1.Facile
Che cosa descrive il tempo di esecuzione nel caso peggiore di un algoritmo?
- AIl tempo impiegato sull'input più piccolo
- BIl tempo massimo impiegato su tutti gli input di dimensione n
- CIl tempo impiegato su un computer lento
- DIl tempo atteso su un input casuale di dimensione n
2.Facile
Che cos'è un algoritmo?
- AQualsiasi programma con un'interfaccia grafica
- BUna struttura dati che memorizza numeri
- CUna sequenza finita di passi ben definiti che risolve un problema
- DUn linguaggio di programmazione progettato per scrivere formule matematiche
3.Facile
Che cosa significa che un'operazione ha tempo O(1)?
- AElabora esattamente un elemento per ogni secondo di tempo di esecuzione
- BPuò essere eseguita una sola volta
- CRichiede sempre esattamente un secondo
- DIl suo tempo di esecuzione non cresce con la dimensione dell'input
4.Media
Che cosa significa che un problema ha una sottostruttura ottima?
- AOgni sottoproblema ha la stessa dimensione
- BIl problema ha esattamente una soluzione ottima, condivisa da ogni sottoproblema
- CIl problema si può risolvere in tempo costante
- DUna soluzione ottima può essere costruita da soluzioni ottime dei suoi sottoproblemi
5.Media
Ordini una volta un array di n elementi e poi rispondi a k query di appartenenza con la ricerca binaria. Qual è il costo totale?
- AO(k n log n)
- BO(nk)
- CO(n + k)
- DO(n log n + k log n)
6.Media
Qual è la soluzione della ricorrenza T(n) = T(n − 1) + O(n)?
- AO(n)
- BO(n²)
- CO(2ⁿ)
- DO(n log n)
7.Difficile
Perché la ricerca binaria non dà tempo O(log n) su una lista concatenata semplice?
- ARaggiungere l'elemento centrale richiede O(n) passi, perché non c'è accesso diretto tramite indice
- BLe liste concatenate non si possono ordinare
- CLa ricerca binaria richiede almeno il doppio della memoria
- DI confronti sui nodi di una lista concatenata sono più lenti
8.Difficile
Qual è la complessità temporale di: for i = 1 to n: for (j = i; j ≤ n; j = j + i) lavoro O(1)?
- AO(n²)
- BO(n log n)
- CO(n √n)
- DO(n)
Soluzioni
- 1. B · Il tempo massimo impiegato su tutti gli input di dimensione n
- 2. C · Una sequenza finita di passi ben definiti che risolve un problema
- 3. D · Il suo tempo di esecuzione non cresce con la dimensione dell'input
- 4. D · Una soluzione ottima può essere costruita da soluzioni ottime dei suoi sottoproblemi
- 5. D · O(n log n + k log n)
- 6. B · O(n²)
- 7. A · Raggiungere l'elemento centrale richiede O(n) passi, perché non c'è accesso diretto tramite indice
- 8. B · O(n log n)
Soluzioni complete passo passo: esercitati su questo argomento su examproblems.com.