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

Co oznacza, że problem ma optymalną podstrukturę?

  1. AProblem można rozwiązać w czasie stałym
  2. BKażdy podproblem ma ten sam rozmiar
  3. COptymalne rozwiązanie można zbudować z optymalnych rozwiązań jego podproblemów
  4. DProblem ma dokładnie jedno rozwiązanie optymalne, wspólne dla wszystkich podproblemów
2.Algorytmy i złożonośćTrudny

Która definicja klasy P jest poprawna?

  1. AProblemy wymagające czasu wykładniczego na każdym komputerze
  2. BProblemy, które można rozwiązać równolegle
  3. CProblemy decyzyjne rozwiązywalne przez algorytm deterministyczny w czasie wielomianowym
  4. DProblemy, których rozwiązania można sprawdzić, ale nigdy nie znaleźć w czasie wielomianowym
3.Struktury danychŚredni

Tablica mieszająca o rozmiarze 7 używa h(k) = k mod 7 i próbkowania liniowego. Gdzie zostanie zapisane 17 po wstawieniu 10?

  1. APod indeksem 6
  2. BPod indeksem 3
  3. CPod indeksem 0
  4. DPod indeksem 4
4.Struktury danychTrudny

Dlaczego serwer może losowo wybierać funkcję mieszającą z rodziny uniwersalnej?

  1. ABy tablica mieszająca była posortowana
  2. BBy było bardzo mało prawdopodobne, że atakujący dobierze wiele kluczy, które wszystkie kolidują
  3. CBy wyeliminować potrzebę zmiany rozmiaru tablicy
  4. DBy zagwarantować, że żadne dwa klucze nigdy nie będą kolidować, jakie klucze by nie wysłał atakujący
5.Teoria grafówŚredni

Graf spójny: liczba wierzchołków 18, liczba krawędzi 29. Ile krawędzi k trzeba usunąć, aby zostało drzewo rozpinające?

|V| = 18|E| = 29
k =
6.Teoria grafówTrudny
675123154ABCDEF

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 · Optymalne rozwiązanie można zbudować z optymalnych rozwiązań jego podproblemów

Dlaczego to jest odpowiedź

Optymalna podstruktura jest wymagana zarówno przez algorytmy zachłanne, jak i przez programowanie dynamiczne, by dawały poprawne odpowiedzi.

Odpowiedź

C · Optymalne rozwiązanie można zbudować z optymalnych rozwiązań jego podproblemów
2.Algorytmy i złożoność

Odpowiedź: C · Problemy decyzyjne rozwiązywalne przez algorytm deterministyczny w czasie wielomianowym

Dlaczego to jest odpowiedź

P zawiera problemy decyzyjne z deterministycznym algorytmem wielomianowym, np. sprawdzanie, czy graf jest spójny.

Odpowiedź

C · Problemy decyzyjne rozwiązywalne przez algorytm deterministyczny w czasie wielomianowym
3.Struktury danych

Odpowiedź: D · Pod indeksem 4

Dlaczego to jest odpowiedź

10 mod 7 = 3 i 17 mod 7 = 3; indeks 3 jest zajęty, więc próbkowanie liniowe sprawdza następną pozycję, indeks 4.

Odpowiedź

D · Pod indeksem 4
4.Struktury danych

Odpowiedź: B · By było bardzo mało prawdopodobne, że atakujący dobierze wiele kluczy, które wszystkie kolidują

Dlaczego to jest odpowiedź

Przy haszowaniu uniwersalnym oczekiwana liczba kolizji jest mała dla dowolnego zbioru kluczy, bo atakujący nie wie, którą funkcję wybrano.

Odpowiedź

B · By było bardzo mało prawdopodobne, że atakujący dobierze wiele kluczy, które wszystkie kolidują
5.Teoria grafów

Odpowiedź: k = 12

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

18 − 1 = 17

Krawędzie do usunięcia

k = 29 − 17 = 12

Odpowiedź

k = 12
6.Teoria grafów

Odpowiedź: d(F) = 16

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: 6, C: 7
B (6): D: 18, E: 10
C (7)
E (10): D: 11
D (11): F: 16
F (16)

Najkrótsza ścieżka

A → B → E → D → F
d(F) = 16

Odpowiedź

d(F) = 16

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