1.Leicht
Welche Zeitkomplexität hat Insertionsort im Worst Case?
- AO(n log n)
- BO(log n)
- CO(n²)
- DO(n)
2.Leicht
Welche Komplexitätsklasse wächst für große n am schnellsten?
- AO(2ⁿ)
- BO(n³)
- CO(n log n)
- DO(n²)
3.Leicht
Ein Algorithmus mit zwei verschachtelten Schleifen, die jeweils n-mal durchlaufen werden, hat typischerweise welche Komplexität?
- AO(2n)
- BO(n)
- CO(n²)
- DO(log n)
4.Mittel
Dynamische Programmierung ist nützlich, wenn ein Problem Folgendes aufweist:
- ANur zufällige Eingaben
- BÜberlappende Teilprobleme und optimale Teilstruktur
- CÜberhaupt keine Teilprobleme, sodass es in einem Schritt lösbar ist
- DEine einzige Schleife
5.Mittel
Welche Zeitkomplexität hat: for i = 1 to n: for j = 1 to i: O(1)-Arbeit?
- AO(n log n)
- BO(n³)
- CO(n)
- DO(n²)
6.Mittel
Was ist die Lösung der Rekursionsgleichung T(n) = 2T(n − 1) + O(1)?
- AO(n log n)
- BO(2ⁿ)
- CO(n)
- DO(n²)
7.Schwer
Welche Aussage über die Klein-o-Notation ist richtig?
- An² = o(n)
- Bn = o(n²), aber n ist nicht o(n)
- Cn = o(n), da jede Funktion Klein-o von sich selbst ist
- D2n = o(n), weil 2n langsam wächst
8.Schwer
Was musst du tun, um zu zeigen, dass ein neues Problem X NP-schwer ist?
- AX in polynomieller Zeit auf ein bekanntes NP-schweres Problem reduzieren
- BZeigen, dass X für kleine Eingaben keinen polynomiellen Algorithmus hat
- CEin bekanntes NP-schweres Problem in polynomieller Zeit auf X reduzieren
- DZeigen, dass X in polynomieller Zeit überprüft werden kann
Lösungsschlüssel
- 1. C · O(n²)
- 2. A · O(2ⁿ)
- 3. C · O(n²)
- 4. B · Überlappende Teilprobleme und optimale Teilstruktur
- 5. D · O(n²)
- 6. B · O(2ⁿ)
- 7. B · n = o(n²), aber n ist nicht o(n)
- 8. C · Ein bekanntes NP-schweres Problem in polynomieller Zeit auf X reduzieren
Vollständige Schritt-für-Schritt-Lösungen: Übe dieses Thema auf examproblems.com.