From: Florian Forster <octo@leeloo.octo.it>
Date: Tue, 28 Dec 2010 19:46:30 +0000 (+0100)
Subject: Kleinigkeiten.
X-Git-Url: https://git.verplant.org/?a=commitdiff_plain;h=cbf6c0dce85f62f17837999a524a419e2bd3b9a4;p=diplomarbeit.git

Kleinigkeiten.
---

diff --git a/diplomarbeit.tex b/diplomarbeit.tex
index 7fe8e46..25a921f 100644
--- a/diplomarbeit.tex
+++ b/diplomarbeit.tex
@@ -434,7 +434,7 @@ OES dem \emph{bitonen Mergesort-Netzwerk}, das im vorherigen Abschnitt
 vorgestellt wurde, ähnlich: Auch dieses Sortiernetzwerk ist von
 \textit{Kenneth~E. Batcher} gefunden worden und ist ebenfalls in~\cite{B1968}
 beschrieben und initial analysiert worden. Eine weitere Gemeinsamkeit besteht
-darin, dass es ebenfalls rekursiv durch einen Mischer definiert wird.
+darin, dass es ebenfalls rekursiv durch einen Mischer definiert ist.
 
 \subsubsection{Der Odd-Even-Mischer}\label{sect:der_odd_even_mischer}
 
@@ -1015,7 +1015,7 @@ in 10~Schichten. Das schnellste Netzwerk besteht aus 61~Komparatoren in nur
 Eine Gütefunktion, die die beiden Ziele "`klein"' und "`schnell"'
 berücksichtigen kann, hat die folgende allgemeine Form:
 \begin{equation}
-  \mathit{Guete}(S) = w_{\mathrm{Basis}}
+  \operatorname{Guete}(S) = w_{\mathrm{Basis}}
                     + w_{\mathrm{Komparatoren}} \cdot \left|S\right|_\mathrm{Komparatoren}
                     + w_{\mathrm{Schichten}} \cdot \left|S\right|_\mathrm{Schichten}
 \end{equation}
@@ -1126,13 +1126,13 @@ acht Eingängen. Es besteht aus 19~Komparatoren in 6~Schichten.}
 \item Wie gut die Netzwerke werden, hängt stark vom verwendeten \em{Mischer} ab.
 \end{itemize}
 
-\section{Markov-Kette}
+\section{Der \textsc{SN-Markov}-Algorithmus}
 
-Der evolutionäre Algorithmus aus dem vorherigen Abschnitt verwendete immer
-zwei zufällige Sortiernetzwerke („Individuen“) aus einer Population. Da die
-beiden „Eltern“ zufällig und unabhängig voneinander ausgewählt werden, kann es
-vorkommen, dass das selbe Sortiernetzwerk zweimal verwendet und mit sich
-selbst kombiniert wird.
+Der evolutionäre \textsc{SN-Evolution}-Algorithmus aus dem vorherigen
+Abschnitt verwendete immer zwei zufällige Sortiernetzwerke („Individuen“) aus
+einer Population. Da die beiden „Eltern“ zufällig und unabhängig voneinander
+ausgewählt werden, kann es vorkommen, dass das selbe Sortiernetzwerk zweimal
+verwendet und mit sich selbst kombiniert wird.
 
 Macht man diesen Spezialfall zum Regelfall, indem man \emph{immer} das
 aktuelle Netzwerk mit sich selbst kombiniert und anschließend die Hälfte aller