type | Description | Notes
+------------ | ------------- | ------------- | -------------
+
+[[Back to Model list]](../README.md#documentation-for-models) [[Back to API list]](../README.md#documentation-for-api-endpoints) [[Back to README]](../README.md)
+

code/python/docs/config/README.md

@@ -15,11 +15,13 @@ Class | Method | HTTP request | Description
  - [AppOptions](.//Models/AppOptions.md)
  - [AppOptionsHirschberg](.//Models/AppOptionsHirschberg.md)
  - [AppOptionsHirschbergMovePriorities](.//Models/AppOptionsHirschbergMovePriorities.md)
+ - [AppOptionsRucksack](.//Models/AppOptionsRucksack.md)
  - [AppOptionsTarjan](.//Models/AppOptionsTarjan.md)
  - [Config](.//Models/Config.md)
  - [EnumHirschbergShow](.//Models/EnumHirschbergShow.md)
  - [EnumHirschbergVerbosity](.//Models/EnumHirschbergVerbosity.md)
  - [EnumLogLevel](.//Models/EnumLogLevel.md)
+ - [EnumRucksackShow](.//Models/EnumRucksackShow.md)
  - [Info](.//Models/Info.md)
 
 

code/python/models/commands-schema.yaml

@@ -1,6 +1,6 @@
 openapi: 3.0.3
 info:
-  version: 0.1.0
+  version: 0.2.0
   title: Schemata for command instructions
 servers:
   - url: "."

code/python/models/config-schema.yaml

@@ -1,6 +1,6 @@
 openapi: 3.0.3
 info:
-  version: 0.1.0
+  version: 0.2.0
   title: Schemata for config models
 servers:
   - url: "."
@@ -53,7 +53,7 @@ components:
         - tsp
         - tarjan
         - hirschberg
-        - rucksack-branch-and-bound
+        - rucksack
       properties:
         log-level:
           $ref: '#/components/schemas/EnumLogLevel'
@@ -117,12 +117,16 @@ components:
               default: []
         rucksack:
           type: object
-          required:
+          required: []
-            - verbose
           properties:
             verbose:
               type: boolean
               default: false
+            show:
+              type: array
+              items:
+                $ref: '#/components/schemas/EnumRucksackShow'
+              default: []
     # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
     # Enum LogLevel
     # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
@@ -148,8 +152,18 @@ components:
     # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
     EnumHirschbergShow:
       description: |-
-        Enumeration of verbosity options for Hirschberg
+        Enumeration of display options for Hirschberg
       type: string
       enum:
         - TREE
         - ATOMS
+    # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+    # Enum Rucksack - display options
+    # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+    EnumRucksackShow:
+      description: |-
+        Enumeration of display options for the Rucksack problem
+      type: string
+      enum:
+        - ALL-WEIGHTS
+        - ALL-SUMS

code/python/pyproject.toml

@@ -1,6 +1,6 @@
 [project]
 name = "uni-leipzig-ads-2-2022"
-version = "1.0.0"
+version = "0.2.0"
 description = "Zusatzcode, um Algorithmen und Datenstrukturen im Kurs ADS2 zu demonstrieren."
 authors = [ "Raj Dahya" ]
 maintainers = [ "raj_mathe" ]

code/python/src/algorithms/rucksack/algorithms.py

@@ -57,25 +57,25 @@ def rucksack_greedy_algorithm(
     # führe greedy aus:
     n = len(costs);
     cost_total = 0;
-    vector = [ Fraction(0) for _ in range(n) ];
+    choice = [ Fraction(0) for _ in range(n) ];
     for i in order:
         # füge Item i hinzu, solange das Gesamtgewicht noch <= Schranke
         if cost_total + costs[i] <= max_cost:
             cost_total += costs[i];
-            vector[i] = Fraction(1);
+            choice[i] = Fraction(1);
         # falls Bruchteile erlaubt sind, füge einen Bruchteil des i. Items hinzu und abbrechen
         elif fractional:
-            vector[i] = Fraction(Fraction(max_cost - cost_total)/Fraction(costs[i]), _normalize=False);
+            choice[i] = Fraction(Fraction(max_cost - cost_total)/Fraction(costs[i]), _normalize=False);
             break;
         # ansonsten weiter machen:
         else:
             continue;
 
     # Aspekte der Lösung speichern:
-    rucksack = [i for i, v in enumerate(vector) if v > 0]; # Indexes von Items im Rucksack
+    rucksack = [i for i, v in enumerate(choice) if v > 0]; # Indexes von Items im Rucksack
     soln = Solution(
         order = order,
-        choice = vector,
+        choice = choice,
         items = items[rucksack].tolist(),
         costs = costs[rucksack].tolist(),
         values = values[rucksack].tolist(),
@@ -83,7 +83,7 @@ def rucksack_greedy_algorithm(
 
     # verbose output hier behandeln (irrelevant für Algorithmus):
     if verbose:
-        repr_rucksack = display_rucksack(items=items[rucksack], costs=costs[rucksack], values=values[rucksack]);
+        repr_rucksack = display_rucksack(items=items, costs=costs, values=values, choice=choice);
         print('\x1b[1mEingeschätzte Lösung\x1b[0m');
         print('');
         print(f'Mask: [{", ".join(map(str, soln.choice))}]');
@@ -122,24 +122,31 @@ def rucksack_branch_and_bound_algorithm(
         print('');
 
     logged_steps = [];
-    vector = empty_mask(n=len(costs));
+    step: Step;
-    lb_estimate = np.inf;
+    mask = empty_mask(n=len(costs));
+    bound = np.inf;
     S = Stack();
-    S.push(vector);
+    S.push(mask);
     while not S.empty():
-        lb, choice, order_, pad = estimate_lower_bound(mask=S.top(), max_cost=max_cost, costs=costs, values=values, items=items);
+        # top-Element auslesen und Bound berechnen:
+        A: Mask = S.top();
+        bound_subtree, choice, order_, pad = estimate_lower_bound(mask=A, max_cost=max_cost, costs=costs, values=values, items=items);
+        # für logging:
         if verbose:
-            logged_steps.append((lb_estimate, lb, str(S), choice, order_, pad));
+            step = Step(bound=bound, bound_subtree=bound_subtree, stack_str=str(S), choice=choice, order=order_, indexes=A.indexes_unset, pad=pad);
+        S.pop();
         # Update nur nötig, wenn die (eingeschätzte) untere Schranke von A das bisherige Minimum verbessert:
-        A: Mask = S.pop();
+        if bound_subtree < bound:
-        if lb < lb_estimate:
+            # Bound aktualisieren, wenn sich A nicht weiter aufteilen od. wenn sich A wie eine einelementige Option behandeln läst:
-            # Bound, wenn sich A nicht weiter aufteilen lässt od. man A wie eine einelementige Option behandeln kann:
             if not A.splittable() or pad != MaskValue.UNSET:
-                lb_estimate = lb;
+                bound =  bound_subtree;
                 # falls A als einelementige Menge betrachtet werden kann, ersetze unbekannte Werte:
                 if pad != MaskValue.UNSET:
                     A = A.pad(pad);
-                vector = A;
+                mask = A;
+                # für logging:
+                if verbose:
+                    step.move = EnumBranchAndBoundMove.BOUND;
             # Branch sonst
             else:
                 B, C = A.split();
@@ -147,12 +154,17 @@ def rucksack_branch_and_bound_algorithm(
                 # Nur dann C auf Stack legen, wenn mind. eine Möglichkeit in C die Kapazitätsschranke erfüllt:
                 if sum(costs[C.indexes_one]) <= max_cost:
                     S.push(C);
+                # für logging:
+                if verbose:
+                    step.move = EnumBranchAndBoundMove.BRANCH;
+        if verbose:
+            logged_steps.append(step);
 
     # Aspekte der Lösung speichern
-    rucksack = vector.indexes_one; # Indexes von Items im Rucksack
+    rucksack = mask.indexes_one; # Indexes von Items im Rucksack
     soln = Solution(
         order = order,
-        choice = vector.choice,
+        choice = mask.choice,
         items = items[rucksack].tolist(),
         values = values[rucksack].tolist(),
         costs = costs[rucksack].tolist(),
@@ -161,11 +173,11 @@ def rucksack_branch_and_bound_algorithm(
     # verbose output hier behandeln (irrelevant für Algorithmus):
     if verbose:
         repr = display_branch_and_bound(values=values, steps=logged_steps);
-        repr_rucksack = display_rucksack(items=items[rucksack], costs=costs[rucksack], values=values[rucksack]);
+        repr_rucksack = display_rucksack(items=items, costs=costs, values=values, choice=mask.choice);
-        print('\x1b[1mLösung\x1b[0m');
-        print('');
         print(repr);
         print('');
+        print('\x1b[1mLösung\x1b[0m');
+        print('');
         print(f'Mask: [{", ".join(map(str, soln.choice))}]');
         print('Rucksack:');
         print(repr_rucksack);
@@ -201,7 +213,7 @@ def estimate_lower_bound(
     mit Greedy-Algorithmus »lösen«,
     um schnell eine gute Einschätzung zu bestimmen.
 
-    NOTE: Diese Funktion wird `g(vector)` im Skript bezeichnet.
+    NOTE: Diese Funktion wird `g(mask)` im Skript bezeichnet.
     '''
     indexes_one = mask.indexes_one;
     indexes_unset = mask.indexes_unset;

code/python/src/algorithms/rucksack/display.py

@@ -9,6 +9,8 @@ from src.thirdparty.code import *;
 from src.thirdparty.maths import *;
 from src.thirdparty.types import *;
 
+from src.setup import config;
+from models.generated.config import *;
 from src.models.stacks import *;
 from src.models.rucksack import *;
 
@@ -62,18 +64,31 @@ def display_rucksack(
     items: np.ndarray,
     costs: np.ndarray,
     values: np.ndarray,
+    choice: List[Fraction],
 ) -> str:
+    show_options = config.OPTIONS.rucksack.show;
     render = lambda r: f'{r:g}';
+    choice = np.asarray(choice);
+    rucksack = np.where(choice > 0);
+    if not(EnumRucksackShow.all_weights in show_options):
+        items = items[rucksack];
+        costs = costs[rucksack];
+        values = values[rucksack];
+        choice = choice[rucksack];
     table = pd.DataFrame({
         'items':  items.tolist() + ['----', '∑'],
-        'costs':  list(map(render, costs)) + ['', f'\x1b[92;1m{sum(costs):g}\x1b[0m'],
+        'nr':  list(map(str, choice))
-        'values': list(map(render, values)) + ['', f'\x1b[92;1m{sum(values):g}\x1b[0m'],
+            + ['----', f'\x1b[92;1m{float(sum(choice)):g}\x1b[0m'],
+        'costs':  list(map(render, costs))
+            + ['----', f'\x1b[92;1m{sum(choice*costs):g}\x1b[0m'],
+        'values': list(map(render, values))
+            + ['----', f'\x1b[92;1m{sum(choice*values):g}\x1b[0m'],
     });
     repr = tabulate(
         table,
-        headers=['item', 'cost', 'value'],
+        headers=['item', 'nr', 'cost', 'value'],
         showindex=False,
-        colalign=('left', 'center', 'center'),
+        colalign=('left', 'center', 'center', 'center'),
         tablefmt='rst'
     );
     return repr;
@@ -82,30 +97,39 @@ def display_rucksack(
 # METHOD display result of branch and bound
 # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
 
-def display_branch_and_bound(
+def display_branch_and_bound(values: np.ndarray, steps: List[Step]) -> str:
-    values: np.ndarray,
+    show_options = config.OPTIONS.rucksack.show;
-    steps: List[Tuple[float, float, Stack, List[Fraction], List[int], MaskValue]],
+    show_all_sums = (EnumRucksackShow.all_sums in show_options);
-) -> str:
+
-    # füge Summen-Ausdrücke für Greedy-Alg hinzu:
     rows = [];
     used_choices = [];
-    for lb_estimate, lb, S, choice, order, pad in steps:
+    index_soln = max([-1] + [ i for i, step in enumerate(steps) if step.move == EnumBranchAndBoundMove.BOUND ]);
-        if choice in used_choices:
+    for i, step in enumerate(steps):
-            expr = f'{lb:g}';
+        if show_all_sums or step.choice not in used_choices:
+            # Füge Summen-Ausdrücke für Greedy-Alg hinzu:
+            used_choices.append(step.choice);
+            expr = display_sum(choice=step.choice, values=values, as_maximum=False, order=step.order, indexes=step.indexes);
         else:
-            used_choices.append(choice);
+            expr = f'{step.bound_subtree:g}';
-            expr = display_sum(choice=choice, values=values, as_maximum=False, order=order);
+        pad_str = ('' if step.pad == MaskValue.UNSET else step.pad.value);
-        rows.append((f'{lb_estimate:g}', expr, ('' if pad == MaskValue.UNSET else pad.value), S));
+        move_str = ('' if step.move == EnumBranchAndBoundMove.NONE else step.move.value);
+        if i == index_soln:
+            move_str = f'{move_str} *';
+        rows.append({
+            'bound': f'{step.bound:+g}',
+            'bound_subtree': expr,
+            'stack': step.stack_str,
+            'pad': f'\x1b[2m{pad_str}\x1b[0m',
+            'move': f'\x1b[2m{move_str}\x1b[0m',
+        });
 
-    table = pd.DataFrame(rows) \
+    table = pd.DataFrame(rows).reset_index(drop=True);
-        .rename(columns={0: 'b', 1: 'g(TOP(S))', 2: 'pad?', 3: 'S'}) \
-        .reset_index(drop=True);
     # benutze pandas-Dataframe + tabulate, um schöner darzustellen:
     repr = tabulate(
         table,
-        headers=['b', 'g(TOP(S))', 'pad?', 'S'],
+        headers=['bound', 'g(TOP(S))', 'S — stack', '\x1b[2mpad?\x1b[0m', '\x1b[2mmove\x1b[0m'],
         showindex=False,
-        colalign=('left', 'left', 'center', 'right'),
+        colalign=('left', 'left', 'right', 'center', 'left'),
         tablefmt='rst'
     );
     return repr;
@@ -118,17 +142,31 @@ def display_sum(
     choice: List[Fraction],
     values: np.ndarray,
     order: Optional[List[int]] = None,
+    indexes: List[int] = [],
     as_maximum: bool = True,
 ) -> str:
-    parts = [ (u, x) for u, x in zip(choice, values)];
+    show_options = config.OPTIONS.rucksack.show;
+    show_all_weights = (EnumRucksackShow.all_weights in show_options);
+
+    def render(x: Tuple[bool, Fraction, float]):
+        b, u, value = x;
+        if u == 0:
+            expr = f'\x1b[94;2m{value:g}\x1b[0m' if b else f'\x1b[2m{value:g}\x1b[0m';
+        else:
+            expr = f'\x1b[94m{value:g}\x1b[0m' if b else f'\x1b[0m{value:g}\x1b[0m';
+        if not show_all_weights and u == 1:
+            return expr;
+        return f'\x1b[2;4m{u}\x1b[0m\x1b[2m·\x1b[0m{expr}';
+
+    parts = [ (i in indexes, u, x) for i, (u, x) in enumerate(zip(choice, values)) ];
     if not (order is None):
         parts = [ parts[j] for j in order ];
-    value = sum([ u*x for u, x in parts]);
+    if not show_all_weights:
-    expr = '+'.join([
+        parts = list(filter(lambda x: x[1] > 0, parts));
-        f'{x:g}' if u == 1 else f'{u}·{x:g}'
+
-        for u, x in parts if u > 0
+    value = sum([ u*x for _, u, x in parts ]);
-    ]);
+    expr = '\x1b[2m+\x1b[0m'.join(map(render, parts));
+
     if as_maximum:
-        return f'{value:g} = {expr}';
+        return f'{value:g} \x1b[2m=\x1b[0m {expr}';
-    else:
+    return f'-{value:g} \x1b[2m= -(\x1b[0m{expr}\x1b[2m)\x1b[0m';
-        return f'-{value:g} = -({expr})';

code/python/src/models/rucksack/__init__.py

@@ -7,6 +7,7 @@
 
 from src.models.rucksack.mask import *;
 from src.models.rucksack.solution import *;
+from src.models.rucksack.logging import *;
 
 # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
 # EXPORTS
@@ -17,4 +18,6 @@ __all__ = [
     'MaskValue',
     'Mask',
     'Solution',
+    'EnumBranchAndBoundMove',
+    'Step',
 ];

code/python/src/models/rucksack/logging.py

@@ -0,0 +1,47 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+
+# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+# IMPORTS
+# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+
+from __future__ import annotations;
+
+from src.thirdparty.maths import *;
+from src.thirdparty.types import *;
+
+from src.models.rucksack.mask import *;
+
+# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+# EXPORTS
+# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+
+__all__ = [
+    'EnumBranchAndBoundMove',
+    'Step',
+];
+
+# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+# CLASS Move
+# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+
+class EnumBranchAndBoundMove(Enum):
+    NONE = -1;
+    BOUND = 'bound';
+    BRANCH = 'branch';
+
+# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+# CLASS Step
+# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+
+@dataclass
+class Step():
+    bound: float = field();
+    bound_subtree: float = field();
+    stack_str: str = field();
+    choice: List[Fraction] = field();
+    order: List[int] = field();
+    # the indexes upon which the greedy algorithm is carried out:
+    indexes: List[int] = field();
+    pad: MaskValue = field();
+    move: EnumBranchAndBoundMove = field(default=EnumBranchAndBoundMove.NONE);

protocol/README.md

@@ -12,8 +12,10 @@ Inhaltsverzeichnis
 - [Vorlesungswoche 7](./woche4.md)
 - [Vorlesungswoche 8](./woche4.md)
 - [Vorlesungswoche 9](./woche4.md)
+-->
 - [Vorlesungswoche 10](./woche10.md)
 - [Vorlesungswoche 11](./woche11.md)
+<!--
 - [Vorlesungswoche 12](./woche12.md)
 - [Vorlesungswoche 13](./woche13.md)
 - [Vorlesungswoche 14](./woche14.md)

protocol/woche10.md

@@ -0,0 +1,14 @@
+# Vorlesungswoche 10 (6.–12. Juni 2022) #
+
+## Agenda ##
+
+- [x] Hirschbergalgorithmus
+
+Implementierung zum Austesten findet man in [code/python](./../code/python). _Beachte:_
+
+- Der Code ist etwas ineffizient implementiert,
+  weil extra (unnötige) Informationen zwecks schöner Darstellung gespeichert wird.
+  Die Schritte sind jedoch korrekt.
+- Man kann die Aspekte der Probleme
+  in dem [assets](./../code/python/assets) Ordner anpassen,
+  wie bspw. die Prioritäten der Bewegungen innerhalb der Editmatrix.

protocol/woche11.md

@@ -0,0 +1,20 @@
+# Vorlesungswoche 11 (13.–19. Juni 2022) #
+
+## Agenda ##
+
+- [ ] Rucksackproblem
+  - Greedyalgorithmus
+  - Branch & Bound
+
+## Implementierung ##
+
+Implementierung zum Austesten findet man in [code/python](./../code/python). _Beachte:_
+
+- Der Code ist etwas ineffizient implementiert,
+  weil extra (unnötige) Informationen zwecks schöner Darstellung gespeichert wird.
+  Die Schritte sind jedoch korrekt.
+- Man kann die Aspekte der Probleme
+  in dem [assets](./../code/python/assets) Ordner anpassen,
+  wie bspw. ob alle Gewichte und alle Summen angezeigt werden sollen.
+
+In den Beispielen wird _mehr als nötig_ ausgegeben. Die extra Spalten sowie die etwas unnötig ausführlich aufgeschriebenen Summen sollen nur didaktischen Zwecken dienen. Sobald man alles kapiert hat, kann man selbstverständlich auf die zusätzlichen Teile verzichten.