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

Złożoność czasowa naiwnego rekurencyjnego obliczania ciągu Fibonacciego (fib(n) = fib(n−1) + fib(n−2)) jest:

  1. ALiniowa
  2. BLogarytmiczna
  3. CWykładnicza
  4. DStała
2.Algorytmy i złożonośćTrudny

Co trzeba zrobić, aby wykazać, że nowy problem X jest NP-trudny?

  1. AZredukować znany problem NP-trudny do X w czasie wielomianowym
  2. BZredukować X do znanego problemu NP-trudnego w czasie wielomianowym
  3. CWykazać, że X można zweryfikować w czasie wielomianowym
  4. DWykazać, że X nie ma algorytmu wielomianowego dla małych danych
3.Struktury danychŚredni

Dlaczego kopiec binarny można przechowywać w tablicy bez żadnych wskaźników?

  1. ATablice automatycznie utrzymują klucze w kolejności posortowanej, więc wskaźniki nie są potrzebne
  2. BWszystkie klucze w kopcu są równe
  3. CJest zupełnym drzewem binarnym, więc pozycje wynikają z prostych wzorów na indeksy
  4. DKopce nigdy nie zawierają więcej niż 100 elementów
4.Struktury danychTrudny

Struktura union-find (zbiory rozłączne) z łączeniem według rangi i kompresją ścieżki ma zamortyzowany koszt operacji równy:

  1. AO(n²)
  2. BDokładnie O(log n)
  3. CO(α(n)), gdzie α to odwrotność funkcji Ackermanna, praktycznie stała
  4. DO(n)
5.Teoria grafówŚredni

Ile różnych cykli Hamiltona H ma graf pełny K6? Cykle różniące się tylko wierzchołkiem startowym lub kierunkiem liczą się jako ten sam.

K6
H =
6.Teoria grafówTrudny
61514121911101820168ABCDEFG

Algorytm Kruskala buduje minimalne drzewo rozpinające. Kliknij krawędź, którą dodaje jako krawędź numer 5; pominięte krawędzie się nie liczą.

k = 5
  1. 1krawędź AB
  2. 2krawędź AC
  3. 3krawędź BC
  4. 4krawędź BD
  5. 5krawędź DE
  6. 6krawędź DF
  7. 7krawędź EF
  8. 8krawędź GB
  9. 9krawędź GC
  10. 10krawędź GD
  11. 11krawędź GE

3Roztwory

1.Algorytmy i złożoność

Odpowiedź: C · Wykładnicza

Dlaczego to jest odpowiedź

Drzewo wywołań rośnie mniej więcej jak φⁿ (około 1,618ⁿ). Memoizacja redukuje złożoność do O(n).

Odpowiedź

C · Wykładnicza
2.Algorytmy i złożoność

Odpowiedź: A · Zredukować znany problem NP-trudny do X w czasie wielomianowym

Dlaczego to jest odpowiedź

Jeśli znany trudny problem można efektywnie przekształcić w X, to szybki algorytm dla X rozwiązałby też znany problem.

Odpowiedź

A · Zredukować znany problem NP-trudny do X w czasie wielomianowym
3.Struktury danych

Odpowiedź: C · Jest zupełnym drzewem binarnym, więc pozycje wynikają z prostych wzorów na indeksy

Dlaczego to jest odpowiedź

Zupełność oznacza brak luk, więc dzieci indeksu i zawsze znajdują się pod 2i + 1 i 2i + 2.

Odpowiedź

C · Jest zupełnym drzewem binarnym, więc pozycje wynikają z prostych wzorów na indeksy
4.Struktury danych

Odpowiedź: C · O(α(n)), gdzie α to odwrotność funkcji Ackermanna, praktycznie stała

Dlaczego to jest odpowiedź

Przy obu optymalizacjach operacje zajmują zamortyzowany czas O(α(n)); α(n) ≤ 4 dla każdego realistycznego n.

Odpowiedź

C · O(α(n)), gdzie α to odwrotność funkcji Ackermanna, praktycznie stała
5.Teoria grafów

Odpowiedź: H = 60

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.

Policz

H = (6 − 1)!/2 = 120/2 = 60

Odpowiedź

H = 60
6.Teoria grafów

Odpowiedź: krawędź BD

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 Kruskala

1. AB (6)
2. GE (8)
3. EF (10)
4. DF (11)
5. BD (12)
6. BC (14)

numer krawędzi 5

BD

Odpowiedź

krawędź BD

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