ΗΥ240 - Παναγιώτα Φατούρου 2
|
|
- Σέλευκος Δάβης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Ενότητα 8 Ταξινόµηση ΗΥ0 - Παναγιώτα Φατούρου Ταξινόµηση Θεωρούµε έναν πίνακα Α[0..n-] µε n στοιχεία στα οποία έχει ορισθεί µια γραµµική διάταξη, δηλαδή ζεύγος στοιχείων x,y του Α, είτε x < y, ή x > y ή x = y. Η διαδικασία ταξινόµησης του Α συνίσταται στην αναδιάταξη των στοιχείων του, έτσι ώστε µετά το πέρας της διαδικασίας αυτής να ισχύει Α[0] Α[] Α[n-]. Ταξινόµηση µε Χρήση Ουρών Προτεραιότητας εδοµένου ότι µια βιβλιοθήκη παρέχει ουρές προτεραιότητας, ζητείται αλγόριθµος που να ταξινοµεί τα n στοιχεία του πίνακα Α. Αλγόριθµος Ταξινόµησης µε Χρήση Ουράς Προτεραιότητας MakeEmptySet(S); for (j = 0; j < n; j++) εισαγωγή του στοιχείου Α[j] στην ουρά προτεραιότητας S; for (j = 0; j < n; j++) Print(DeleteMin(S)); Ποια είναι η χρονική πολυπλοκότητα του αλγορίθµου αυτού? Η πολυπλοκότητα εξαρτάται από την πολυπλοκότητα των λειτουργιών Insert() και DeleteMin() της ουράς προτεραιότητας. Αν η ουρά προτεραιότητας υλοποιείται µε τη χρήση ενός σωρού, τότε η χρονική πολυπλοκότητα του αλγορίθµου είναι Ο(nlogn). ΗΥ0 - Παναγιώτα Φατούρου
2 Ταξινόµηση χρησιµοποιώντας άλλες οµές εδοµένων Αλγόριθµος Ταξινόµησης µε Χρήση Ταξινοµηµένων ένδρων MakeEmptyBinarySearchTree(T); for (j = 0; j < n; j++) BinarySearchTreeInsert(Τ, A[j]); Inorder(T) // µε τη Visit() να εκτελεί µια εκτύπωση του κλειδιού του εκάστοτε κόµβου Χρονική Πολυπλοκότητα Η χρονική πολυπλοκότητα του παραπάνω αλγορίθµου είναι Ο(nh), όπου h το ύψος του ταξινοµηµένου δένδρου µετά από τις n εισαγωγές. Αν το ταξινοµηµένο δένδρο είναι AVL, (-) δένδρο ή κοκκινόµαυρο δένδρο τότε η χρονική πολυπλοκότητα του παραπάνω αλγορίθµου είναι Ο(nlogn) (αφού h = O(logn)). Χωρική Πολυπλκότητα Τα n στοιχεία που είναι αποθηκευµένα στον πίνακα Α απαιτείται να αποθηκευτούν εκ νέου σε µια νέα δοµή. Το ίδιο ισχύει και στην περίπτωση χρήσης ουράς προτεραιότητας. Αυτό προκαλεί σπατάλη µνήµης! ΗΥ0 - Παναγιώτα Φατούρου Ταξινόµηση - Ο Αλγόριθµος InsertionSort Πρόβληµα Είσοδος Μια ακολουθία από n αριθµούς <a, a,..., a n >. Έξοδος (output): Μια µετάθεση (αναδιάταξη) < a, a,..., a n > της ακολουθίας εισόδου έτσι ώστε: a a... a n Πως λειτουργεί ο αλγόριθµος αν A = <,,,,,>; Ο αλγόριθµος InsertionSort() και η πολυπλοκότητά του έχουν συζητηθεί αναλυτικά στην Ενότητα του µαθήµατος. Algorithm InsertionSort (Α[..n]) { // Είσοδος: ένας µη-ταξινοµηµένος πίνακας Α ακεραίων αριθµών // Έξοδος: ο πίνακας Α µε τα στοιχεία του σε αύξουσα διάταξη int key, i, j; for (j = ; j n; j++) { key = A[j]; i = j-; while (i > 0 && A[i] > key) { A[i+] = A[i]; i = i-; A[i+] = key; return A; ΗΥ0 - Παναγιώτα Φατούρου
3 Ταξινόµηση - Ο αλγόριθµος InsertionSort() Algorithm InsertionSort (Α[..n]) { int key, i, j; for (j = ; j n; j++) { key = A[j]; i = j-; while (i > 0 && A[i] > key) { A[i+] = A[i]; i = i-; A[i+] = key; return A; Βασική Ιδέα Επαναληπτικά, επιλέγεται το επόµενο στοιχείο από το µη-ταξινοµηµένο κοµµάτι Α[j..n-] του πίνακα και τοποθετείται στην κατάλληλη θέση του ταξινοµηµένου κοµµατιού Α[0..j-] του πίνακα. Πως λειτουργεί ο αλγόριθµος αν A = <,,,,,>; Η χρονική πολυπλοκότητα της InsertionSort() είναι Θ(n ). ΗΥ0 - Παναγιώτα Φατούρου Ταξινόµηση - Ο αλγόριθµος SelectionSort() Βασική Ιδέα Επαναληπτική αναζήτηση, στο µηταξινοµηµένο κοµµάτι του πίνακα Α, του στοιχείου εκείνου που θα αποτελέσει το επόµενο στοιχείο στο ταξινοµηµένο κοµµάτι του πίνακα (το µέγεθος του ταξινοµηµένου κοµµατιού του πίνακα αυξάνει κατά ένα µετά από κάθε επανάληψη). Πως λειτουργεί ο αλγόριθµος αν A = <,,,,,>; Procedure SelectionSort(table A[0..n-]) { // sort A by repeatedly selecting the smallest element // from the unsorted part for (i = 0; i < n-; i++) { j = i; for (k = i+; k < n; k++) if (A[k] < A[j]) j = k; swap(a[i], A[j]); Άσκηση για το σπίτι Αποδείξτε ότι η χρονική πολυπλοκότητα της SelectionSort() είναι Θ(n ). i =, j = i = 0, j = ΗΥ0 - Παναγιώτα Φατούρου i =, j = i =, j = i =, j =
4 Ταξινόµηση - Ο αλγόριθµος HeapSort() Βασικές Ιδέες Αποδοτικότερη έκδοση του SelectionSort(), στην οποία το µη-ταξινοµηµένο κοµµάτι του Α διατηρείται ως ένας σωρός που το ελάχιστο στοιχείο του βρίσκεται στη θέση Α[n-] του πίνακα, ενώ τα υπόλοιπα στοιχεία είναι αποθηκευµένα µε την κατάλληλη σειρά σε φθίνουσες θέσεις του A ξεκινώντας από την A[n-]. Υποθέτουµε ότι αρχικά τα στοιχεία που είναι αποθηκευµένα στον πίνακα έχουν την ιδιότητα της µερικής διάταξης (αυτό επιτυγχάνεται µε κλήση µιας διαδικασίας που ονοµάζεται InitializeHeap()). ιατρέχουµε όλα τα στοιχεία του Α και για κάθε ένα από αυτά το ανταλλάσουµε µε το στοιχείο Α[n-] (δηλαδή το ελάχιστο του σωρού) και εκτελούµε µια διαδικασία, που ονοµάζεται Heapify(), η οποία επαναφέρει την ιδιότητα της µερικής διάταξης του σωρού (εφαρµόζοντας τις τεχνικές που συζητήθηκαν στην Ενότητα 8). Procedure HeapSort( table A[0..n-]) { InitializeHeap(Α); // Η InitializeHeap() αναλαµβάνει τη // µερική ταξινόµηση του αρχικού //πίνακα ώστε αυτός να µετατραπεί // σε σωρό µε ελάχιστο στην Α[n-] for (i = 0; i < n-; i++) { swap(a[i], A[n-]); // επαναληπτική αποθήκευση του // µικρότερου στοιχείου του // σωρού στη θέση i του πίνακα Heapify(A[i+ n-]); // επαναφορά της µερικής // διάταξης του σωρού που µπορεί // να έχει καταστραφεί στη ρίζα ΗΥ0 - Παναγιώτα Φατούρου 7 procedure Heapify(table A[i..j]) { // Αρχικά, το κοµµάτι Α[i..j-] είναι µερικώς ταξινοµηµένο, ενώ µετά την εκτέλεση της Heapify() το κοµµάτι A[i..j] είναι µερικώς ταξινοµηµένο m = j; while ((leftchild(m) i AND A[leftchild(m)] < A[m]) OR (rightchild(m) i AND A[rightchild(m)] < A[m]) { // αν υπάρχει αριστερό παιδί µε µικρότερο κλειδί από του m ή αν // υπάρχει δεξιό παιδί µε µικρότερο κλειδί από του m if (rightchild(m) i ) { if (A[leftchild(m)] < A[rightchild(m)]) p = leftchild(m) else p = rightchild(m); Ταξινόµηση - Ο αλγόριθµος HeapSort() else p = i; swap(α[m], A[p]); m = p; Στον παραπάνω κώδικα ισχύει ότι: leftchild(m) = m-n rightchild(m) = m-n- Παράδειγµα Εκτέλεσης της HeapSort(A) όπου A = [,,,,,] που είναι σωρός. i = 0 i = 0 i = 0 πριν την εκτέλεση της Heapify() µετά την εκτέλεση της Heapify() 0 i =, πριν Heapify() i =, µετά Heapify() i =, πριν Heapify() i =, µετά Heapify() i =, πριν Heapify() i =, µετά Heapify() i =, πριν Heapify() i =, µετά Heapify() 0 ΗΥ0 - Παναγιώτα Φατούρου 8
5 Ταξινόµηση - Ο αλγόριθµος HeapSort() Procedure InitializeHeap(Τable A[0..n-]) { // Μετατροπή του Α σε σωρό for (i=; i < n; i++) Heapify(A[0..i]); αρχικά i=: τα φύλλα και δεν έχουν παιδιά η Heapify() δεν επιφέρει καµία αλλαγή! 0 0 i=: τα φύλλα, και δεν έχουν παιδιά η Heapify() δεν επιφέρει καµία αλλαγή! µετά ανακύκλωση i = µετά ανακύκλωση i = µετά ανακύκλωση i = µετά ανακύκλωση i = µετά ανακύκλωση i = i=: η ιδιότητα της µερικής ταξινόµησης καταστρατηγείται από το η Heapify() ανταλλάσει το µε το. i=: ο κόµβος είναι ο µόνος που έχει παιδιά η Heapify() ανταλλάσει το µε το παιδί του, i=: η ιδιότητα της µερικής ταξινόµησης έχει που έχει τιµή και είναι µικρότερο. ΗΥ0 - Παναγιώτα καταστρατηγηθεί Φατούρου στη ρίζα η Heapify() ανταλλάσει9 το µε το και στη συνέχεια το µε το. Ταξινόµηση - Ο αλγόριθµος HeapSort() Χρονική Πολυπλοκότητα της HeapSort() (Χρονική Πολυπλοκότητα της InitializeHeap()) + ((n-) * Χρονική Πολυπλοκότητα της Heapify(A[0..n-])) (Χρονική Πολυπλοκότητα της InitializeHeap()) (n-) * (Χρονική Πολυπλοκότητα της Heapify(A[0..n-])) Χρονική Πολυπλοκότητα της Heapify(A[0..n-]) = O(logn). Εποµένως: Χρονική Πολυπλοκότητα της HeapSort() = O(nlogn). Χωρική Πολυπλοκότητα της HeapSort() Τα στοιχεία αποθηκεύονται κάθε χρονική στιγµή στον ίδιο τον πίνακα Α. Ο αλγόριθµος είναι πολύ αποδοτικός ως προς την χωρική πολυπλοκότητα. O αλγόριθµος είναι βέλτιστος ως προς τη χρονική πολυπλοκότητά του. ΗΥ0 - Παναγιώτα Φατούρου 0
6 Ταξινόµηση - Ο αλγόριθµος MergeSort() Τεχνική «ιαίρει και Κυρίευε» Η τεχνική περιλαµβάνει τρία βήµατα:. ιαίρεση του προβλήµατος σε διάφορα υποπροβλήµατα που είναι παρόµοια µε το αρχικό πρόβληµα αλλά µικρότερου µεγέθους.. Κυριαρχία επί των υποπροβληµάτων, επιλύοντάς τα αναδροµικά, µέχρι αυτά να γίνουν αρκετά µικρού µεγέθους οπότε και τα επιλύουµε απευθείας.. Συνδυασµός των επιµέρους λύσεων των υποπροβληµάτων ώστε να συνθέσουµε µια λύση του αρχικού προβλήµατος. Ο αλγόριθµος MergeSort() ακολουθεί το µοντέλο «ιαίρει και Κυρίευε»:. ιαίρεση: Η προς ταξινόµηση ακολουθία των n στοιχείων διαιρείται σε δύο υπακολουθίες των n/ στοιχείων η κάθε µια.. Κυριαρχία: Οι δυο υπακολουθίες ταξινοµούνται καλώντας αναδροµικά τη MergeSort() για κάθε µια από αυτές. Η αναδροµή εξαντλείται όταν η προς ταξινόµηση υπακολουθία έχει µήκος (αφού κάθε υπακολουθία µήκους είναι ταξινοµηµένη).. Συνδυασµός: Συγχωνεύουµε τις δύο ταξινοµηµένες υπακολουθίες ώστε να σχηµατίσουµε την τελική ταξινοµηµένη ακολουθία. ΗΥ0 - Παναγιώτα Φατούρου Ταξινόµηση - Ο αλγόριθµος MergeSort() ιαδικασία Συγχώνευσης Χρησιµοποιείται µια βοηθητική διαδικασία Merge(table A, int p,q,r), της οποίας οι παράµετροι είναι ένας πίνακας Α και τρεις ακέραιοι, δείκτες στον πίνακα, τ.ω. p q < r. H διαδικασία προϋποθέτει ότι οι υποπίνακες A[p..q] και A[q+..r] είναι ταξινοµηµένοι και συγχωνεύει τα στοιχεία τους ώστε να σχηµατίσει µια ενιαία ταξινοµηµένη υπακολουθία, η οποία αντικαθιστά την αρχική A[p..r]. Αποθηκεύουµε στο τέλος κάθε υποπίνακα έναν κόµβο φρουρό, ώστε όταν αυτός προσεγγισθεί, η τιµή του να είναι σίγουρα µεγαλύτερη από την τιµή του τρέχοντος στοιχείου στον άλλο υποπίνακα. void Merge(table A, int p,q,r) { n = q-p+; n = r-q; // δηµιουργία υποπινάκων L[0..n] και R[0..n] for (i= 0; i < n; i++) L[i] = A[p+i]; for (i = 0; i < n; i++) R[i] = A[q++i]; i = j = 0; L[n] = R[n] = ; // κόµβοι φρουροί των πινάκων for (k = p; k <= r; k++) { if (L[i] < R[j]) { A[k] = L[i]; i++; else { A[k] = R[j]; j++; /* for */ /*Merge */ ΗΥ0 - Παναγιώτα Φατούρου
7 Ταξινόµηση - Παράδειγµα εκτέλεσης της Merge Παράδειγµα εκτέλεσης της Merge(A, 9,, ), όπου Α[9..] = <,,,7,,,,> Οι ελαφρά σκιασµένες θέσεις στον πίνακα Α έχουν λάβει τις τελικές τους τιµές, ενώ οι έντονα σκιασµένες θέσεις θα αντικατασταθούν στη συνέχεια από άλλες τιµές. Οι ελαφρά σκιασµένες θέσεις στους πίνακες L,R περιέχουν τιµές οι οποίες δεν έχουν ακόµη επανακαταχωρηθεί στον Α, ενώ οι έντονα σκιασµένες το αντίθετο. ΗΥ0 - Παναγιώτα Φατούρου Ταξινόµηση - Παράδειγµα εκτέλεσης της Merge ΗΥ0 - Παναγιώτα Φατούρου 7
8 Ταξινόµηση - Ο αλγόριθµος MergeSort() Συνθήκη που ισχύει αναλλοίωτη κατά την εκτέλεση της Merge() «Στην αρχή κάθε επανάληψης της ης for, ο υποπίνακας Α[p..k-] περιέχει τα k-p µικρότερα στοιχεία των L[0..n] και R[0..n], ταξινοµηµένα. Επιπλέον, τα L[i] και R[j] είναι τα µικρότερα στοιχεία των υποπινάκων αυτών που δεν έχουν ακόµη καταχωρηθεί στον πίνακα Α.» Ο ισχυρισµός αυτός αποδεικνύεται µε επαγωγή στο k. Η απόδειξη αφήνεται ως άσκηση για το σπίτι! Ποια είναι η χρονική πολυπλοκότητα της Merge(); Θ(n+n) = Θ(n). void Merge(table A, int p,q,r) { n = q-p+; Θ() n = r-q; Θ() for (i=0; i < n; i++) -- L[i] = A[p+i]; - Θ(n) for (i = 0; i < n; i++) -- R[i] = A[q++i]; - Θ(n) i = j = 0; Θ() L[n] = R[n] = ; --- Θ() for (k = p; k <= r; k++) if (L[i] < R[j]) { A[k] = L[i]; i++; Θ(n+n) else { A[k] = R[j]; j++; ΗΥ0 - Παναγιώτα Φατούρου Ταξινόµηση - Ο αλγόριθµος MergeSort() void MergeSort(table A, int p, r) { if (p < r) { q = (p+r)/ ; MergeSort(A,p,q); MergeSort(A,q+,r); Merge(A,p,q,r); ΗΥ0 - Παναγιώτα Φατούρου 8
9 Ανάλυση Αλγορίθµων τύπου «ιαίρει και Κυρίευε» Έστω T(n) ο χρόνος εκτέλεσης ενός αλγορίθµου που λειτουργεί βάσει της τεχνικής «διαίρει και κυρίευε», όπου n είναι το µέγεθος της εισόδου. Αν το n είναι αρκετά µικρό, π.χ., n c, όπου c είναι µια σταθερά, η απευθείας λύση απαιτεί χρόνο Θ(). Έστω ότι κατά τη διαίρεση του προβλήµατος προκύπτουν a υποπροβλήµατα που το καθένα έχει µέγεθος το /b του µεγέθους του πλήρους προβλήµατος. Έστω ότι η διαίρεση του προβλήµατος σε υποπροβλήµατα απαιτεί χρόνο D(n) και ότι η σύνθεση των επιµέρους λύσεων των υποπροβληµάτων για το σχηµατισµό της πλήρους λύσης απαιτεί χρόνο C(n). Τότε: Θ() αν n c T ( n) = at ( n / b) + D( n) + C( n) διαϕορετικά ΗΥ0 - Παναγιώτα Φατούρου 7 Ανάλυση αλγορίθµου MergeSort() Υποθέτουµε ότι το n είναι κάποια δύναµη του (για λόγους απλότητας). Η MergeSort() για ένα µόνο στοιχείο απαιτεί σταθερό χρόνο Θ(). Όταν εκτελείται σε (υπο)πίνακα µε n > στοιχεία, αναλύουµε τη χρονική πολυπλοκότητα ως εξής: ιαίρει: D(n) = Θ() (υπολογισµός του µεσαίου στοιχείου του υποπίνακα σε χρόνο Θ()) Κυρίευε: Αναδροµική επίλυση δύο υπο-προβληµάτων µεγέθους n/ τα καθένα. Άρα, το χρονικό κόστος του βήµατος αυτού είναι Τ(n/). Συνδύασε: Η κλήση της Merge() απαιτεί χρόνο Θ(n) C(n) = Θ(n). Η αναδροµική σχέση που περιγράφει τη χρονική πολυπλοκότητα της MergeSort() είναι: c αν n =, T ( n) = T ( n / ) + cn αν n >, όπου c και c είναι σταθερές. Άσκηση για το σπίτι Αποδείξτε (είτε επαγωγικά ή µε τη µέθοδο της αντικατάστασης) ότι T(n) = Θ(nlogn). ΗΥ0 - Παναγιώτα Φατούρου 8 9
10 Ταξινόµηση - Ο αλγόριθµος QuickSort() Βασίζεται στην τεχνική «ιαίρει και Κυρίευε». ιαίρεση: Επιλέγεται ένα στοιχείο x της προς ταξινόµηση ακολουθίας (π.χ., το τελευταίο) και η αρχική ακολουθία Α[p..r] χωρίζεται στις υπακολουθίες A[p..q-] και Α[q+..r] έτσι ώστε κάθε στοιχείο της Α[p..q-] να είναι µικρότερο του x, ενώ κάθε στοιχείο της A[q+..r] να είναι µεγαλύτερο του x. Μέρος του βήµατος αυτού είναι και ο υπολογισµός της κατάλληλης θέσης q του πίνακα στην οποία θα πρέπει να βρίσκεται το στοιχείο x µετά την ταξινόµηση. Κυριαρχία: Ταξινοµούµε τις δύο υπακολουθίες Α[p..q-] και A[q+..r] µε αναδροµικές κλήσεις της QuickSort(). Συνδυασµός: εν χρειάζεται κάποια ιδιαίτερη ενέργεια για το συνδυασµό των δυο υπακολουθιών Α[p..q-] και A[q+..r], αφότου αυτές ταξινοµηθούν (λόγω του τρόπου που αυτές δηµιουργήθηκαν). ηλαδή, η συνολική ακολουθία A[p..r] είναι και αυτή ταξινοµηµένη χωρίς την εκτέλεση περαιτέρω ενεργειών. ΗΥ0 - Παναγιώτα Φατούρου 9 Ταξινόµηση - Ο αλγόριθµος QuickSort() void QuickSort(Table A, int p, int r) { if (p < r) { q = Partition(A,p,r); QuickSort(A,p,q); QuickSort(A,q+,r); int Partition(Table A, int p, int r) { int x, i, j; x = A[p]; i = p-; j = r+; while (TRUE) { repeat j = j-; until A[j] <= x; repeat i = i+; until A[i] >= x; if (i < j) swap(a[i],a[j]); else return j; α. β. γ. δ. ΗΥ0 - Παναγιώτα ε. Φατούρου 0 0
11 Ταξινόµηση - Ο αλγόριθµος QuickSort() Ο χρόνος εκτέλεσης χειρότερης περίπτωσης της QuickSort() για ένα πίνακα n στοιχείων είναι Θ(n ). Ο πίνακας είναι εξ αρχής ταξινοµηµένος. Η Partition() παράγει ένα τµήµα µε n- στοιχεία και ένα τµήµα µε µόνο στοιχείο int Partition(Table A, int p, int r) { int x, i, j; Αν το προβληµατικό αυτό σενάριο προκύψει σε κάθε εκτέλεση της Partition(), η αναδροµική σχέση που περιγράφει την QuickSort() είναι: Τ() = Θ() και T(n) = T(n-) + Θ(n) = Θ(n ). 0 x = A[p]; i = p-; j = r+; while (TRUE) { repeat j = j-; until A[j] <= x; repeat i = i+; until A[i] >= x; if (i < j) swap(a[i],a[j]); else return j; 0 ΗΥ0 - Παναγιώτα Φατούρου Ταξινόµηση - Ο αλγόριθµος QuickSort() ένδρο αναδροµής της QuickSort() όπου η Partition() διαµερίζει επαναληπτικά τον πίνακα σε ένα τµήµα µεγέθους και σε ένα τµήµα µεγέθους n-. ΗΥ0 - Παναγιώτα Φατούρου
12 QuickSort() Ο καλύτερος χρόνος εκτέλεσηςτης QuickSort() είναι Θ(nlogn). H Partition() παράγει δύο τµήµατα µε n/ στοιχεία το καθένα int Partition(Table A, int p, int r) { int x, i, j; x = A[p]; i = p-; j = r+; while (TRUE) { repeat j = j-; until A[j] <= x; repeat i = i+; until A[i] >= x; if (i < j) swap(a[i],a[j]); else return j; Η αναδροµική σχέση που περιγράφει τη χρονική πολυπλοκότητα της QuickSort() σε αυτή την περίπτωση είναι: Τ() = Θ() και Τ(n) = T(n/) + Θ(n) = Θ(nlogn) ΗΥ0 - Παναγιώτα Φατούρου Ταξινόµηση - Ο αλγόριθµος QuickSort() ένδρο αναδροµής της QuickSort() όπου η Partition() διαµερίζει επαναληπτικά τον πίνακα σε δύο τµήµατα µεγέθους n/ το καθένα. ΗΥ0 - Παναγιώτα Φατούρου
13 Ταξινόµηση - Ο αλγόριθµος QuickSort() log Οποιαδήποτε διαµέριση του πίνακα (από την Partition()) σε δύο τµήµατα τ.ω. η αναλογία µεταξύ των µηκών των δύο τµηµάτων είναι σταθερή, οδηγεί σε Θ(logn) επίπεδα αναδροµικών κλήσεων που το καθένα κοστίζει Θ(n). ΗΥ0 - Παναγιώτα Φατούρου ιαίσθηση για την Μέση Περίπτωση Υπόθεση Κάθε µετάθεση των προς ταξινόµηση αριθµών προκύπτει, ως είσοδος της QuickSort(), µε την ίδια πιθανότητα όπως όλες οι υπόλοιπες µεταθέσεις. Παράδειγµα Οι διαµερίσεις που παράγουν εξισορροπηµένα, ως προς το µέγεθος, τµήµατα του πίνακα εναλλάσσονται µε εκείνες που δεν το επιτυγχάνουν αυτό. ΗΥ0 - Παναγιώτα Φατούρου
14 Έκδοση QuickSort() που χρησιµοποιεί τυχαιότητα Βασική Ιδέα Σε κάθε βήµα, πριν να εκτελεστεί η διαµέριση του πίνακα, ανταλλάσσουµε το στοιχείο A[p] µε ένα άλλο στοιχείο του πίνακα που επιλέγεται µε τυχαιότητα. Αυτό αναµένεται να οδηγήσει σε διαµέριση του πίνακα σε δύο τµήµατα που είναι εξισορροπήµενα ως προς το µέγεθός τους. void RandomizedQuickSort(Table A, int p, int r) { if (p < r) { q = RandPartition(A,p,r); RandomizedQuickSort(A,p,q); RandomizedQuickSort(A,q+,r); void RandomizedPartition(Table A, int p, int r) { i = random(p,r); swap(a[p], A[i]); return Partition(A,p,r); ΗΥ0 - Παναγιώτα Φατούρου 7
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Δομές δεδομένων. Ενότητα 9: Ταξινόμηση Παναγιώτα Φατούρου Τμήμα Επιστήμης Υπολογιστών
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Δομές δεδομένων Ενότητα 9: Ταξινόμηση Παναγιώτα Φατούρου Τμήμα Επιστήμης Υπολογιστών Ενότητα 9 Ταξινόμηση ΗΥ240 - Παναγιώτα Φατούρου 2 Ταξινόμηση Θεωρούμε έναν πίνακα
Διαβάστε περισσότεραΗΥ240 - Παναγιώτα Φατούρου 2
Ενότητα 9 Ταξινόµηση ΗΥ0 - Παναγιώτα Φατούρου Ταξινόµηση Θεωρούµε έναν πίνακα Α[0..n-] µε n στοιχεία στα οποία έχει ορισθεί µια γραµµική διάταξη, δηλαδή ζεύγος στοιχείων x,y του Α, είτε x < y, ή x > y
Διαβάστε περισσότεραΤαξινόμηση. Παύλος Εφραιμίδης. Δομές Δεδομένων Ταξινόμηση 1
Ταξινόμηση Παύλος Εφραιμίδης Δομές Δεδομένων Ταξινόμηση 1 Το πρόβλημα της ταξινόμησης Δομές Δεδομένων Ταξινόμηση 2 Ταξινόμηση Δίνεται πολυ-σύνολο Σ με στοιχεία από κάποιο σύμπαν U (πχ. U = το σύνολο των
Διαβάστε περισσότεραΕνότητα 1: Εισαγωγή Ασκήσεις και Λύσεις
Ενότητα 1: Εισαγωγή Ασκήσεις και Λύσεις Άσκηση 1 Αποδείξτε τη µεταβατική και τη συµµετρική ιδιότητα του Θ. Λύση Μεταβατική Ιδιότητα (ορισµός): Αν f(n) = Θ(g(n)) και g(n) = Θ(h(n)) τότε f(n)=θ(h(n)). Για
Διαβάστε περισσότεραQuicksort. Πρόβλημα Ταξινόμησης. Μέθοδοι Ταξινόμησης. Συγκριτικοί Αλγόριθμοι
Πρόβλημα Ταξινόμησης Quicksort Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Είσοδος : ακολουθία n αριθμών (α 1, α 2,..., α n
Διαβάστε περισσότεραΔιαίρει-και-Βασίλευε. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Διαίρει-και-Βασίλευε 2
Διαίρει-και-Βασίλευε Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Διαίρει-και-Βασίλευε 2 Διαίρει-και-Βασίλευε Γενική µέθοδος σχεδιασµού αλγορίθµων: Διαίρεση σε ( 2) υποπροβλήµατα (σηµαντικά) µικρότερου µεγέθους.
Διαβάστε περισσότεραΕνότητα 7 Ουρές Προτεραιότητας
Ενότητα Ουρές Προτεραιότητας ΗΥ4 - Παναγιώτα Φατούρου Ουρές Προτεραιότητας Θεωρούµε ένα χώρο κλειδιών U και έστω ότι µε κάθε κλειδί Κ (τύπου Key) έχει συσχετισθεί κάποια πληροφορία Ι (τύπου Type). Έστω
Διαβάστε περισσότεραΠΛΗ111. Ανοιξη Μάθηµα 9 ο. Ταξινόµηση. Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Πολυτεχνείο Κρήτης
ΠΛΗ111 οµηµένος Προγραµµατισµός Ανοιξη 2005 Μάθηµα 9 ο Ταξινόµηση Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Πολυτεχνείο Κρήτης Ταξινόµηση Εισαγωγή Selection sort Insertion sort Bubble sort
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Δομές δεδομένων Άσκηση αυτοαξιολόγησης 1 Παναγιώτα Φατούρου Τμήμα Επιστήμης Υπολογιστών Ενότητα 1: Εισαγωγή Ασκήσεις και Λύσεις Άσκηση 1 Αποδείξτε τη µεταβατική
Διαβάστε περισσότεραΔιδάσκων: Κωνσταντίνος Κώστα Διαφάνειες: Δημήτρης Ζεϊναλιπούρ
Διάλεξη 14: Αλγόριθμοι Ταξινόμησης Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: Οι αλγόριθμοι ταξινόμησης 3) Mergesort Ταξινόμηση με Συγχώνευση 4) BucketSort Ταξινόμηση με Κάδους Διδάσκων:
Διαβάστε περισσότεραΤαξινόµηση. Παύλος Εφραιµίδης. οµές εδοµένων και
Παύλος Εφραιµίδης 1 Το πρόβληµα της ταξινόµησης 2 3 ίνεται πολυ-σύνολο Σ µε στοιχεία από κάποιο σύµπαν U (πχ. U = το σύνολο των ακεραίων αριθµών). του Σ είναι η επιβολή µιας διάταξης στα στοιχεία του συνόλου
Διαβάστε περισσότεραΑλγόριθμοι Ταξινόμησης Μέρος 2
Αλγόριθμοι Ταξινόμησης Μέρος 2 Μανόλης Κουμπαράκης 1 Προχωρημένοι Αλγόριθμοι Ταξινόμησης Στη συνέχεια θα παρουσιάσουμε τρείς προχωρημένους αλγόριθμους ταξινόμησης: treesort, quicksort και mergesort. 2
Διαβάστε περισσότεραΔιάλεξη 09: Αλγόριθμοι Ταξινόμησης I
Διάλεξη 09: Αλγόριθμοι Ταξινόμησης I Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: - Οι αλγόριθμοι ταξινόμησης: Α. SelectionSort Ταξινόμηση με Επιλογή Β. InsertionSort Ταξινόμηση με Εισαγωγή
Διαβάστε περισσότεραauth Αλγόριθμοι - Τμήμα Πληροφορικής ΑΠΘ - Εξάμηνο 4ο
Σχεδίαση Αλγορίθμων Διαίρει και Βασίλευε http://delab.csd.auth.gr/courses/algorithms/ auth 1 Διαίρει και Βασίλευε Η γνωστότερη ρημέθοδος σχεδιασμού αλγορίθμων: 1. Διαιρούμε το στιγμιότυπο του προβλήματος
Διαβάστε περισσότεραa 1 a 2 a n. 3. i = j 1 5. A[i + 1] = A[i] 6. i = i 1
Εισαγωγη στον Σχεδιασμο και Αναλυση αλγοριθμων Αλγοριθμοι Ταξινομησης Η ταξινόμηση μιας ακολουθίας αριθμών είναι από τα βασικά αποτελέσματα της θεωρίας αλγορίθμων. Μια ευρεία γκάμα τέτοιων αλγορίθμων έχουν
Διαβάστε περισσότερα8. Σωροί (Heaps)-Αναδρομή- Προχωρημένη Ταξινόμηση
Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων 8. Σωροί (Heaps)-Αναδρομή- Προχωρημένη Ταξινόμηση 2 ομές εδομένων 4 5 Χρήστος ουλκερίδης Τμήμα Ψηφιακών Συστημάτων
Διαβάστε περισσότεραΤαξινόμηση με συγχώνευση Merge Sort
Ταξινόμηση με συγχώνευση Merge Sort 7 2 9 4 2 4 7 9 7 2 2 7 9 4 4 9 7 7 2 2 9 9 4 4 Πληροφορικής 1 Διαίρει και Βασίλευε Η μέθοδος του «Διαίρει και Βασίλευε» είναι μια γενική αρχή σχεδιασμού αλγορίθμων
Διαβάστε περισσότεραιαίρει-και-βασίλευε ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο
ιαίρει-και-βασίλευε ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο ιαίρει-και-βασίλευε Γενική μέθοδος σχεδιασμού αλγορίθμων: ιαίρεση σε ( 2) υποπροβλήματα
Διαβάστε περισσότεραΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ. Ταξινόµηση Mergesort Κεφάλαιο 8. Ε. Μαρκάκης Επίκουρος Καθηγητής
ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ Ταξινόµηση Mergesort Κεφάλαιο 8 Ε. Μαρκάκης Επίκουρος Καθηγητής Περίληψη Ταξινόµηση µε συγχώνευση Αλγόριθµος Mergesort Διµερής συγχώνευση Αφηρηµένη επιτόπου συγχώνευση Αναλυτική ταξινόµηση
Διαβάστε περισσότεραQuicksort [Hoare, 62] Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Quicksort 1
Quicksort [Hoare, 62] Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Quicksort 1 Quicksort [Hoare, 62] Στοιχείο διαχωρισµού (pivot), π.χ. πρώτο, τυχαίο, Αναδιάταξη και διαίρεση εισόδου σε δύο υπο-ακολουθίες:
Διαβάστε περισσότεραQuicksort. ημήτρης Φωτάκης. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Εθνικό Μετσόβιο Πολυτεχνείο
Quicksort ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Quicksort [Hoare, 62] Στοιχείο διαχωρισμού (pivot), π.χ. πρώτο, τυχαίο, Αναδιάταξη και διαίρεση
Διαβάστε περισσότεραΑλγόριθμοι ταξινόμησης
Αλγόριθμοι Ταξινόμησης Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: Οι αλγόριθμοι ταξινόμησης BuubleSort, SelectionSort, InsertionSort, Merger Sort, Quick Soft ΕΠΛ Δομές Δεδομένων και Αλγόριθμοι
Διαβάστε περισσότεραΔομές Δεδομένων και Αλγόριθμοι
Δομές Δεδομένων και Αλγόριθμοι Χρήστος Γκόγκος ΤΕΙ Ηπείρου, Τμήμα Μηχανικών Πληροφορικής ΤΕ Χειμερινό Εξάμηνο 2014-2015 (Παρουσίαση 5) 1 / 17 Απόδοση προγραμμάτων Συχνά χρειάζεται να εκτιμηθεί η απόδοση
Διαβάστε περισσότεραQuicksort. ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Quicksort ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραQuicksort. Επιμέλεια διαφανειών: Δ. Φωτάκης Μικροαλλαγές: Α. Παγουρτζής. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Quicksort Επιμέλεια διαφανειών: Δ. Φωτάκης Μικροαλλαγές: Α. Παγουρτζής Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Quicksort [Hoare, 6] Στοιχείο διαχωρισμού (pivot),
Διαβάστε περισσότεραΣχεδίαση Αλγορίθμων -Τμήμα Πληροφορικής ΑΠΘ - Εξάμηνο 4ο
Σχεδίαση Αλγορίθμων Διαίρει και Βασίλευε http://delab.csd.auth.gr/~gounaris/courses/ad auth gounaris/courses/ad 1 Διαίρει και Βασίλευε Η γνωστότερη ρημέθοδος σχεδιασμού αλγορίθμων: 1. Διαιρούμε το στιγμιότυπο
Διαβάστε περισσότεραΟ αλγόριθμος Quick-Sort. 6/14/2007 3:42 AM Quick-Sort 1
Ο αλγόριθμος Quick-Sort 7 4 9 6 2 2 4 6 7 9 4 2 2 4 7 9 7 9 2 2 9 9 6/14/2007 3:42 AM Quick-Sort 1 Κύρια σημεία για μελέτη Quick-sort ( 4.3) Αλγόριθμος Partition step Δέντρο Quick-sort Παράδειγμα εκτέλεσης
Διαβάστε περισσότεραΣχεδίαση και Ανάλυση Αλγορίθμων
Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα.0 Σταύρος Δ. Νικολόπουλος 06-7 Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιο Ιωαννίνων Webpage: www.cs.uoi.gr/~stavros Ταξινόμηση Selection-Sort Bubble-Sort και
Διαβάστε περισσότεραΑναδρομικές Σχέσεις «ιαίρει-και-βασίλευε»
Αναδρομικές Σχέσεις «ιαίρει-και-βασίλευε» ιδάσκοντες: Φ. Αφράτη,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο ιαίρει-και-βασίλευε
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΟΙ. Ενότητα 4: Διαίρει και Βασίλευε. Ιωάννης Μανωλόπουλος, Καθηγητής Αναστάσιος Γούναρης, Επίκουρος Καθηγητής Τμήμα Πληροφορικής ΑΠΘ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ ΑΛΓΟΡΙΘΜΟΙ Ενότητα 4: Διαίρει και Βασίλευε Ιωάννης Μανωλόπουλος, Καθηγητής Αναστάσιος Γούναρης, Επίκουρος Καθηγητής Άδειες Χρήσης Το παρόν
Διαβάστε περισσότεραMerge Sort (Ταξινόμηση με συγχώνευση) 6/14/2007 3:04 AM Merge Sort 1
Merge Sort (Ταξινόμηση με συγχώνευση) 7 2 9 4 2 4 7 9 7 2 2 7 9 4 4 9 7 7 2 2 9 9 4 4 6/14/2007 3:04 AM Merge Sort 1 Κύρια σημεία για μελέτη Το παράδειγμα του «διαίρει και βασίλευε» ( 4.1.1) Merge-sort
Διαβάστε περισσότερα1o Φροντιστήριο ΗΥ240
1o Φροντιστήριο ΗΥ240 Άσκηση 1 Αποδείξτε τη μεταβατική και τη συμμετρική ιδιότητα του Θ Μεταβατική Ιδιότητα (ορισμός): Αν f(n) = Θ(g(n)) και g(n) = Θ(h(n)) τότε f(n)=θ(h(n)) Για να ισχύει f(n)= Θ(h(n))
Διαβάστε περισσότεραΔιάλεξη 17: O Αλγόριθμος Ταξινόμησης HeapSort
Διάλεξη 17: O Αλγόριθμος Ταξινόμησης HeapSort Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: Η διαδικασία PercolateDown, Δημιουργία Σωρού O Αλγόριθμος Ταξινόμησης HeapSort Υλοποίηση, Παραδείγματα
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 23 Μαρτίου 2017 1 / 20 Επιλογή Το πρόβληµα
Διαβάστε περισσότεραΕπιμέλεια διαφανειών: Δ. Φωτάκης Τροποποιήσεις-προσθήκες: Α. Παγουρτζής. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Διαίρει-και-Βασίλευε Επιμέλεια διαφανειών: Δ. Φωτάκης Τροποποιήσεις-προσθήκες: Α. Παγουρτζής Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Διαίρει-και-Βασίλευε Γενική
Διαβάστε περισσότερα5. Απλή Ταξινόμηση. ομές εδομένων. Χρήστος ουλκερίδης. Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων
Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων 5. Απλή Ταξινόμηση 2 ομές εδομένων 4 5 Χρήστος ουλκερίδης Τμήμα Ψηφιακών Συστημάτων 11/11/2016 Εισαγωγή Η
Διαβάστε περισσότεραΔιαίρει-και-Βασίλευε. Διαίρει-και-Βασίλευε. MergeSort. MergeSort. Πρόβλημα Ταξινόμησης: Είσοδος : ακολουθία n αριθμών (α 1
Διαίρει-και-Βασίλευε Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Διαίρει-και-Βασίλευε Γενική μέθοδος
Διαβάστε περισσότεραΟυρές Προτεραιότητας: Υπενθύμιση. Σωροί / Αναδρομή / Ταξινόμηση. Υλοποίηση Σωρού. Σωρός (Εισαγωγή) Ορέστης Τελέλης
Ουρές Προτεραιότητας: Υπενθύμιση Σωροί / Αναδρομή / Ταξινόμηση Ορέστης Τελέλης telelis@unipi.gr Τμήμα Ψηφιακών Συστημάτων, Πανεπιστήμιο Πειραιώς (Abstract Data Type) με μεθόδους: Μπορεί να υλοποιηθεί με
Διαβάστε περισσότεραΑλγόριθµοι. Παράδειγµα. ιαίρει και Βασίλευε. Παράδειγµα MergeSort. Τεχνικές Σχεδιασµού Αλγορίθµων
Τεχνικές Σχεδιασµού Αλγορίθµων Αλγόριθµοι Παύλος Εφραιµίδης pefraimi@ee.duth.gr Ορισµένες γενικές αρχές για τον σχεδιασµό αλγορίθµων είναι: ιαίρει και Βασίλευε (Divide and Conquer) υναµικός Προγραµµατισµός
Διαβάστε περισσότεραΔοµές Δεδοµένων. 10η Διάλεξη Ταξινόµηση. E. Μαρκάκης
Δοµές Δεδοµένων 10η Διάλεξη Ταξινόµηση E. Μαρκάκης Περίληψη Ταξινόµηση µε αριθµοδείκτη κλειδιού Ταξινόµηση µε συγχώνευση Αλγόριθµος Mergesort Διµερής συγχώνευση Αφηρηµένη επιτόπου συγχώνευση Αναλυτική
Διαβάστε περισσότεραΠροχωρημένες έννοιες προγραμματισμού σε C
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΗΛΕΚΤΡΟΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Διδάσκοντες: Στάθης Ζάχος (zachos@cs.ntua.gr) Νίκος Παπασπύρου (nickie@softlab.ntua.gr)
Διαβάστε περισσότεραΕνότητα 7 Ουρές Προτεραιότητας
Ενότητα 7 Ουρές Προτεραιότητας ΗΥ240 - Παναγιώτα Φατούρου Ουρές Προτεραιότητας Θεωρούµε ένα χώρο κλειδιών U και έστω ότι µε κάθε κλειδί Κ (τύπου Key) έχει συσχετισθεί κάποια πληροφορία Ι (τύπου Type).
Διαβάστε περισσότεραΕπιλογή. Επιμέλεια διαφανειών: Δ. Φωτάκης. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Εθνικό Μετσόβιο Πολυτεχνείο
Επιλογή Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Πρόβλημα Επιλογής Πίνακας Α[ ] με n στοιχεία (όχι ταξινομημένος). Αριθμός k,
Διαβάστε περισσότεραΔιάλεξη 19: Αλγόριθμοι ΤαξινόμησηςII. Διδάσκων: Παναγιώτης Ανδρέου
Διάλεξη 19: Αλγόριθμοι ΤαξινόμησηςII Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: - Οι αλγόριθμοι ταξινόμησης: Γ. MergeSort Ταξινόμηση με Συγχώνευση Δ. BucketSort Ταξινόμηση με Κάδους Διδάσκων:
Διαβάστε περισσότεραΣχεδίαση Αλγορίθμων -Τμήμα Πληροφορικής ΑΠΘ - Εξάμηνο 4ο
Πολλαπλασιασμός μεγάλων ακεραίων (1) Για να πολλαπλασιάσουμε δύο ακεραίους με n 1 και n 2 ψηφία με το χέρι, θα εκτελέσουμε n 1 n 2 πράξεις πολλαπλασιασμού Πρόβλημα ρβημ όταν έχουμε πολλά ψηφία: A = 12345678901357986429
Διαβάστε περισσότεραΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ. Ταξινόµηση Quicksort Κεφάλαιο 7. Ε. Μαρκάκης Επίκουρος Καθηγητής
ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ Ταξινόµηση Quicksort Κεφάλαιο 7 Ε. Μαρκάκης Επίκουρος Καθηγητής Περίληψη Quicksort Ο βασικός αλγόριθµος Χαρακτηριστικά επιδόσεων Μικροί υποπίνακες Μη αναδροµική υλοποίηση Δοµές Δεδοµένων
Διαβάστε περισσότεραΑλγόριθμοι και πολυπλοκότητα Συγχωνευτική Ταξινόμηση
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Αλγόριθμοι και πολυπλοκότητα Συγχωνευτική Ταξινόμηση Ιωάννης Τόλλης Τμήμα Επιστήμης Υπολογιστών Συγχωνευτική Ταξινόμηση (Merge Sort) 7 2 9 4 2 4 7 9 7 2 2 7 9 4
Διαβάστε περισσότεραΕπιλογή. ημήτρης Φωτάκης. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Εθνικό Μετσόβιο Πολυτεχνείο
Επιλογή ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Πρόβλημα Επιλογής Πίνακας Α[]με n στοιχεία (όχι ταξινομημένος). Αριθμός k, 1 k n. Υπολογισμός
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα Φεβρουαρίου 0 / ένδρα Ενα δένδρο είναι
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Δομές δεδομένων. Ενότητα 7η: Ουρές Προτεραιότητας Παναγιώτα Φατούρου Τμήμα Επιστήμης Υπολογιστών
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Δομές δεδομένων Ενότητα 7η: Ουρές Προτεραιότητας Παναγιώτα Φατούρου Τμήμα Επιστήμης Υπολογιστών Ενότητα 7 Ουρές Προτεραιότητας ΗΥ240 - Παναγιώτα Φατούρου 2 Ουρές
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ Ενότητα 4: Αναδρομικές σχέσεις και ανάλυση αλγορίθμων Μαρία Σατρατζέμη Τμήμα Εφαρμοσμένης Πληροφορικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΠρόβληµα Επιλογής. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Επιλογή 1
Πρόβληµα Επιλογής Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Επιλογή 1 Πρόβληµα Επιλογής Πίνακας Α[ Αριθµός k, 1 k n. ] µε n στοιχεία (όχι ταξινοµηµένος). Υπολογισµός του k-οστού µικρότερου στοιχείου (στοιχείο
Διαβάστε περισσότεραΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ. Δοµές Δεδοµένων
ΟΝΟΜΑΤΕΠΩΝΥΜΟ: ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ AM: Δοµές Δεδοµένων Εξεταστική Ιανουαρίου 2014 Διδάσκων : Ευάγγελος Μαρκάκης 20.01.2014 ΥΠΟΓΡΑΦΗ ΕΠΟΠΤΗ: Διάρκεια εξέτασης : 2 ώρες και
Διαβάστε περισσότεραΣχεδίαση και Ανάλυση Αλγορίθμων
Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 3.0 Σταύρος Δ. Νικολόπουλος 0-7 Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιο Ιωαννίνων Webpage: www.cs.uoi.gr/~stavros Διαίρει και Βασίλευε Quick-sort και Merge-sort
Διαβάστε περισσότεραΔοµές Δεδοµένων. 11η Διάλεξη Ταξινόµηση Quicksort και Ιδιότητες Δέντρων. Ε. Μαρκάκης
Δοµές Δεδοµένων 11η Διάλεξη Ταξινόµηση Quicksort και Ιδιότητες Δέντρων Ε. Μαρκάκης Περίληψη Quicksort Χαρακτηριστικά επιδόσεων Μη αναδροµική υλοποίηση Δέντρα Μαθηµατικές ιδιότητες Δοµές Δεδοµένων 11-2
Διαβάστε περισσότεραΕπιλογή. ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Επιλογή ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ενότητα 2 ιαίρει και Βασίλευε Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Καθηγητής: Ν. Μ. Μισυρλής Αλγόριθµοι και Πολυπλοκότητα - Ενότητα 2 1 / 24 Επιλογή Το πρόβληµα
Διαβάστε περισσότεραΔομές Δεδομένων και Αλγόριθμοι
Δομές Δεδομένων και Αλγόριθμοι Χρήστος Γκόγκος ΤΕΙ Ηπείρου Χειμερινό Εξάμηνο 2014-2015 Παρουσίαση 8 Quick Sort 1 / 11 Ο αλγόριθμος QuickSort 1 Προτάθηκε από τον CAR (Tony) Hoare το 1961 2 Ο αλγόριθμος
Διαβάστε περισσότεραΤαξινόμηση. Σαλτογιάννη Αθανασία
Ταξινόμηση Σαλτογιάννη Αθανασία Ταξινόμηση Ταξινόμηση Τι εννοούμε όταν λέμε ταξινόμηση; Ταξινόμηση Τι εννοούμε όταν λέμε ταξινόμηση; Ποια είδη αλγορίθμων ταξινόμησης υπάρχουν; Ταξινόμηση Τι εννοούμε όταν
Διαβάστε περισσότεραΣχεδίαση και Ανάλυση Αλγορίθμων
Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 4.0 Επιλογή Αλγόριθμοι Επιλογής Select και Quick-Select Σταύρος Δ. Νικολόπουλος 2016-17 Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιο Ιωαννίνων Webpage: www.cs.uoi.gr/~stavros
Διαβάστε περισσότεραΘεωρητικό Μέρος. int rec(int n) { int n1, n2; if (n <= 5) then return n; else { n1 = rec(n-5); n2 = rec(n-3); return (n1+n2); } }
Πανεπιστήµιο Ιωαννίνων, Τµήµα Πληροφορικής 2 Νοεµβρίου 2005 Η/Υ 432: οµές εδοµένων Χειµερινό Εξάµηνο Ακαδηµαϊκού Έτους 2005-2006 Παναγιώτα Φατούρου Ηµεροµηνία Παράδοσης 1 ο Σετ Ασκήσεων Θεωρητικό Μέρος:
Διαβάστε περισσότεραΕπιλογή. Πρόβλημα Επιλογής. Μέγιστο / Ελάχιστο. Εφαρμογές
Επιλογή Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Πρόβλημα Επιλογής Πίνακας Α[]με n στοιχεία (όχι ταξινομημένος). Αριθμός
Διαβάστε περισσότερα3 ΑΝΑ ΡΟΜΗ ΑΝΑΖΗΤΗΣΗ - ΤΑΞΙΝΟΜΗΣΗ. n! = 1*2*3*..(n-1)*n. n! = 1 αν n = 0, = n*(n-1)! αν n > ΑΝΑ ΡΟΜΗ Εισαγωγή
3 ΑΝΑ ΡΟΜΗ ΑΝΑΖΗΤΗΣΗ - ΤΑΞΙΝΟΜΗΣΗ 3.1 ΑΝΑ ΡΟΜΗ 3.1.1 Εισαγωγή ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ ΙΙ Αναδροµή είναι η µέθοδος κατά την οποία, σε µία γλώσσα προγραµµατισµού, µία διαδικασία ή συνάρτηση έχει την δυνατότητα
Διαβάστε περισσότεραΣτοιχεία Αλγορίθµων και Πολυπλοκότητας
Στοιχεία Αλγορίθµων και Πολυπλοκότητας Ορέστης Τελέλης telelis@unipi.gr Τµήµα Ψηφιακών Συστηµάτων, Πανεπιστήµιο Πειραιώς Ο. Τελέλης Πανεπιστήµιο Πειραιώς Πολυπλοκότητα 1 / 16 «Ζέσταµα» Να γράψετε τις συναρτήσεις
Διαβάστε περισσότεραΕΝΟΤΗΤΑ 7 ΟΥΡΕΣ ΠΡΟΤΕΡΑΙΟΤΗΤΑΣ ΣΩΡΟΙ
ΕΝΟΤΗΤΑ 7 ΟΥΡΕΣ ΠΡΟΤΕΡΑΙΟΤΗΤΑΣ ΣΩΡΟΙ Ουρές Προτεραιότητας (Priority Queues) Θεωρούµε ότι τα προς αποθήκευση στοιχεία έχουν κάποια διάταξη (καθένα έχει µια προτεραιότητα). Τα προς αποθήκευση στοιχεία είναι
Διαβάστε περισσότεραΕνότητα 9 Ξένα Σύνολα που υποστηρίζουν τη λειτουργία της Ένωσης (Union-Find)
Ενότητα 9 Ξένα Σύνολα που υποστηρίζουν τη (Union-Find) ΗΥ240 - Παναγιώτα Φατούρου 1 Ξένα Σύνολα που υποστηρίζουν τη λειτουργία της Ένωσης Έστω ότι S 1,, S k είναι ξένα υποσύνολα ενός συνόλου U, δηλαδή
Διαβάστε περισσότεραΕΠΛ 231 οµές εδοµένων και Αλγόριθµοι Άννα Φιλίππου, 2006 9-1
Σωροί Στην ενότητα αυτή θα µελετηθούν τα εξής επιµέρους θέµατα: Ουρές Προτεραιότητας Σωροί υλοποίηση και πράξεις Ο αλγόριθµος ταξινόµησης HeapSort Παραλλαγές Σωρών ΕΠΛ 231 οµές εδοµένων και Αλγόριθµοι
Διαβάστε περισσότεραInsert(K,I,S) Delete(K,S)
ΕΝΟΤΗΤΑ 5 ΣΥΝΟΛΑ & ΛΕΞΙΚΑ Φατούρου Παναγιώτα 1 Σύνολα (Sets) Τα µέλη ενός συνόλου προέρχονται από κάποιο χώρο αντικειµένων/στοιχείων (π.χ., σύνολα αριθµών, λέξεων, ζευγών αποτελούµενα από έναν αριθµό και
Διαβάστε περισσότεραΑλγόριθµοι Ταξινόµησης
Αλγόριθµοι Ταξινόµησης Στην ενότητα αυτή θα µελετηθούν τα εξής επιµέρους θέµατα: Οι αλγόριθµοι ταξινόµησης SelectionSort, InsertionSort, Mergesort, QuickSort, BucketSort Κάτω φράγµα της αποδοτικότητας
Διαβάστε περισσότεραοµές εδοµένων 3 ο Εξάµηνο Τµήµα Πανεπιστήµιο Πληροφορικής Ιωαννίνων ΟΜΕΣ Ε ΟΜΕΝΩΝ
Τµήµα Πανεπιστήµιο Πληροφορικής Ιωαννίνων ΟΜΕΣ Ε ΟΜΕΝΩΝ ΕΝΟΤΗΤΑ 1 ΕΙΣΑΓΩΓΗ 1 εδοµένα Σύνολο από πληροφορίες που πρέπει να αποθηκευτούν σε έναν υπολογιστή Υπολογιστικό Μοντέλο ένας επεξεργαστής και µεγάλος
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Δομές Δεδομένων. Ιωάννης Γ. Τόλλης Τμήμα Επιστήμης Υπολογιστών Πανεπιστήμιο Κρήτης
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Δομές Δεδομένων Ιωάννης Γ. Τόλλης Τμήμα Επιστήμης Υπολογιστών Πανεπιστήμιο Κρήτης Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Στην ενότητα αυτή θα µελετηθούν τα εξής θέµατα: Πρόβληµα, Στιγµιότυπο, Αλγόριθµος Εργαλεία εκτίµησης πολυπλοκότητας: οι τάξεις Ο(n), Ω(n), Θ(n) Ανάλυση Πολυπλοκότητας Αλγορίθµων
Διαβάστε περισσότεραΑλγόριθµοι Ταξινόµησης
Αλγόριθµοι Ταξινόµησης Στην ενότητα αυτή θα µελετηθούν τα εξής επιµέρους θέµατα: Οι αλγόριθµοι ταξινόµησης SelectionSort, InsertionSort, Mergesort, QuickSort, BucketSort Κάτω φράγµα της αποδοτικότητας
Διαβάστε περισσότεραΔομές Δεδομένων και Αλγόριθμοι
Δομές Δεδομένων και Αλγόριθμοι Χρήστος Γκόγκος ΤΕΙ Ηπείρου Χειμερινό Εξάμηνο 2014-2015 Παρουσίαση 17 Σωροί (Heaps) έκδοση 10 1 / 19 Heap Σωρός Ο σωρός είναι μια μερικά ταξινομημένη δομή δεδομένων που υποστηρίζει
Διαβάστε περισσότεραΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ. Δοµές Δεδοµένων
ΟΝΟΜΑΤΕΠΩΝΥΜΟ: ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ AM: Δοµές Δεδοµένων Πτυχιακή Εξεταστική Ιούλιος 2014 Διδάσκων : Ευάγγελος Μαρκάκης 09.07.2014 ΥΠΟΓΡΑΦΗ ΕΠΟΠΤΗ: Διάρκεια εξέτασης : 2 ώρες
Διαβάστε περισσότεραΠανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων ομές εδομένων
Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων 2. Πίνακες 45 23 28 95 71 19 30 2 ομές εδομένων 4 5 Χρήστος ουλκερίδης Τμήμα Ψηφιακών Συστημάτων 21/10/2016
Διαβάστε περισσότεραΑναδρομή Ανάλυση Αλγορίθμων
Αναδρομή Ανάλυση Αλγορίθμων Παράδειγμα: Υπολογισμός του παραγοντικού Ορισμός του n! n! = n x (n - 1) x x 2 x 1 Ο παραπάνω ορισμός μπορεί να γραφεί ως n! = 1 αν n = 0 n x (n -1)! αλλιώς Παράδειγμα (συνέχ).
Διαβάστε περισσότεραΚατ οίκον Εργασία 2 Σκελετοί Λύσεων
Κατ οίκον Εργασία 2 Σκελετοί Λύσεων 1. (α) Αλγόριθµος: ηµιούργησε το σύνολο P που αποτελείται από τα άκρα όλων των ευθυγράµµων τµηµάτων. Βρες το κυρτό περίβληµα του P µε τον αλγόριθµο του Graham. Ορθότητα:
Διαβάστε περισσότεραΤεχνικές Σχεδιασμού Αλγορίθμων
Τεχνικές Σχεδιασμού Αλγορίθμων Διαίρει και Βασίλευε Δυναμικός Προγραμματισμός Απληστία Π. Μποζάνης ΤHMMY - Αλγόριθμοι 2014-2015 1 Διαίρει και Βασίλευε Βασικά Βήματα Διαίρει: Κατάτμηση του αρχικού προβλήματος
Διαβάστε περισσότεραΠανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων ομές εδομένων
Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων 2. Πίνακες 45 23 28 95 71 19 30 2 ομές εδομένων 4 5 Χρήστος ουλκερίδης Τμήμα Ψηφιακών Συστημάτων 12/10/2017
Διαβάστε περισσότεραΔιδάσκων: Παναγιώτης Ανδρέου
Διάλεξη 20: Αλγόριθμοι ΤαξινόμησηςIII Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: - Οι αλγόριθμοι ταξινόμησης: Ε. QuickSort Γρήγορη Ταξινόμηση - Έμμεση Ταξινόμηση - Εξωτερική Ταξινόμηση Διδάσκων:
Διαβάστε περισσότεραΑλγόριθμοι και Πολυπλοκότητα
Αλγόριθμοι και Πολυπλοκότητα Διαίρει και Βασίλευε Δημήτρης Μιχαήλ Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Διαίρει και Βασίλευε Divide and Conquer Η τεχνική διαίρει και βασίλευε αναφέρεται
Διαβάστε περισσότεραΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ. Αρχές Ανάλυσης Αλγορίθµων Κεφάλαιο 2. Ε. Μαρκάκης Επικ. Καθηγητής
ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ Αρχές Ανάλυσης Αλγορίθµων Κεφάλαιο 2 Ε. Μαρκάκης Επικ. Καθηγητής Περίληψη Εµπειρική ανάλυση αλγορίθµων Μαθηµατική ανάλυση αλγορίθµων Αύξηση συναρτήσεων Συµβολισµός µεγάλου όµικρον Παραδείγµατα
Διαβάστε περισσότεραΑλγόριθμοι και πολυπλοκότητα Ταχυταξινόμηση (Quick-Sort)
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Αλγόριθμοι και πολυπλοκότητα Ταχυταξινόμηση (Quick-Sort) Ιωάννης Τόλλης Τμήμα Επιστήμης Υπολογιστών Ταχυταξινόμηση (Quick-Sort) 7 4 9 6 2 2 4 6 7 9 4 2 2 4 7 9 7
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΟΙ Άνοιξη I. ΜΗΛΗΣ
ΑΛΓΟΡΙΘΜΟΙ http://eclass.aueb.gr/courses/inf161/ Άνοιξη 2016 - I. ΜΗΛΗΣ ΠΑΡΑΔΕΙΓΜΑΤΑ ΑΛΓΟΡΙΘΜΩΝ ΚΑΙ ΠΟΛΥΠΛΟΚΟΤΗΤΑΣ ΑΛΓΟΡΙΘΜΟΙ - ΑΝΟΙΞΗ 2016 - Ι. ΜΗΛΗΣ - 03 - EXAMPLES ALG & COMPL 1 Example: GCD συνάρτηση
Διαβάστε περισσότερα1η Σειρά Γραπτών Ασκήσεων
1/20 Ασυμπτωτικός Συμβολισμός, Αναδρομικές Σχέσεις 1η Σειρά Γραπτών Ασκήσεων Αλγόριθμοι και Πολυπλοκότητα ΣΗΜΜΥ, Εθνικό Μετσόβιο Πολυτεχνείο 1 Ασυμπτωτικός Συμβολισμός, Αναδρομικές Σχέσεις 2 3 4 5 2/20
Διαβάστε περισσότεραΔομές Δεδομένων. Δημήτρης Μιχαήλ. Ταξινόμηση. Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο
Δομές Δεδομένων Ταξινόμηση Δημήτρης Μιχαήλ Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Το πρόβλημα Είσοδος n αντικείμενα a 1, a 2,..., a n με κλειδιά (συνήθως σε ένα πίνακα, ή λίστα, κ.τ.λ)
Διαβάστε περισσότεραΔομές Δεδομένων & Αλγόριθμοι
Δομές Δεδομένων & Αναζήτηση & Ταξινόμηση 1 Αναζήτηση Έχω έναν πίνακα Α με Ν στοιχεία. Πρόβλημα: Βρες αν το στοιχείο x ανήκει στον πίνακα Αν ο πίνακας είναι αταξινόμητος τότε μόνη λύση σειριακή αναζήτηση
Διαβάστε περισσότεραΕισαγωγή στους Αλγορίθμους
Εισαγωγή στους Αλγορίθμους Ενότητα 5η Διδάσκων Χρήστος Ζαρολιάγκης Καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιο Πατρών Email: zaro@ceid.upatras.gr Η Μέθοδος «Διαίρει & Βασίλευε» Η Μέθοδος
Διαβάστε περισσότεραΔΥΑΔΙΚΗ ΑΝΑΖΗΤΗΣΗ & ΤΑΞΙΝΟΜΗΣΗ ΜΕ ΣΥΓΧΩΝΕΥΣΗ
ΔΥΑΔΙΚΗ ΑΝΑΖΗΤΗΣΗ & ΤΑΞΙΝΟΜΗΣΗ ΜΕ ΣΥΓΧΩΝΕΥΣΗ (ΑΛΓΟΡΙΘΜΟΙ, Sanjoy Dasgupta, Christos Papadimitriou, Umesh Vazirani, σελ. 55-62 ΣΧΕΔΙΑΣΜΟΣ ΑΛΓΟΡΙΘΜΩΝ, Jon Kleinberg, Eva Tardos, Κεφάλαιο 5) Δυαδική αναζήτηση
Διαβάστε περισσότεραΔιάλεξη 10: Αλγόριθμοι Ταξινόμησης II
ΕΠΛ231 Δομές Δεδομένων και Αλγόριθμοι 1 Διάλεξη 10: Αλγόριθμοι Ταξινόμησης II Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: - Οι αλγόριθμοι ταξινόμησης: Δ. QuickSort Γρήγορη Ταξινόμηση Ε. BucketSort
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 23 Μαρτίου 2017 1 / 170 Αναδροµή ιαίρει
Διαβάστε περισσότεραΚεφάλαιο 4. Διαίρει και Βασίλευε (Divide and Conquer) Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.
Κεφάλαιο 4 Διαίρει και Βασίλευε (Divide and Conquer) Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne. 1 Διαίρει και Βασίλευε (Divide-and-Conquer) Διαίρει-και-βασίλευε (γενικά) Χωρίζουµε
Διαβάστε περισσότεραHeapsort Using Multiple Heaps
sort sort Using Multiple s. Λεβεντέας Χ. Ζαρολιάγκης Τµήµα Μηχανικών Η/Υ & Πληροφορικής 29 Αυγούστου 2008 sort 1 Ορισµός ify Build- 2 sort Πως δουλεύει Ιδιότητες 3 4 Προβλήµατα Προτάσεις Ανάλυση Κόστους
Διαβάστε περισσότεραΣύνοψη Προηγούμενου. Πίνακες (Arrays) Πίνακες (Arrays): Βασικές Λειτουργίες. Πίνακες (Arrays) Ορέστης Τελέλης
Σύνοψη Προηγούμενου Πίνακες (Arrays Ορέστης Τελέλης telelis@unipi.gr Τμήμα Ψηφιακών Συστημάτων, Πανεπιστήμιο Πειραιώς Διαδικαστικά θέματα. Aντικείμενο Μαθήματος. Aντικείμενα, Κλάσεις, Μέθοδοι, Μεταβλητές.
Διαβάστε περισσότεραΑναδρομικοί Αλγόριθμοι
Αναδρομικός αλγόριθμος (recursive algorithm) Επιλύει ένα πρόβλημα λύνοντας ένα ή περισσότερα στιγμιότυπα του ίδιου προβλήματος. Αναδρομικός αλγόριθμος (recursive algorithm) Επιλύει ένα πρόβλημα λύνοντας
Διαβάστε περισσότεραΕνότητα 9 Ξένα Σύνολα που υποστηρίζουν τη λειτουργία της Ένωσης (Union-Find)
Ενότητα 9 (Union-Find) ΗΥ240 - Παναγιώτα Φατούρου 1 Έστω ότι S 1,, S k είναι ξένα υποσύνολα ενός συνόλου U, δηλαδή ισχύει ότι S i S j =, για κάθε i,j µε i j και S 1 S k = U. Λειτουργίες q MakeSet(X): επιστρέφει
Διαβάστε περισσότεραΑλγόριθμοι και Δομές Δεδομένων (Ι) (εισαγωγικές έννοιες)
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Εισαγωγή στην Επιστήμη των Υπολογιστών 2015-16 Αλγόριθμοι και Δομές Δεδομένων (Ι) (εισαγωγικές έννοιες) http://di.ionio.gr/~mistral/tp/csintro/ Μ.Στεφανιδάκης Τι είναι
Διαβάστε περισσότεραΤηλ , Fax: , URL:
Τµήµα Πανεπιστήµιο Πληροφορικής Ιωαννίνων ΟΜΕΣ Ε ΟΜΕΝΩΝ Παναγιώτα Φατούρου faturu@cs.uoi.gr Σεπτέµβριος, 2005 Τµήµα Πληροφορικής, Πανεπιστήµιο Ιωαννίνων, Τ.Θ. 1186, Γραφείο Α26, Τηλ. +30 26510 98808, Fax:
Διαβάστε περισσότεραp
ΑΝΑ ΡΟΜΙΚΗ ΤΑΞΙΝΟΜΗΣΗ- ΑΣΚΗΣΕΙΣ Οι μέθοδοι ταξινόμησης QUICK SORT και MERGE SORT κωδικοποιούνται εύκολα αναδρομικά Oι δυο αναδροµικοί µέθοδοι δέχονται 1ο όρισµα τον πίνακα, και δεν επιστρέφουν τίποτα.
Διαβάστε περισσότερα