Algorytmy i struktury danych: zestaw na powtórkę

Wzory, najważniejsze kroki metod dla każdego tematu i 6 zadań do ćwiczenia, z pełnymi rozwiązaniami na końcu.

Nowe zadaniaWróć do przedmiotu

W oknie drukowania wybierz „Zapisz jako PDF”, aby zachować kopię na swoim urządzeniu.

1Wzory i metody

Teoria grafów

Lemat o uściskach dłoni
Σ deg(v) = 2|E|
Grafy pełne
|E(Kn)| = n(n − 1)/2, |E(Km,n)| = m·n
Graf regularny
|E| = n·k/2
Drzewo i las
|E| = n − 1, |E| = n − c
Liście drzewa
L = 2 + Σ (deg(v) − 2) over deg(v) ≥ 3
Euler
cykl: wszystkie stopnie parzyste; ścieżka: dokładnie 2 stopnie nieparzyste
Cykle Hamiltona w Kn
(n − 1)!/2
Aktualizacja w algorytmie Dijkstry
d(v) = min(d(v), d(u) + w(u, v))
Marsze o długości L
(Mᴸ)ij

Metoda

  1. Zapisz stopień każdego wierzchołka; suma stopni jest równa dwukrotności liczby krawędzi.
  2. W zadaniach o grafach eulerowskich sprawdź, czy graf jest spójny, i policz wierzchołki o nieparzystym stopniu.
  3. Dla drzew użyj n − 1 krawędzi i lematu o uściskach dłoni.
  4. W algorytmie Dijkstry prowadź tabelę tymczasowych odległości i w każdej rundzie zatwierdzaj niezatwierdzony wierzchołek o najmniejszej odległości.
  5. Dla minimalnego drzewa rozpinającego posortuj krawędzie według wagi i pomijaj każdą krawędź zamykającą cykl (Kruskal) albo rozbudowuj jedno drzewo od wierzchołka startowego (Prim).

2Zadania do ćwiczenia

1.Algorytmy i złożonośćŚredni

Programowanie dynamiczne jest przydatne, gdy problem ma:

  1. APojedynczą pętlę
  2. BŻadnych podproblemów, więc można go rozwiązać w jednym kroku
  3. CNakładające się podproblemy i optymalną podstrukturę
  4. DWyłącznie losowe dane wejściowe
2.Algorytmy i złożonośćTrudny

Wzięcie obu końców każdej krawędzi w skojarzeniu maksymalnym (w sensie zawierania) daje pokrycie wierzchołkowe. Jak dobre jest to pokrycie?

  1. AZawsze jest minimalnym pokryciem wierzchołkowym
  2. BNajwyżej log n razy większe niż minimum
  3. CNajwyżej dwa razy większe niż minimalne pokrycie wierzchołkowe
  4. DO nieznanej jakości w porównaniu z optimum
3.Struktury danychŚredni

Jaki jest koszt wstawienia elementu w środek tablicy o n elementach?

  1. AO(1), bo indeks jest znany
  2. BO(log n), z powodu wyszukiwania binarnego
  3. CO(n), bo dalsze elementy trzeba przesunąć
  4. DO(n²), bo każdy element przesuwa się n razy
4.Struktury danychTrudny

Dlaczego ze standardowego filtru Blooma nie można po prostu usuwać elementów przez zerowanie ich bitów?

  1. AFiltry Blooma przechowują całe elementy, których po zahaszowaniu nie da się ponownie zlokalizować
  2. BBitów w filtrze Blooma nie można zmieniać po jego utworzeniu
  3. CUsuwanie zwiększyłoby odsetek wyników fałszywie pozytywnych do 100%
  4. DTe bity mogą należeć także do innych elementów, co spowodowałoby wyniki fałszywie negatywne
5.Teoria grafówŚredni

Graf spójny: liczba wierzchołków 7, liczba krawędzi 8. Ile krawędzi k trzeba usunąć, aby zostało drzewo rozpinające?

|V| = 7|E| = 8
k =
6.Teoria grafówTrudny
8128956111042ABCDEFG

Użyj algorytmu Dijkstry, aby znaleźć długość d(F) najkrótszej ścieżki z A do F w grafie ważonym.

start: Akoniec: F
d(F) =

3Roztwory

1.Algorytmy i złożoność

Odpowiedź: C · Nakładające się podproblemy i optymalną podstrukturę

Dlaczego to jest odpowiedź

Zapamiętywanie wyników nakładających się podproblemów (memoizacja lub tablicowanie) pozwala uniknąć powtarzania pracy, zamieniając algorytmy wykładnicze w wielomianowe.

Odpowiedź

C · Nakładające się podproblemy i optymalną podstrukturę
2.Algorytmy i złożoność

Odpowiedź: C · Najwyżej dwa razy większe niż minimalne pokrycie wierzchołkowe

Dlaczego to jest odpowiedź

Krawędzie skojarzenia nie mają wspólnych wierzchołków, więc optimum potrzebuje co najmniej jednego wierzchołka na krawędź, a ta metoda bierze dwa: to 2-aproksymacja.

Odpowiedź

C · Najwyżej dwa razy większe niż minimalne pokrycie wierzchołkowe
3.Struktury danych

Odpowiedź: C · O(n), bo dalsze elementy trzeba przesunąć

Dlaczego to jest odpowiedź

Wszystkie elementy za miejscem wstawienia przesuwają się o jedną pozycję w prawo, co zajmuje czas proporcjonalny do n.

Odpowiedź

C · O(n), bo dalsze elementy trzeba przesunąć
4.Struktury danych

Odpowiedź: D · Te bity mogą należeć także do innych elementów, co spowodowałoby wyniki fałszywie negatywne

Dlaczego to jest odpowiedź

Wyzerowanie wspólnego bitu sprawiłoby, że inny element wyglądałby na nieobecny; zliczające filtry Blooma przechowują liczniki zamiast bitów, by umożliwić usuwanie.

Odpowiedź

D · Te bity mogą należeć także do innych elementów, co spowodowałoby wyniki fałszywie negatywne
5.Teoria grafów

Odpowiedź: k = 2

Euler, Hamilton i drzewa: graf spójny ma cykl Eulera (każda krawędź raz, powrót do startu), gdy każdy wierzchołek ma stopień parzysty, oraz ścieżkę Eulera, która nie jest cyklem, gdy dokładnie dwa wierzchołki mają stopień nieparzysty; ścieżka biegnie wtedy od jednego wierzchołka nieparzystego do drugiego. Cykl Hamiltona odwiedza każdy wierzchołek raz; Kn ma ich (n − 1)!/2. Drzewo o n wierzchołkach ma n − 1 krawędzi, a graf spójny o m krawędziach zachowuje drzewo rozpinające po usunięciu m − n + 1 krawędzi.

Krawędzie drzewa rozpinającego

7 − 1 = 6

Krawędzie do usunięcia

k = 8 − 6 = 2

Odpowiedź

k = 2
6.Teoria grafów

Odpowiedź: d(F) = 28

Najkrótsze ścieżki i drzewa rozpinające: algorytm Dijkstry zatwierdza jeden wierzchołek na rundę: niezatwierdzony wierzchołek o najmniejszej tymczasowej odległości. Jego odległość jest wtedy ostateczna, a każdy sąsiad v dostaje d(v) = min(d(v), d(u) + w(u, v)). Algorytm Kruskala buduje minimalne drzewo rozpinające, biorąc krawędzie od lekkich do ciężkich i pomijając każdą, która zamknęłaby cykl; algorytm Prima rozbudowuje jedno drzewo od wierzchołka startowego, zawsze dodając najlżejszą krawędź wychodzącą z niego. Drzewo rozpinające o n wierzchołkach ma n − 1 krawędzi.

Algorytm Dijkstry runda po rundzie

Każdy wiersz: zatwierdzony wierzchołek, jego ostateczna odległość oraz sąsiedzi, których odległość się poprawia.

A (0): B: 8, C: 12
B (8): D: 17, G: 18
C (12): E: 17, G: 16
G (16)
D (17): F: 28
E (17)
F (28)

Najkrótsza ścieżka

A → B → D → F
d(F) = 28

Odpowiedź

d(F) = 28

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