\documentclass[11pt, a4paper, twoside]{article}
\usepackage[
    a4paper,
    headsep=5mm,
    footskip=0mm,
    top=12mm,
    left=10mm,
    right=10mm,
    bottom=10mm
]{geometry}
\usepackage{amsmath}
\usepackage{amsfonts}
\usepackage{multicol}
\usepackage[noend]{algorithm2e}
\usepackage[utf8]{inputenc}
\usepackage{fancyhdr}
\usepackage{hyperref}
\hypersetup{
    colorlinks=true,
    linkcolor=blue,
    filecolor=magenta,      
    urlcolor=cyan,
    pdftitle={Overleaf Example},
    pdfpagemode=FullScreen,
    }

\setlength{\algomargin}{0pt}

\begin{document}
\pagestyle{fancy}
\fancyhead{}
\fancyhead[L]{Theoretische Grundlagen der Informatik}
\fancyhead[R]{Gero Beckmann - \url{https://github.com/Geronymos/}}
\fancyfoot{}
\fancyfoot[R]{\thepage}
\section{Laufzeit}
\hspace*{-.5cm}
\begin{tabular}{ l l l l }
    Notations & Asymptotischer Vergleich & Formale Definition & Grenzen \\
    $f(n) \in \omega(g(n))$& 
    $f(n)$ wächst schneller als $g(n)$ & 
    $\forall c \exists n_0 \forall n > n_0 f(n) > c \cdot g(n)$ &
    $$$\lim\sup\limits_{n \rightarrow \infty}\frac{f}{g} = \infty$$$ \\

    $f(n) \in \Omega(g(n))$ &
    $f(n)$ wächst min. so schnell wie $g(n)$ & 
    $\exists c \exists n_0 \forall n > n_0 c \cdot f(n) \leq g(n)$ &
    $$$0 < \liminf\limits_{n \rightarrow \infty}\frac{f}{g} \leq \infty$$$ \\

    \( f(n) \in \Theta(g(n)) \) &
    $f(n)$ und $g(n)$ wachsen gleich schnell & 
    $f(n) \in \mathcal{O}(g(n)) \wedge f(n) \in \Omega(g(n))$ &
    $$$0 < \lim\limits_{n \rightarrow \infty}\frac{f}{g} < \infty$$$ \\

    \( f(n) \in \mathcal{O}(g(n)) \) &
    $f(n)$ wächst max. so schnell wie $g(n)$ & 
    $\exists c \exists n_0 \forall n > n_0 f(n) \leq c \cdot g(n)$ &
    $$$0 \leq \limsup\limits_{n \rightarrow \infty}\frac{f}{g} < \infty$$$ \\

    \( f(n) \in o(g(n)) \) &
    $f(n)$ wächst langsamer als $g(n)$ & 
    $\forall c \exists n_0 \forall n > n_0 c \cdot f(n) < g(n)$ &
    $$$\lim\limits_{n \rightarrow \infty} \frac{f}{g} = \infty$$$ \\

\end{tabular}

\subsection{Vergleich}
\begin{tabular}{|c|c|c|c|c|c|c|c|c|c|c|c|c|c|c|c|}
    $1$ & $\log^*n$ & $\log n$ & $\log^2n$ & $\sqrt[3]{n}$ & 
    $\sqrt{n}$ & $n$ & $n^2$ & $n^3$ & $n^{\log n}$ & 
    $2^{\sqrt{n}}$ & $2^n$ & $3^n$ & $4^n$ & $n!$ & $2^{n^2}$
\end{tabular}

\begin{multicols}{3}

    \subsubsection*{Transitivität}

    $f_1(n) \in \mathcal{O}(f_2(n)) \wedge f_2(n) \in\mathcal{O}(f_3(n))$ \\
    $\Rightarrow f_1(n) \in \mathcal{O}(f_3(n))$

    \subsubsection*{Summen}

    $f_1(n) \in \mathcal{O}f_3(n)) \wedge f_2(n) \in \mathcal{O}(f_3(n))$ \\
    $\Rightarrow f_1(n) + f_2(n) \in \mathcal{O}(f_3(n))$

    \subsubsection*{Produkte}

    $f_1(n) \in \mathcal{O}(g_1(n)) \wedge f_2(n) \in \mathcal{O}(g_2(n))$ \\
    $\Rightarrow f_1(n) \cdot f_2(n) \in \mathcal{O}(g_1(n) \cdot g_2(n))$


    \columnbreak

    \subsection{Master-Theorem}

    Sei $T(n) = a \cdot T(\frac{n}{b}) + f(n)$ mit $f(n) \in \Theta(n^c)$ und i
    $T(1) \in \Theta(1)$. Dann gilt
    $
    T(n) \in \begin{cases}
        \Theta(n^c) &\text{wenn } a < b^c, \\
        \Theta(n^c \log n) &\text{wenn } a = b^c, \\
        \Theta(n^{\log_b(a)}) &\text{wenn } a > b^c.
    \end{cases}
    $ 

    \subsubsection{Monome}

    \begin{itemize}
        \item $a \leq b \Rightarrow n^a \in \mathcal{O}(n^b)$
        \item $n^a \in \Theta(n^b) \Leftrightarrow a = b$
        \item $\sum_{v \in V}deg(v) = \Theta(m)$
        \item $\forall n \in \mathbb{N}: \sum^n_{k=0}k = \frac{n(n+1)}{2}$
        \item $
            \sum^b_{i=a}c^i \in \begin{cases}
                \Theta(c^a) &\text{wenn } c < 1, \\
                \Theta(c^b) &\text{wenn } c > 1, \\
                \Theta(b-a) &\text{wenn } c = 1.
            \end{cases}
            $
        \item $\log(ab) = \log(a) + \log(b)$
        \item $\log(\frac{a}{b}) = \log(a) - \log(b)$
        \item $a^{\log_a(b)} = b$
        \item $a^x = e^{ln(a) \cdot x}$
        \item $\log(a^b) = b \cdot \log(a)$
        \item $\log_b(n) = \frac{\log_a(n)}{\log_a(b)}$
    \end{itemize}

    %\subsubsection{Konstante Faktoren}
    %
    %$a \cdot f(n) \in \Theta(f(n))$


\end{multicols}

\begin{minipage}{0.7\textwidth} 

    \section{Sortieren}

    \begin{tabular}[t]{c || c | c | c | c}
        Algorithmus & best case & average & worst & Stabilität \\
        \hline
        Insertion-Sort & 
        $\mathcal{O}(n)$ & $\mathcal{O}(n^2)$ & $\mathcal{O}(n^2)$ & stabil\\
        Bubble-Sort & 
        $\mathcal{O}(n)$ & $\mathcal{O}(n^2)$ & $\mathcal{O}(n^2)$ & stabil\\
        Merge-Sort & 
        $\mathcal{O}(n\log n)$ & $\mathcal{O}(n\log n)$ & $\mathcal{O}(n\log n)$ & stabil\\
        Quick-Sort & 
        $\mathcal{O}(n \log n)$ & $\mathcal{O}(n\log n)$ & $\mathcal{O}(n\log n)$ & i.A.  nicht stabil\\
        Heap-Sort & 
        $\mathcal{O}(n\log n)$ & $\mathcal{O}(n\log n)$ & $\mathcal{O}(n\log n)$ & nicht stabil\\
        \hline
        Bucket-Sort & 
        $\Theta(n+m)$ & $\Theta(n+m)$ & $\Theta(n+m)$ & 
        stabil $e \in [0, m)$\\
        Radix-Sort & 
        $\Theta(c \cdot n)$ & $\Theta(c\cdot n)$ & $\Theta(c\cdot n)$ & 
        stabil $e \in [0, n^c)$\\
    \end{tabular}
\end{minipage}
\hfill
\begin{minipage}{0.3\textwidth} 
    \subsection{Heaps}

    \begin{tabular}[t]{c || c}
        Bin.-Heap & Laufzeit \\
        \hline
        push(x) & $\mathcal{O}(\log n)$ \\
        popMin() & $\mathcal{O}(\log n)$ \\
        decPrio(x, x') & $\mathcal{O}(\log n)$ \\
        build([$\mathbb{N}$; n]) & $\mathcal{O}(n)$
    \end{tabular}

    \begin{itemize}
        \item linkes Kind: $2v + 1$
        \item rechts Kind: $2v + 2$
        \item Elternknoten: $ \lfloor \frac{v - 1}{2} \rfloor $
    \end{itemize}

\end{minipage}


\begin{multicols}{2}

    \section{Datenstrukturen}

    \subsection{Listen}

    \begin{tabular}{c || c | c | c || c}
        Operation & DLL & SLL & Array & Erklärung(*) \\
        \hline
        first & 1 & 1 & 1 & \\
        last & 1 & 1 & 1 & \\ 
        insert & 1 & 1* & n & nur insertAfter \\
        remove & 1 & 1* & n & nur removeAfter \\
        pushBack & 1 & 1 & 1* & amortisiert \\
        pushFront & 1 & 1 & n & \\
        popBack & 1 & n & 1* & amortisiert \\
        popFront & 1 & 1 & n & \\
        concat & 1 & 1 & n & \\
        splice & 1 & 1 & n \\
        findNext & n & n & n 

    \end{tabular}

    \subsection{Hash-Tabelle}
    $\mathcal{H}$ heißt \textbf{universell}, wenn für ein zufälliges gewähltes
    $h \in \mathcal{H}$ gilt: $U \rightarrow \{0, ..., m-1\}$ \\
    $\forall k, l \in U, k \neq l: Pr[h(k) = h(l)] = \frac{1}{m}$ \\
    $h_{a,b}(k) = ((a\cdot k + b) \mod p) \mod m$

    \subsection{Graphen}

    \begin{tabular}{c || c}
        Algorithmus & Laufzeit \\
        \hline
        BFS/DFS & $\Theta(n+m)$\\
        topoSort & $\Theta(n)$\\
        Kruskal & $\Theta(m \log n)$\\
        Prim & $\Theta((n+m)\log n)$ \\
        Dijksta & $\Theta((n + m) \log n)$\\
        Bellmann-Ford & $\Theta(nm)$\\
        Floyd-Warshall & $\Theta(n^3)$ \\
    \end{tabular}

\end{multicols}

\newpage

\begin{multicols}{2}

    \subsubsection{DFS}

    \begin{tabular}{c || c | c}
        Kante & DFS & FIN \\
        \hline
        Vorkante & klein $\rightarrow$ groß & groß $\rightarrow$ klein \\
        Rückkante & groß $\rightarrow$ klein & klein $\rightarrow$ groß \\
        Querkante & groß $\rightarrow$ klein & groß $\rightarrow$ klein \\
        Baumkante & klein $\rightarrow$ groß & groß $\rightarrow$ klein \\
    \end{tabular}
    \subsection{Bäume}
    \subsubsection{Heap}
    Priorität eines Knotens $\geq (\leq)$ Priorität der Kinder.
    \textbf{BubbleUp}, \textbf{SinkDown}. \textbf{Build} mit \textbf{sinkDown} 
    beginnend mit letztem Knoten der vorletzten Ebene weiter nach oben.
    \textbf{decPrio} entweder updaten, Eigenschaft wiederherstellen; löschen,
    mit neuer Prio einfügen oder Lazy Evaluation.

    \subsubsection{(ab)-Baum}
    Balanciert. \textbf{find}, \textbf{insert}, \textbf{remove} in 
    $\Theta(log n)$. Zu wenig Kinder: \textbf{rebalance} / \textbf{fuse}. 
    Zu viele Kinder: \textbf{split}. 

    Linker Teilbaum $\leq$ Schlüssel k $<$ rechter Teilbaum

    Unendlich-Trick, für Invarianten.  

    \subsection{Union-Find}
    Rang: höhe des Baums, damit ist die Höhe h mind. $2^h$ Knoten, h $\in
    \mathcal{O}(\log n)$. 
    Union hängt niedrigen Baum an höherrängigen Baum. Pfadkompression hängt alle
    Knoten bei einem \textbf{find} an die Wurzel. 


    \columnbreak
    \section{Amortisierte Analyse}

    \subsection{Aggregation}
    Summiere die Kosten für alle Operationen. Teile Gesamtkkosten durch Anzahl
    Operationen. 

    \subsection{Charging}
    Verteile Kosten-Tokens von teuren zu günstigen Operationen (Charging). Zeige:
    jede Operation hat am Ende nur wenige Tokens. 

    \subsection{Konto}
    Günstige Operationen bezahlen mehr als sie tatsächlich kosten (ins Konto
    einzahlen). Teure Operationen bezahlen tatsächliche Kosten zum Teil mit
    Guthaben aus dem Konto. \textbf{Beachte: Konto darf nie negativ sein!}

    \subsection{Potential (Umgekehrte Kontomethode)}
    Definiere Kontostand abhängig vom Zustand der Datenstruktur
    (Potentialfunktion)

    amortisierten Kosten = tatsächliche Kosten 
    $+ \Phi(S_\text{nach}) -\Phi(S_\text{vor})$

\end{multicols}

\section{Pseudocode}
\scriptsize
\begin{minipage}{.25\linewidth}
    \begin{algorithm}[H]
        DFS(Graph G, Node v) \\
        mark v \\
        dfs[v] := dfsCounter++ \\
        low[v] := dfs[v] \\
        \For{u $\in$ N(v)}{
            \eIf{not marked u}{
                dist[u] := dist[v] + 1 \\
                par[u] := v \\
                DFS(G, u) \\
                low[v] := min(low[v], low[u]) \\
            }{low[v] := min(low[v], dfs[u])}
        }
        fin[v] := fin++ \\
    \end{algorithm}
\end{minipage}
\begin{minipage}{.25\linewidth}
    \begin{algorithm}[H]
        topoSort(Graph G) \\
        fin := [$\infty$; n] \\
        curr := 0 \\
        \For{Node v in V}{
            \If{v is colored}{DFS(G,v)}
        }
        return V sorted by decreasing fin \\
    \end{algorithm}
\end{minipage}
\begin{minipage}{.25\linewidth}
    \begin{algorithm}[H]
        Kruskal(Graph G) \\
        U := Union-Find(G.v) \\
        PriorityQueue Q := empty \\
        \For{Edge e in E}{Q.push(e, len(e))}
        \While{Q $\neq \emptyset$}{
            e := Q.popMin() \\
            \If{U.find(v) $\neq$ U.find(u)}{
                L.add(e) \\
                U.union(v, u) \\
            }
        }
    \end{algorithm}
\end{minipage}
\begin{minipage}{.25\linewidth}
    \begin{algorithm}[H]
        Prim(Graph G) \\
        Priority Queue Q := empty \\
        p := [0; n] \\
        \For{Node v in V}{
            Q.push(v, $\infty$) \\
        }
        \While{Q $\neq \emptyset$}{
            u := Q.popMin() \\
            \For{Node v in N(u)}{
                \If{v $\in$ Q $\wedge$ (len(u, v) $<$ Q.prio(v))}{
                    p[v] = u \\
                    Q.decPrio(v, len(u, v) \\
                }
            }
        }
    \end{algorithm}
\end{minipage}
\begin{minipage}{.25\linewidth}
    \begin{algorithm}[H]
        BFS(Graph G, Start s, Goal z) \\
        Queue Q := empty queue \\
        Q.push(s) \\
        s.layer = 0 \\
        \While{Q $\neq \emptyset$}{
            u := Q.pop() \\
            \For{Node v in N(u)}{
                \If{v.layer = $-\infty$}{
                    Q.push(v) \\
                    v.layer = u.layer + 1
                }
                \If{v = z}{
                    return z.layer
                }
            }
        }
    \end{algorithm}
\end{minipage}
\begin{minipage}{.25\linewidth}
    \begin{algorithm}[H]
        Dijkstra(Graph G, Node s) \\
        d := [$\infty$; n] \\
        d[s] := 0 \\
        PriorityQueue Q := empty priority queue \\
        \For{Node v in V}{
            Q.push(v, d[v])
        }
        \While{Q $\neq \emptyset$}{
            u := Q.popMin() \\
            \For{Node v in N(u)}{
                \If{d[v] $>$ d[u] + len(u, v)}{
                    d[v] := d[u] + len(u, v) \\
                    Q.decPrio(v, d[v]) \\
                }
            }
        }
    \end{algorithm} 
\end{minipage}
\begin{minipage}{.25\linewidth}
    \begin{algorithm}[H]
        BellManFord(Graph G, Node s) \\
        d := [$\infty$, n] \\
        d[s] := 0 \\
        \For{n-1 iterations}{
            \For{(u, v) $\in$ E}{
                \If{d[v] $>$ d[u] + len(u, v)}{
                    d[v] := d[u] + len(u, v)
                }
            }
        }
        \For{(u, v) $\in$ E}{
            \If{d[v] $>$ d[u] + len(u, v)}{
                return negative cycle
            }
        }
        return d
    \end{algorithm}
\end{minipage}
\begin{minipage}{.25\linewidth}
    \begin{algorithm}[H]
        FloydWarshall(Graph G) \\
        D := [$\infty$, n $\times$ n] \\
        \For{(u, v) $\in$ E}{D[u][v] := len(u, v)}
        \For{v $\in$ V}{D[v][v] := 0}
        \For{i $\in 1,...,n$}{
            \For{(u,v) $\in V \times V$}{
                D[u][v] := min(D[u][v], D[u][$v_i$] + D[$v_i$][v]) \\
            }
        }
        return D
    \end{algorithm}
\end{minipage}
\end{document}