Algoritmi e strutture dati: pacchetto last-minute

Formulari, i passaggi chiave del metodo per ogni argomento e 6 esercizi, con le soluzioni complete in fondo.

Nuovi eserciziTorna al corso

Nella finestra di stampa scegli “Salva come PDF” per conservarne una copia sul tuo dispositivo.

1Formule e metodi

Teoria dei grafi

Lemma delle strette di mano
Σ deg(v) = 2|E|
Grafi completi
|E(Kn)| = n(n − 1)/2, |E(Km,n)| = m·n
Grafo regolare
|E| = n·k/2
Albero e foresta
|E| = n − 1, |E| = n − c
Foglie di un albero
L = 2 + Σ (deg(v) − 2) over deg(v) ≥ 3
Eulero
circuito: tutti i gradi pari; cammino: esattamente 2 gradi dispari
Cicli hamiltoniani in Kn
(n − 1)!/2
Aggiornamento di Dijkstra
d(v) = min(d(v), d(u) + w(u, v))
Cammini di lunghezza L
(Mᴸ)ij

Metodo

  1. Scrivi il grado di ogni vertice; la somma dei gradi è il doppio del numero di lati.
  2. Nelle domande su Eulero, verifica che il grafo sia connesso e conta i vertici di grado dispari.
  3. Per gli alberi, usa n − 1 lati e il lemma delle strette di mano.
  4. Per Dijkstra, tieni una tabella delle distanze provvisorie e a ogni passo fissa il vertice non ancora fissato con la distanza minima.
  5. Per un albero di copertura minimo, ordina i lati per peso e salta ogni lato che chiude un ciclo (Kruskal), oppure fai crescere un solo albero a partire da un vertice iniziale (Prim).

2Esercizi

1.Algoritmi e complessitàMedia

Quale algoritmo trova i cammini minimi da una sorgente in un grafo con pesi degli archi non negativi?

  1. ABellman-Ford è necessario in tutti i casi
  2. BVisita in profondità (DFS)
  3. CAlgoritmo di Dijkstra
  4. DAlgoritmo di Kruskal
2.Algoritmi e complessitàDifficile

Che cosa seguirebbe se qualcuno trovasse un algoritmo in tempo polinomiale per un problema NP-completo?

  1. AOgni problema in NP si potrebbe risolvere in tempo polinomiale, quindi P = NP
  2. BIl problema della fermata diventerebbe decidibile
  3. CTutti gli algoritmi a tempo esponenziale diventerebbero subito lineari
  4. DSolo quel problema passerebbe in P
3.Strutture datiMedia

Una tabella hash di dimensione 7 usa h(k) = k mod 7 e la scansione lineare. Dopo aver inserito 10, dove viene memorizzato 17?

  1. AAll'indice 3
  2. BAll'indice 4
  3. CAll'indice 0
  4. DAll'indice 6
4.Strutture datiDifficile

Nell'ipotesi di hashing uniforme semplice, qual è il tempo atteso di una ricerca in una tabella hash con concatenamento, n chiavi e m bucket?

  1. AO(log n)
  2. BO(n)
  3. CO(m)
  4. DO(1 + α), dove α = n / m
5.Teoria dei grafiMedia
ABCDEFGCircuito eulerianoCammino euleriano, nessun circuitonessuna delle due

Il grafo connesso ha un circuito euleriano, un cammino euleriano che non è un circuito, oppure nessuno dei due? Clicca la tua risposta.

|V| = 7|E| = 10
  1. 1Circuito euleriano
  2. 2Cammino euleriano, nessun circuito
  3. 3nessuna delle due
6.Teoria dei grafiDifficile
131313451419ABCDEF

Usa l’algoritmo di Dijkstra per trovare la lunghezza d(F) del cammino minimo da A a F nel grafo pesato.

partenza: Aarrivo: F
d(F) =

3Soluzioni

1.Algoritmi e complessità

Risposta: C · Algoritmo di Dijkstra

Perché è questa la risposta

L'algoritmo di Dijkstra funziona con pesi non negativi; Bellman-Ford gestisce pesi negativi; Kruskal costruisce alberi ricoprenti minimi.

Risposta

C · Algoritmo di Dijkstra
2.Algoritmi e complessità

Risposta: A · Ogni problema in NP si potrebbe risolvere in tempo polinomiale, quindi P = NP

Perché è questa la risposta

Poiché tutto NP si riduce in tempo polinomiale a qualsiasi problema NP-completo, un algoritmo veloce per uno fornisce un algoritmo veloce per tutti.

Risposta

A · Ogni problema in NP si potrebbe risolvere in tempo polinomiale, quindi P = NP
3.Strutture dati

Risposta: B · All'indice 4

Perché è questa la risposta

10 mod 7 = 3 e 17 mod 7 = 3; l'indice 3 è occupato, quindi la scansione lineare prova la posizione successiva, l'indice 4.

Risposta

B · All'indice 4
4.Strutture dati

Risposta: D · O(1 + α), dove α = n / m

Perché è questa la risposta

Calcolare l'hash costa O(1) e la lunghezza attesa della catena è α, quindi mantenere α limitato tramite il ridimensionamento dà un tempo atteso O(1).

Risposta

D · O(1 + α), dove α = n / m
5.Teoria dei grafi

Risposta: nessuna delle due

Eulero, Hamilton e alberi: un grafo connesso ha un circuito euleriano (ogni lato una volta, di nuovo al punto di partenza) quando ogni vertice ha grado pari, e un cammino euleriano che non è un circuito quando esattamente due vertici hanno grado dispari; il cammino va allora da un vertice dispari all’altro. Un ciclo hamiltoniano visita ogni vertice una volta; Kn ne ha (n − 1)!/2. Un albero con n vertici ha n − 1 lati, e un grafo connesso con m lati mantiene un albero di copertura dopo aver tolto m − n + 1 lati.

Gradi

deg(A) = 2, deg(B) = 3, deg(C) = 3, deg(D) = 3, deg(E) = 3, deg(F) = 2, deg(G) = 4

Vertici dispari

B, C, D, E → 4
nessuna delle due

Risposta

nessuna delle due
6.Teoria dei grafi

Risposta: d(F) = 18

Cammini minimi e alberi di copertura: l’algoritmo di Dijkstra fissa un vertice per passo: il vertice non fissato con la distanza provvisoria minima. La sua distanza è allora definitiva, e ogni vertice adiacente v riceve d(v) = min(d(v), d(u) + w(u, v)). L’algoritmo di Kruskal costruisce un albero di copertura minimo prendendo i lati dal più leggero al più pesante e saltando ogni lato che chiuderebbe un ciclo; l’algoritmo di Prim fa crescere un solo albero da un vertice iniziale aggiungendo sempre il lato più leggero che ne esce. Un albero di copertura di n vertici ha n − 1 lati.

Dijkstra passo per passo

Ogni riga: il vertice fissato, la sua distanza definitiva e i vertici adiacenti la cui distanza migliora.

A (0): B: 13, C: 13
B (13): E: 22
C (13): E: 17
E (17): D: 22, F: 18
F (18)
D (22)

Cammino minimo

A → C → E → F
d(F) = 18

Risposta

d(F) = 18

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