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

Dlaczego wiele bibliotecznych procedur sortowania przełącza się na sortowanie przez wstawianie dla bardzo małych podtablic?

  1. ASortowanie przez wstawianie ma mały narzut i jest szybkie dla małych lub prawie posortowanych danych
  2. BAlgorytmy rekurencyjne nie radzą sobie z tablicami poniżej 10 elementów
  3. CSortowanie przez wstawianie jest O(n log n) w najgorszym przypadku
  4. DSortowanie przez wstawianie zużywa mniej pamięci niż każdy inny algorytm sortowania dla dużych danych
2.Algorytmy i złożonośćTrudny

Korzystając z twierdzenia o rekurencji uniwersalnej (master theorem), rozwiązaniem T(n) = 8T(n/2) + O(n²) jest:

  1. AΘ(n³)
  2. BΘ(n²)
  3. CΘ(n log n)
  4. DΘ(n² log n)
3.Struktury danychŚredni

Ile pamięci zajmują listy sąsiedztwa dla grafu o V wierzchołkach i E krawędziach?

  1. AO(E²)
  2. BO(V + E)
  3. CO(V²)
  4. DO(V × E)
4.Struktury danychTrudny

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

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

Drzewo ma 3× wierzchołek stopnia 3, 3× wierzchołek stopnia 4, a wszystkie jego pozostałe wierzchołki są liśćmi (stopień 1). Ile liści L ma to drzewo?

3 × deg 33 × deg 4
L =
6.Teoria grafówTrudny
5713116115315ABCDEFG

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: A · Sortowanie przez wstawianie ma mały narzut i jest szybkie dla małych lub prawie posortowanych danych

Dlaczego to jest odpowiedź

Dla małych n prosta pętla sortowania przez wstawianie jest szybsza niż narzut rekurencji quicksorta czy sortowania przez scalanie, choć jest O(n²).

Odpowiedź

A · Sortowanie przez wstawianie ma mały narzut i jest szybkie dla małych lub prawie posortowanych danych
2.Algorytmy i złożoność

Odpowiedź: A · Θ(n³)

Dlaczego to jest odpowiedź

log₂ 8 = 3, a n² rośnie wolniej niż n³, więc dominują liście: Θ(n³).

Odpowiedź

A · Θ(n³)
3.Struktury danych

Odpowiedź: B · O(V + E)

Dlaczego to jest odpowiedź

Każdy wierzchołek ma listę, a każda krawędź pojawia się raz (graf skierowany) lub dwa razy (nieskierowany), co daje O(V + E).

Odpowiedź

B · O(V + E)
4.Struktury danych

Odpowiedź: A · 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

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

Odpowiedź: L = 11

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.

Lemat o uściskach dłoni dla drzewa

L + 21 = 2(L + 6) − 2
L = 11

Odpowiedź

L = 11

Skrót: L = 2 + Σ (d − 2) po wierzchołkach o stopniu d ≥ 3.

6.Teoria grafów

Odpowiedź: d(F) = 10

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: 5, C: 7
B (5): D: 16, G: 6
G (6): D: 9, E: 21
C (7)
D (9): E: 15, F: 10
F (10)
E (15)

Najkrótsza ścieżka

A → B → G → D → F
d(F) = 10

Odpowiedź

d(F) = 10

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