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

Czy poprawne jest stwierdzenie, że algorytm O(n²) jest też O(n³)?

  1. ANie, bo dla dużych n wartość n³ jest mniejsza niż n²
  2. BTak, ale tylko gdy n jest mniejsze niż 100
  3. CTak, bo duże O to ograniczenie górne, a n² nie rośnie szybciej niż n³
  4. DNie, bo duże O musi zawsze podawać dokładne tempo wzrostu funkcji
2.Algorytmy i złożonośćTrudny

Jaka jest złożoność czasowa: for i = 1 to n: for (j = i; j ≤ n; j = j + i) wykonaj pracę O(1)?

  1. AO(n²)
  2. BO(n)
  3. CO(n √n)
  4. DO(n log n)
3.Struktury danychŚredni

Dlaczego przechodzenie tablicy jest w praktyce często znacznie szybsze niż przechodzenie listy wiązanej o tej samej długości?

  1. ATablice wymagają mniej instrukcji do porównania wartości
  2. BElementy tablicy leżą obok siebie, więc dobrze wykorzystują pamięć podręczną procesora
  3. CListy wiązane zawsze przechowują elementy na dysku
  4. DPrzejście tablicy ma łącznie złożoność O(1), a listy wiązanej O(n)
4.Struktury danychTrudny

Algorytm Kahna sortowania topologicznego wielokrotnie usuwa wierzchołki o stopniu wejściowym 0. Która struktura przechowuje te wierzchołki?

  1. AMacierz sąsiedztwa zapisującą, które wierzchołki zostały już usunięte
  2. BKolejka (lub dowolna kolekcja) wierzchołków o stopniu wejściowym 0
  3. CKopiec maksymalny uporządkowany według stopnia wyjściowego
  4. DStos wszystkich odwiedzonych krawędzi
5.Teoria grafówŚredni

Graf spójny: liczba wierzchołków 11, liczba krawędzi 22. Ile krawędzi k trzeba usunąć, aby zostało drzewo rozpinające?

|V| = 11|E| = 22
k =
6.Teoria grafówTrudny
81115912611ABCDEF

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 · Tak, bo duże O to ograniczenie górne, a n² nie rośnie szybciej niż n³

Dlaczego to jest odpowiedź

Duże O to ograniczenie górne, więc stwierdzenie jest prawdziwe, ale nie dokładne; dokładne tempo wzrostu podaje Θ(n²).

Odpowiedź

C · Tak, bo duże O to ograniczenie górne, a n² nie rośnie szybciej niż n³
2.Algorytmy i złożoność

Odpowiedź: D · O(n log n)

Dlaczego to jest odpowiedź

Łącznie n / 1 + n / 2 + ... + n / n = n × Hn, a liczba harmoniczna Hn to Θ(log n).

Odpowiedź

D · O(n log n)
3.Struktury danych

Odpowiedź: B · Elementy tablicy leżą obok siebie, więc dobrze wykorzystują pamięć podręczną procesora

Dlaczego to jest odpowiedź

Ciągła pamięć zapewnia dobrą lokalność odwołań, a połączone węzły mogą być rozproszone i powodować wiele chybień w pamięci podręcznej.

Odpowiedź

B · Elementy tablicy leżą obok siebie, więc dobrze wykorzystują pamięć podręczną procesora
4.Struktury danych

Odpowiedź: B · Kolejka (lub dowolna kolekcja) wierzchołków o stopniu wejściowym 0

Dlaczego to jest odpowiedź

Gotowe wierzchołki trzyma się w kolejce; usunięcie jednego obniża stopnie wejściowe jego sąsiadów, a te, które osiągną 0, są dodawane, co daje czas O(V + E).

Odpowiedź

B · Kolejka (lub dowolna kolekcja) wierzchołków o stopniu wejściowym 0
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

11 − 1 = 10

Krawędzie do usunięcia

k = 22 − 10 = 12

Odpowiedź

k = 12
6.Teoria grafów

Odpowiedź: d(F) = 18

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): C: 8
C (8): B: 19, E: 17
E (17): D: 29, F: 18, B: 18
B (18)
F (18): D: 24
D (24)

Najkrótsza ścieżka

A → C → E → F
d(F) = 18

Odpowiedź

d(F) = 18

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