Algorithmique et structures de données : pack de révision

Formulaires, étapes clés de la méthode pour chaque thème et 6 exercices, avec les corrigés complets à la fin.

Nouveaux exercicesRetour au cours

Dans la fenêtre d’impression, choisissez « Enregistrer au format PDF » pour garder une copie sur votre appareil.

1Formules et méthodes

Théorie des graphes

Lemme des poignées de main
Σ deg(v) = 2|E|
Graphes complets
|E(Kn)| = n(n − 1)/2, |E(Km,n)| = m·n
Graphe régulier
|E| = n·k/2
Arbre et forêt
|E| = n − 1, |E| = n − c
Feuilles d’un arbre
L = 2 + Σ (deg(v) − 2) over deg(v) ≥ 3
Euler
circuit : tous les degrés pairs ; chemin : exactement 2 degrés impairs
Circuits hamiltoniens dans Kn
(n − 1)!/2
Mise à jour de Dijkstra
d(v) = min(d(v), d(u) + w(u, v))
Marches de longueur L
(Mᴸ)ij

Méthode

  1. Notez le degré de chaque sommet ; la somme des degrés vaut deux fois le nombre d’arêtes.
  2. Pour les questions d’Euler, vérifiez que le graphe est connexe et comptez les sommets de degré impair.
  3. Pour les arbres, utilisez n − 1 arêtes et le lemme des poignées de main.
  4. Pour Dijkstra, tenez un tableau des distances provisoires et fixez à chaque tour le sommet non fixé de plus petite distance.
  5. Pour un arbre couvrant minimal, triez les arêtes par poids et sautez toute arête qui ferme un cycle (Kruskal), ou faites croître un arbre à partir d’un sommet de départ (Prim).

2Exercices

1.Algorithmes et complexitéMoyen

Que signifie qu'un problème possède une sous-structure optimale ?

  1. ALe problème peut être résolu en temps constant
  2. BUne solution optimale peut être construite à partir de solutions optimales de ses sous-problèmes
  3. CLe problème a exactement une solution optimale, que partagent tous les sous-problèmes
  4. DTous les sous-problèmes ont la même taille
2.Algorithmes et complexitéDifficile

Quelle borne est correcte pour log(n!) ?

  1. AΘ(n log n)
  2. BΘ(log n)
  3. CΘ(n)
  4. DΘ(n²)
3.Structures de donnéesMoyen

Quelle quantité de mémoire une matrice d'adjacence utilise-t-elle pour un graphe à V sommets ?

  1. AO(E)
  2. BO(log V)
  3. CO(V + E)
  4. DO(V²)
4.Structures de donnéesDifficile

Un objet est stocké comme clé dans une table de hachage (hash map), puis un champ utilisé par sa fonction de hachage est modifié. Quel est le résultat probable ?

  1. ALa table déplace automatiquement la clé dans son nouveau compartiment
  2. BRien ne change, car le hachage d'une clé n'est calculé qu'une seule fois au démarrage du programme
  3. CLa table lève une erreur au moment où le champ change
  4. DLa recherche de l'objet peut échouer car il se trouve dans le compartiment de son ancien hachage
5.Théorie des graphesMoyen

Un graphe connexe a 14 sommets et 22 arêtes. Combien d’arêtes k faut-il retirer pour obtenir un arbre couvrant ?

|V| = 14|E| = 22
k =
6.Théorie des graphesDifficile
1111715872420914ABCDEFG

Trouvez le poids total W d’un arbre couvrant minimal du graphe pondéré.

|V| = 7|E| = 11
W =

3Solutions

1.Algorithmes et complexité

Réponse: B · Une solution optimale peut être construite à partir de solutions optimales de ses sous-problèmes

Pourquoi c'est la réponse

La sous-structure optimale est nécessaire pour que les algorithmes gloutons comme la programmation dynamique produisent des réponses correctes.

Réponse

B · Une solution optimale peut être construite à partir de solutions optimales de ses sous-problèmes
2.Algorithmes et complexité

Réponse: A · Θ(n log n)

Pourquoi c'est la réponse

log(n!) ≤ n log n, et les n / 2 plus grands facteurs donnent log(n!) ≥ (n / 2) log(n / 2) ; c'est pourquoi le tri par comparaisons nécessite Ω(n log n).

Réponse

A · Θ(n log n)
3.Structures de données

Réponse: D · O(V²)

Pourquoi c'est la réponse

Une matrice d'adjacence stocke V × V entrées, ce qui est efficace pour les graphes denses ; les listes d'adjacence utilisent O(V + E), ce qui est préférable pour les graphes creux.

Réponse

D · O(V²)
4.Structures de données

Réponse: D · La recherche de l'objet peut échouer car il se trouve dans le compartiment de son ancien hachage

Pourquoi c'est la réponse

L'emplacement de la clé a été choisi à partir de son ancien hachage ; avec un nouveau hachage, les recherches examinent le mauvais compartiment, c'est pourquoi les clés devraient être immuables.

Réponse

D · La recherche de l'objet peut échouer car il se trouve dans le compartiment de son ancien hachage
5.Théorie des graphes

Réponse: k = 9

Euler, Hamilton et arbres : un graphe connexe a un circuit eulérien (chaque arête une fois, retour au départ) quand tous les sommets ont un degré pair, et un chemin eulérien qui n’est pas un circuit quand exactement deux sommets ont un degré impair ; le chemin va alors d’un sommet impair à l’autre. Un circuit hamiltonien visite chaque sommet une fois ; Kn en a (n − 1)!/2. Un arbre à n sommets a n − 1 arêtes, et un graphe connexe à m arêtes conserve un arbre couvrant après suppression de m − n + 1 arêtes.

Arêtes d’un arbre couvrant

14 − 1 = 13

Arêtes à retirer

k = 22 − 13 = 9

Réponse

k = 9
6.Théorie des graphes

Réponse: W = 34

Plus courts chemins et arbres couvrants : l’algorithme de Dijkstra fixe un sommet par tour : le sommet non fixé de plus petite distance provisoire. Sa distance est alors définitive, et chaque voisin v reçoit d(v) = min(d(v), d(u) + w(u, v)). L’algorithme de Kruskal construit un arbre couvrant minimal en prenant les arêtes de la plus légère à la plus lourde et en sautant toute arête qui fermerait un cycle ; l’algorithme de Prim fait croître un arbre à partir d’un sommet de départ en ajoutant toujours l’arête la plus légère qui en sort. Un arbre couvrant à n sommets a n − 1 arêtes.

Algorithme de Kruskal

AB (1): prise
EF (2): prise
GB (4): prise
DF (7): prise
DE (8): sautée, ferme un cycle
GD (9): prise
AC (11): prise

Poids total

W = 1 + 2 + 4 + 7 + 9 + 11 = 34

Réponse

W = 34

ExamProblems · examproblems.com/courses/data-structures-and-algorithms