1.Makkelijk
Wat is de tijdcomplexiteit van binair zoeken in een gesorteerde array?
- AO(log n)
- BO(n)
- CO(n log n)
- DO(1)
2.Makkelijk
Wat is een brute-force-algoritme?
- AEen algoritme dat alle mogelijke kandidaatoplossingen probeert
- BEen algoritme dat willekeurig een antwoord raadt
- CEen algoritme dat altijd recursie gebruikt
- DEen algoritme dat op veel processoren draait
3.Makkelijk
Wat betekent f(n) = Θ(g(n))?
- Af groeit strikt sneller dan g
- Bf groeit strikt langzamer dan g
- Cf groeit even snel als g, van boven en van onderen begrensd door constante veelvouden van g
- Df is voor elke n altijd kleiner dan g, dus g begrenst f van boven maar nooit van onderen
4.Gemiddeld
Welk sorteeralgoritme is stabiel?
- AHeapsort
- BSelectionsort (gangbare versie)
- CQuicksort (gangbare in-place-versie)
- DMergesort
5.Gemiddeld
Met munten van 1, 3 en 4 en een bedrag van 6: hoeveel munten gebruikt de gulzige methode "grootste munt eerst", vergeleken met het optimum?
- AGulzig gebruikt 4 munten; het optimum is 3
- BGulzig gebruikt 3 munten; het optimum is 2
- CGulzig gebruikt 2 munten; het optimum is 2
- DGulzig gebruikt 3 munten; het optimum is 3
6.Gemiddeld
Wat is de oplossing van de recurrente betrekking T(n) = 2T(n − 1) + O(1)?
- AO(n²)
- BO(2ⁿ)
- CO(n log n)
- DO(n)
7.Moeilijk
Wat zou er volgen als iemand een algoritme in polynomiale tijd vond voor één NP-volledig probleem?
- AAlle algoritmen met exponentiële tijd zouden meteen in lineaire tijd lopen
- BHet stopprobleem zou beslisbaar worden
- CElk probleem in NP zou in polynomiale tijd kunnen worden opgelost, dus P = NP
- DAlleen dat ene probleem zou naar P verhuizen
8.Moeilijk
Wat is de oplossing van de recurrente betrekking T(n) = 2T(n/2) + n log n?
- AΘ(n)
- BΘ(n log² n)
- CΘ(n²)
- DΘ(n log n)
Antwoordenblad
- 1. A · O(log n)
- 2. A · Een algoritme dat alle mogelijke kandidaatoplossingen probeert
- 3. C · f groeit even snel als g, van boven en van onderen begrensd door constante veelvouden van g
- 4. D · Mergesort
- 5. B · Gulzig gebruikt 3 munten; het optimum is 2
- 6. B · O(2ⁿ)
- 7. C · Elk probleem in NP zou in polynomiale tijd kunnen worden opgelost, dus P = NP
- 8. B · Θ(n log² n)
Volledige stapsgewijze oplossingen: oefen dit onderwerp op examproblems.com.