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

Est-il correct de dire qu'un algorithme en O(n²) est aussi en O(n³) ?

  1. ANon, car n³ est plus petit que n² pour n grand
  2. BOui, car le grand O est une borne supérieure et n² ne croît pas plus vite que n³
  3. CNon, car le grand O doit toujours donner le taux de croissance exact de la fonction
  4. DOui, mais seulement si n est inférieur à 100
2.Algorithmes et complexitéDifficile

Comment se comparent n! et 2ⁿ pour n grand ?

  1. A2ⁿ croît plus vite que n!
  2. Bn! croît plus vite que 2ⁿ
  3. CIls croissent au même rythme
  4. Dn! est O(n²)
3.Structures de donnéesMoyen

Combien de temps prend la recherche d'un mot de longueur L dans un trie à alphabet fixe ?

  1. AO(n), où n est le nombre de mots
  2. BO(L × n)
  3. CO(log n), où n est le nombre de mots
  4. DO(L), quel que soit le nombre de mots stockés
4.Structures de donnéesDifficile

La complexité temporelle de decrease-key dans un tas binaire (la position de l'élément étant connue) est :

  1. AO(n log n)
  2. BO(1)
  3. CO(n)
  4. DO(log n)
5.Théorie des graphesMoyen

Combien de circuits hamiltoniens différents H le graphe complet K6 a-t-il ? Les circuits qui ne diffèrent que par le sommet de départ ou le sens comptent comme un seul.

K6
H =
6.Théorie des graphesDifficile
1131491281510214ABCDEFG

Utilisez l’algorithme de Dijkstra pour trouver la longueur d(E) du plus court chemin de A à E dans le graphe pondéré.

départ : Aarrivée : E
d(E) =

3Solutions

1.Algorithmes et complexité

Réponse: B · Oui, car le grand O est une borne supérieure et n² ne croît pas plus vite que n³

Pourquoi c'est la réponse

Le grand O est une borne supérieure : l'affirmation est vraie mais pas serrée ; Θ(n²) indique le taux de croissance exact.

Réponse

B · Oui, car le grand O est une borne supérieure et n² ne croît pas plus vite que n³
2.Algorithmes et complexité

Réponse: B · n! croît plus vite que 2ⁿ

Pourquoi c'est la réponse

Pour n ≥ 4, n! dépasse 2ⁿ, et le rapport croît sans borne car chaque facteur supplémentaire de n! est supérieur à 2.

Réponse

B · n! croît plus vite que 2ⁿ
3.Structures de données

Réponse: D · O(L), quel que soit le nombre de mots stockés

Pourquoi c'est la réponse

Chaque caractère sélectionne un enfant, donc une recherche prend L étapes quel que soit le nombre de mots contenus dans le trie.

Réponse

D · O(L), quel que soit le nombre de mots stockés
4.Structures de données

Réponse: D · O(log n)

Pourquoi c'est la réponse

Après la diminution de la clé, l'élément remonte (sift-up) au plus de la hauteur du tas. Les tas de Fibonacci atteignent un decrease-key en O(1) amorti.

Réponse

D · O(log n)
5.Théorie des graphes

Réponse: H = 60

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.

Compter

H = (6 − 1)!/2 = 120/2 = 60

Réponse

H = 60
6.Théorie des graphes

Réponse: d(E) = 23

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.

Dijkstra tour par tour

Chaque ligne : le sommet fixé, sa distance définitive, et les voisins dont la distance s’améliore.

A (0): B: 1
B (1): C: 14, D: 15, G: 16
C (14): E: 23
D (15): F: 23
G (16)
E (23)
F (23)

Plus court chemin

A → B → C → E
d(E) = 23

Réponse

d(E) = 23

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