Werkblad Algoritmen & complexiteit met antwoorden

Gratis printbaar werkblad Algoritmen & complexiteit: 8 opgaven van makkelijk tot tentamenniveau, met antwoordenblad. Print het of sla het op als pdf.

Nieuw werkbladOnline oefenen met hints

Voor docenten: gratis te printen, kopiëren en in de les te gebruiken. Elk nieuw werkblad heeft nieuwe waarden en een eigen antwoordblad. Een link naar ExamProblems op je cursuspagina wordt gewaardeerd.

Naam: ____________________   Datum: ____________

1.Makkelijk

Wat is de tijdcomplexiteit van binair zoeken in een gesorteerde array?

  1. AO(log n)
  2. BO(1)
  3. CO(n)
  4. DO(n log n)
2.Makkelijk

Wat zijn de drie stappen van een verdeel-en-heersalgoritme?

  1. ARaden, controleren, herhalen
  2. BVerdelen, oplossen (heersen), combineren
  3. CLezen, berekenen, schrijven
  4. DSorteren, zoeken, teruggeven
3.Makkelijk

Welke complexiteitsklasse groeit het snelst voor grote n?

  1. AO(n²)
  2. BO(n log n)
  3. CO(n³)
  4. DO(2ⁿ)
4.Gemiddeld

Wat is de tijdcomplexiteit van het berekenen van het n-de Fibonaccigetal met een bottom-uptabel?

  1. AO(log n)
  2. BO(n²)
  3. CO(n)
  4. DO(2ⁿ)
5.Gemiddeld

Dynamisch programmeren is nuttig wanneer een probleem het volgende heeft:

  1. AEén enkele lus
  2. BOverlappende deelproblemen en optimale substructuur
  3. CAlleen willekeurige invoer
  4. DHelemaal geen deelproblemen, dus het kan in één stap worden opgelost
6.Gemiddeld

Wat is de tijdcomplexiteit van het standaardalgoritme voor dynamisch programmeren voor de langste gemeenschappelijke deelrij van strings met lengte m en n?

  1. AO(mn)
  2. BO(m + n)
  3. CO(2m+n)
  4. DO(mn log n)
7.Moeilijk

Het 0/1-knapzakprobleem opgelost met dynamisch programmeren kost O(nW) tijd. Waarom heet dit pseudo-polynomiaal?

  1. AOmdat n altijd klein is
  2. BOmdat het algoritme gerandomiseerd is en de looptijd per invoer verschilt
  3. COmdat het alleen werkt voor W = 0
  4. DW is een getal, dus de tijd is exponentieel in het aantal bits waarmee W wordt genoteerd
8.Moeilijk

Welke twee dingen moeten worden aangetoond om te bewijzen dat een beslissingsprobleem X NP-volledig is?

  1. AX zit in NP, en een bekend NP-volledig probleem reduceert in polynomiale tijd tot X
  2. BX reduceert tot een probleem in P, en X zit in NP
  3. CX zit in P, en X reduceert tot SAT
  4. DX heeft geen polynomiaal algoritme, en X is beslisbaar

Antwoordenblad

  1. 1. A · O(log n)
  2. 2. B · Verdelen, oplossen (heersen), combineren
  3. 3. D · O(2ⁿ)
  4. 4. C · O(n)
  5. 5. B · Overlappende deelproblemen en optimale substructuur
  6. 6. A · O(mn)
  7. 7. D · W is een getal, dus de tijd is exponentieel in het aantal bits waarmee W wordt genoteerd
  8. 8. A · X zit in NP, en een bekend NP-volledig probleem reduceert in polynomiale tijd tot X

Volledige stapsgewijze oplossingen: oefen dit onderwerp op examproblems.com.