1.Łatwy
Ile dodatkowej pamięci używa standardowe sortowanie przez scalanie oparte na tablicach?
- AO(n²)
- BO(n)
- CO(1)
- DO(log n)
2.Łatwy
Która notacja opisuje górne ograniczenie tempa wzrostu?
- ANotacja małe omega
- BNotacja duże Theta
- CNotacja duże Omega
- DNotacja duże O
3.Łatwy
Co oznacza f(n) = Θ(g(n))?
- Af rośnie w tym samym tempie co g, ograniczona z góry i z dołu stałymi wielokrotnościami g
- Bf rośnie ściśle szybciej niż g
- Cf rośnie ściśle wolniej niż g
- Df jest zawsze mniejsza niż g dla każdego n, więc g ogranicza ją od góry, lecz nigdy od dołu
4.Średni
Ile poziomów ma rekurencja sortowania przez scalanie dla tablicy n elementów?
- AOkoło √n
- BOkoło n
- COkoło log₂ n
- DOkoło n / 2
5.Średni
Jaka jest złożoność czasowa standardowego algorytmu programowania dynamicznego dla najdłuższego wspólnego podciągu napisów o długościach m i n?
- AO(mn log n)
- BO(2m+n)
- CO(mn)
- DO(m + n)
6.Średni
Programowanie dynamiczne jest przydatne, gdy problem ma:
- APojedynczą pętlę
- BWyłącznie losowe dane wejściowe
- CNakładające się podproblemy i optymalną podstrukturę
- DŻadnych podproblemów, więc można go rozwiązać w jednym kroku
7.Trudny
Jaka jest złożoność czasowa budowania kopca binarnego z n nieposortowanych elementów metodą wstępującą (bottom-up)?
- AO(n)
- BO(log n)
- CO(n²)
- DO(n log n)
8.Trudny
Jakie jest rozwiązanie rekurencji T(n) = 2T(n/2) + n log n?
- AΘ(n)
- BΘ(n log n)
- CΘ(n²)
- DΘ(n log² n)
Klucz odpowiedzi
- 1. B · O(n)
- 2. D · Notacja duże O
- 3. A · f rośnie w tym samym tempie co g, ograniczona z góry i z dołu stałymi wielokrotnościami g
- 4. C · Około log₂ n
- 5. C · O(mn)
- 6. C · Nakładające się podproblemy i optymalną podstrukturę
- 7. A · O(n)
- 8. D · Θ(n log² n)
Pełne rozwiązania krok po kroku: ćwicz ten temat na examproblems.com.