Struktura danych = system relacyjny U, U uniwersum systemu - zbiór relacji (operacji) na strukturze danych
|
|
- Bogdan Sowa
- 7 lat temu
- Przeglądów:
Transkrypt
1 Temat: Stuktuy dzewiste 1. Stuktua słownika { } I Stuktua danych = system elacyjny U, i i U uniwesum systemu { i } i I - zbió elacji (opeacji) na stuktuze danych Fomalna definicja stuktuy danych składa się z : sygnatuy systemu elacyjnego, sygnatu wszystkich opeacji stuktuy specyfikacji (opisu) opeacji stuktuy Def. Stuktuą słownika nazywamy system: E D, seach, inset, gdzie: E- niepusty zbió możliwych danych D- niepusty zbió zwany zbioem słowników seach: E D inset : E D : E D D oolean D (oolean typ logiczny o watościach tue i false) Specyfikacja opeacji słownikowych 1. Opeacja seach(e, d) zwaca watość tue, gdy element e znajduje się w słowniku d, a false w pzypadku pzeciwnym.. Opeacja inset(e,d) wstawia element e do słownika d, o ile seach(e, d) = false. 3. Opeacja (e,d) usuwa element e ze słownika d, o ile seach(e, d) = tue.
2 . Implementacje słownika w stuktuach liniowych a) Implementacja tablicowa tablica nieupoządkowana n - ozmia słownika: opeacja elementana - poównania Koszt pesymistyczny: seach Tmax ( n) ( n) = T ( n) = Θ( n) inset = Tmax max Koszt edni: T seach ( n) = T inset ( n) = T ( n) = Θ( n) b) Implementacja tablicowa tablica upoządkowana n - ozmia słownika: opeacja elementana - poównania Koszt pesymistyczny: T Koszt edni: T seach max seach inset ( n) = Tmax max ( n) = T ( n) = Θ( logn) ( n) = T ( n) = ( logn) inset ( n) = T Θ Ale!!! Tzeba pzyjąć, że opeacją elementaną pzy ealizacji opeacji inset oaz są pzestawienia elementów tablicy. Wówczas: seach Tmax ( n) Θ, inset ( logn) T ( n) = T ( n) = Θ( n) = max max T seach ( n) inset ( logn) T ( n) = T ( n) = Θ( n) = Θ,
3 - kozeń dzewa węzeł, któy nie ma popzednika (ojca) s- lewy potomek (syn) węzła v pawy potomek (syn) węzła t-liść-węzeł, któy nie ma ani lewego ani pawego potomka (syna) s- kozeń lewego poddzewa węzła v kozeń pawego poddzewa węzła głębokość węzła nume poziomu, na któym leży węzeł w dzewie. oziom kozenia ma nume 0. Węzły s i v leżą na poziomie nume 1. c) Implementacja listowa opeacja elemntana: poównania Koszt pesymistyczny: seach Tmax ( n) ( n) = T ( n) = Θ( n) inset = Tmax max Koszt edni: T seach ( n) = T inset ( n) = T ( n) = Θ( n) 3. Dzewo ST ( z ang. inay Seach Tee) Def. Dzewo ST to dzewo binane z elacją poządku symetycznego Def. Dzewo binane to gaf skieowany, bez cykli, z wyóżnionym węzłem zwanym kozeniem dzewa. Każdy z węzłów dzewa ma stopień ówny co najwyżej dwa. Do każdego z węzłów opócz kozenia dochodzi dokładnie jedna kawędź. Nazewnictwo: s v t
4 -s-t pzykład ścieżki w dzewie długość ścieżki nume poziomu liścia w ścieżce wysokość dzewa nume poziomu liścia w najdłuższej ścieżce. Wysokość dzewa na ysunku wynosi. Def. Poządek symetyczny polega na tym, że dla każdego węzła dzewa x dzewa jest spełniony następujący waunek: Jeżeli y leży w lewym poddzewie x, to key(y) key(x). Jeżeli y leży w pawym poddzewie x, to key(x) key(y). Relacja jest elacją poządku liniowego, a key(x) jest watością pola (klucza) danych, na któym elacja jest okeślona. ędziemy zakładali w dalszych ozważaniach, że dane umieszczane w dzewie to liczby całkowite. Pzykład Węzeł dzewa ST to ades na stuktuę (ekod) z polami: dane pole do pzechowywania danych, left, ight adesy węzłów potomnych dane left ight 10 kozeń dzewa 6
5 4. Algoytmy opeacji słownikowych na dzewie ST a) Opeacja seach seach(e, ); e liczba szukana, kozeń dzewa seach(e,)=1, gdy e jest w słowniku, seach(e,)=0, gdy e nie należy do słownika cuent=; while (cuent!=null) 9 if (cuent->dane==e) etun 1; else if (cuent->dane>e) cuent=cuent->left else cuent=cuent->ight if (cuent==null) etun 0; cuent 3 6 cuent=null seach(3, )=1 seach(10, )=0 W implementacji opeacji inset i niezwykle pzydatna okazuje się zmodyfikowana funkcja seach (seach1), któa zwaca ades węzła, w któym znajduje się poszukiwany element e oaz dodatkowo ades p ojca węzła z daną e. W szczególności, gdy wynikiem funkcji jest kozeń dzewa, to p jest adesem pustym. Gdy danych e nie ma w słowniku, to zwacany jest ades pusty, a p ustawia się na adesie potencjalnego ojca węzła z daną e. seach1(e,, p); 10 p 10 6 cuent cuent=seach1(,, p) p 6 seach1(1,, p)=null
6 cuent cuent=seach1(,, p) 10 p=null 6 b) Opeacja inset inset(e, ); Pzypadki: dzewo jest puste, inset(, ) dana e już jest w słowniku wówczas dzewo się nie zmienia dana e jeszcze nie znajduje się w słowniku wówczas nowy węzeł z daną e jest podwiązywany do dzewa jako liść i odpowiedni (lewy albo pawy) potomek węzła p zwóconego w funkcji seach1. 9 inset(11,) 10 p 6 11
7 c)opeacja (e, ); Pzypadki: Element e nie należy do słownika. Wywołanie funkcji seach1(e,, p) zwaca wówczas ades pusty. Słownik w tym pzypadku nie zmienia się po wykonaniu opeacji. Element e znajduje się w kozeniu dzewa i kozeń dzewa jest jedynym węzłem dzewa. Wywołanie funkcji seach1(e,, p) zwaca wówczas ades i adesy left i ight w kozeniu są puste. Słownik w tym pzypadku staje się pusty do wykonaniu opeacji. Pzed (, ) Po (, ) = NULL
8 Element e znajduje się w węźle o adesie v i węzeł v ma puste lewe albo pawe podzewo. Wywołanie funkcji seach1(e,, p) zwaca wtedy ades niepusty v i albo ades left albo ight w węźle v jest pusty. Ustalmy, że ades ight w węźle v jest pusty. Wówczas nowym potomkiem węzła p będzie lewy potomek usuwanego węzła v. Może się zdazyć, że kozeń dzewa musi być uaktualniony w tym pzypadku. achodzi to wtedy, gdy v=. Pzed (, ) Po (, ) p v
9 Element e znajduje się w węźle o adesie v i węzeł v ma niepuste lewe albo pawe podzewo. Wywołanie funkcji seach1(e,, p) zwaca wtedy ades niepusty v adesy left i ight w węźle v są niepuste. Ustalamy wówczas ades takiego węzła, któy zawiea największy element lewego podzewa węzła v albo najmniejszy element pawego poddzewa węzła v. Oznaczmy znaleziony węzeł pzez f. Dane z węzła f kopiujemy do węzła v, a sam węzeł f usuwamy wg algoytmu z popzedniego pzypadku, gdyż ma on na pewno puste co najmniej jedno z poddzew. Może się zdazyć, że kozeń dzewa musi być uaktualniony w tym pzypadku. achodzi to wtedy, gdy v=. Pzed (, ) Po (, ) 10 p 10 v 11 v f 4 4
10 . Koszt opeacji słownikowych na dzewie ST Opeacja elementana: poównania między elementem wstawianym, wyszukiwanym lub usuwanym, a elementami słownika. Rozmia zadania: n ilość danych w słowniku pzed ealizacją opeacji słownikowej. Koszt opeacji słownikowych zasadniczo zależy od kosztu opeacji seach (seach1): Koszt seach: pesymistyczny T ( n) = n = Θ( n) max - pzypadek dzewa zdegeneowanego edni O(logn) okeślony na postawie wyników ekspeymentów, ale nie udowodniony. 6. Dzewa AVL Nazwa dzewo AVL pochodzi od nazwisk dwóch specjalistów teoii algoytmów i stuktu danych: Adelsona-Velskii i Landisa. Def. Dzewo AVL to wyważone dzewo ST. Dzewo jest wyważone, kiedy dla każdego wiezchołka, wysokości dwóch jego poddzew óżnią się co najwyżej o jeden. Dzewo wyważone Dzewo, któe nie jest wyważone
11 . Wysokość dzewa AVL Lemat Wysokość dzewa AVL o n wiezchołkach (n 1) jest nie większa niż log n. Dowód: Niech D h będzie dzewem AVL o wysokości h, któe ma najmniejszą, możliwą liczbę wiezchołków wód dzew AVL o wysokości h. Niech n h będzie liczbą wiezchołków w dzewie D h. Gdy: h = 0, to D 0 n 0 = 1 h = 1, to D 1 n 1 = h =, to D n = 4 h = 3, to D 3 n 3 = Ogólnie: D h-1 D h- n h = n h-1 + n h- +1
12 Udowodnimy pzez indukcję, że: ałożenie indukcyjne: n h = n h nh dla h >1 n h 1 h 1 h 1 h h 1 h h h 1 1 h 1 + nh = = Czyli Stąd 1 log n h h log h nh. udowa węzła dzewa AVL Stuktua węzła dzewa AVL jest wzbogacona o wagę w taką, że: w(dzewo_puste)= -1, w(v)=h(l) - h(p), gdzie h(l) i h(p) to odpowiednio wysokość lewego i pawego poddzewa węzła v. v L P Pzykład watości wagi w dla węzłów dzewa o kozeniu
13 9. Opeacje słownikowe na dzewie AVL seach(e, d) - opeacja ealizowana tak samo jak dla dzewa ST inset(e, d) - opeacja ealizowana w piewszej fazie tak samo jak dla dzewa ST. Duga faza to ewentualne wyważenie powstałego dzewa. (e, d) - opeacja ealizowana w piewszej fazie tak samo jak dla dzewa ST. Duga faza to ewentualne wyważenie powstałego dzewa. Podczas ealizacji piewszej fazy opeacji inset i należy na stosie odłożyć adesy węzłów ze ścieżki, któą odwiedza wywołanie funkcji seach1. Stos jest niezbędny do zealizowania dugiej fazy algoytmu, tj. spawdzenia waunku wyważenia na podstawie wag węzłów ze stosu. atem funkcja seach1 zwacać powinna, w pzypadku dzew AVL, ades wiezchołka takiego stosu, zamiast adesu p. 10. Rotacje powadzące do wyważenia dzewa po usunięciu albo wstawieniu elementu Rotacje w pawo +; A +1 A * 0 * pojedyncza otacja w pawo względem
14 +; -1 C A U A C 0 U * * podwójna otacja w pawo: otacja pojedyncza w lewo względem A i pojedyncza w pawo względem C Rotacje w lewo -; -1 - A 0 A -1 0 * pojedyncza otacja w lewo względem
15 -; +1 C - 0 U A +1 0 C +1 A U * otacja podwójna w lewo: pojedyncza w pawo względem A i pojedyncza w lewo względem C * Uwaga Rotacje w pocesie wyważania wykonywane są tylko na jednej ścieżce w dzewie. Opeacja ealizowana na dzewie AVL wymaga wykonania co najwyżej log n otacji. Opeacja inset ealizowana na dzewie AVL wymaga wykonania co najwyżej jednej otacji. Może się zdazyć, że po zealizowaniu piewszej fazy opeacji zajdzie konieczność wykonania otacji o układzie wag +;0 albo ;0. Wykonujemy wówczas odpowiednio pojedyncza otacje w lewo albo pawo względem węzła z wagą odpowiednio + albo -. Wniosek Ponieważ dzewo AVL ma pesymistyczną wysokość O(logn), a ewentulane otacje wykonywane podczas wstawiania albo usuwania elementów ealizowane są kosztem O(logn), to opeacje słownikowe zealizowane na dzewie AVL mają koszt pesymistyczny O(logn).
Binarne Diagramy Decyzyjne
Sawne tablice logiczne Plan Binane diagamy decyzyjne Oganiczanie i kwantyfikacja Logika obliczeniowa Instytut Infomatyki Plan Sawne tablice logiczne Binane diagamy decyzyjne Plan wykładu 1 2 3 4 Plan wykładu
Bardziej szczegółowoGraf skierowany. Graf zależności dla struktur drzewiastych rozgrywających parametrycznie
Gaf skieowany Gaf skieowany definiuje się jako upoządkowaną paę zbioów. Piewszy z nich zawiea wiezchołki gafu, a dugi składa się z kawędzi gafu, czyli upoządkowanych pa wiezchołków. Ruch po gafie możliwy
Bardziej szczegółowoDrzewo. Drzewo uporządkowane ma ponumerowanych (oznaczonych) następników. Drzewo uporządkowane składa się z węzłów, które zawierają następujące pola:
Drzewa Drzewa Drzewo (ang. tree) zbiór węzłów powiązanych wskaźnikami, spójny i bez cykli. Drzewo posiada wyróżniony węzeł początkowy nazywany korzeniem (ang. root). Drzewo ukorzenione jest strukturą hierarchiczną.
Bardziej szczegółowoALGORYTMY I STRUKTURY DANYCH
LGORTM I STRUKTUR DNH Temat 6: Drzewa ST, VL Wykładowca: dr inż. bigniew TRPT e-mail: bigniew.tarapata@isi.wat.edu.pl http://www.tarapata.strefa.pl/p_algorytmy_i_struktury_danych/ Współautorami wykładu
Bardziej szczegółowoZASADY PROGRAMOWANIA KOMPUTERÓW ZAP zima 2014/2015. Drzewa BST c.d., równoważenie drzew, kopce.
POLITECHNIKA WARSZAWSKA Instytut Automatyki i Robotyki ZASADY PROGRAMOWANIA KOMPUTERÓW ZAP zima 204/205 Język programowania: Środowisko programistyczne: C/C++ Qt Wykład 2 : Drzewa BST c.d., równoważenie
Bardziej szczegółowoWysokość drzewa Głębokość węzła
Drzewa Drzewa Drzewo (ang. tree) zbiór węzłów powiązanych wskaźnikami, spójny i bez cykli. Drzewo posiada wyróżniony węzeł początkowy nazywany korzeniem (ang. root). Drzewo ukorzenione jest strukturą hierarchiczną.
Bardziej szczegółowoWykład 2. Drzewa zbalansowane AVL i 2-3-4
Wykład Drzewa zbalansowane AVL i -3-4 Drzewa AVL Wprowadzenie Drzewa AVL Definicja drzewa AVL Operacje wstawiania i usuwania Złożoność obliczeniowa Drzewa -3-4 Definicja drzewa -3-4 Operacje wstawiania
Bardziej szczegółowoWykład 8. Drzewa AVL i 2-3-4
Wykład 8 Drzewa AVL i 2-3-4 1 Drzewa AVL Ø Drzewa AVL Definicja drzewa AVL Operacje wstawiania i usuwania Złożoność obliczeniowa Ø Drzewa 2-3-4 Definicja drzewa 2-3-4 Operacje wstawiania i usuwania Złożoność
Bardziej szczegółowoDrzewa BST i AVL. Drzewa poszukiwań binarnych (BST)
Drzewa ST i VL Drzewa poszukiwań binarnych (ST) Drzewo ST to dynamiczna struktura danych (w formie drzewa binarnego), która ma tą właściwość, że dla każdego elementu wszystkie elementy w jego prawym poddrzewie
Bardziej szczegółowoPorządek symetryczny: right(x)
Porządek symetryczny: x lef t(x) right(x) Własność drzewa BST: W drzewach BST mamy porządek symetryczny. Dla każdego węzła x spełniony jest warunek: jeżeli węzeł y leży w lewym poddrzewie x, to key(y)
Bardziej szczegółowoKolejka priorytetowa. Często rozważa się kolejki priorytetowe, w których poszukuje się elementu minimalnego zamiast maksymalnego.
Kolejki Kolejka priorytetowa Kolejka priorytetowa (ang. priority queue) to struktura danych pozwalająca efektywnie realizować następujące operacje na zbiorze dynamicznym, którego elementy pochodzą z określonego
Bardziej szczegółowoWykład 2. Drzewa poszukiwań binarnych (BST)
Wykład 2 Drzewa poszukiwań binarnych (BST) 1 O czym będziemy mówić Definicja Operacje na drzewach BST: Search Minimum, Maximum Predecessor, Successor Insert, Delete Struktura losowo budowanych drzew BST
Bardziej szczegółowoSortowanie bąbelkowe
1/98 Sortowanie bąbelkowe (Bubble sort) prosty i nieefektywny algorytm sortowania wielokrotnie przeglądamy listę elementów, porównując dwa sąsiadujące i zamieniając je miejscami, jeśli znajdują się w złym
Bardziej szczegółowoWstęp do filogenetyki molekularnej. Krzysztof Turowski
Wstęp do filogenetyki molekulanej Kzysztof Tuowski Co to jest filogeneza? Filogeneza (z g. filos gatunek, ód i genesis pochodzenie) to doga ozwoju odowego, pochodzenie i zmiany ewolucyjne gupy oganizmów,
Bardziej szczegółowoWykład 6. Drzewa poszukiwań binarnych (BST)
Wykład 6 Drzewa poszukiwań binarnych (BST) 1 O czym będziemy mówić Definicja Operacje na drzewach BST: Search Minimum, Maximum Predecessor, Successor Insert, Delete Struktura losowo budowanych drzew BST
Bardziej szczegółowoPróba określenia miary jakości informacji na gruncie teorii grafów dla potrzeb dydaktyki
Póba okeślenia miay jakości infomacji na guncie teoii gafów dla potzeb dydaktyki Zbigniew Osiak E-mail: zbigniew.osiak@gmail.com http://ocid.og/0000-0002-5007-306x http://via.og/autho/zbigniew_osiak Steszczenie
Bardziej szczegółowoDrzewa binarne. Drzewo binarne to dowolny obiekt powstały zgodnie z regułami: jest drzewem binarnym Jeśli T 0. jest drzewem binarnym Np.
Drzewa binarne Drzewo binarne to dowolny obiekt powstały zgodnie z regułami: jest drzewem binarnym Jeśli T 0 i T 1 są drzewami binarnymi to T 0 T 1 jest drzewem binarnym Np. ( ) ( ( )) Wielkość drzewa
Bardziej szczegółowoAlgorytmy i Struktury Danych
Algorytmy i Struktury Danych Drzewa poszukiwań binarnych dr hab. Bożena Woźna-Szcześniak bwozna@gmail.com Jan Długosz University, Poland Wykład 12 Bożena Woźna-Szcześniak (AJD) Algorytmy i Struktury Danych
Bardziej szczegółowoKażdy węzeł w drzewie posiada 3 pola: klucz, adres prawego potomka i adres lewego potomka. Pola zawierające adresy mogą być puste.
Drzewa binarne Każdy węzeł w drzewie posiada pola: klucz, adres prawego potomka i adres lewego potomka. Pola zawierające adresy mogą być puste. Uporządkowanie. Zakładamy, że klucze są różne. Klucze leżące
Bardziej szczegółowoStruktury Danych i Złożoność Obliczeniowa
Struktury Danych i Złożoność Obliczeniowa Zajęcia 3 Struktury drzewiaste drzewo binarne szczególny przypadek drzewa, które jest szczególnym przypadkiem grafu skierowanego, stopień każdego wierzchołka jest
Bardziej szczegółowoDobór zmiennych objaśniających do liniowego modelu ekonometrycznego
Dobó zmiennych objaśniających do liniowego modelu ekonometycznego Wstępnym zadaniem pzy budowie modelu ekonometycznego jest okeślenie zmiennych objaśniających. Kyteium wybou powinna być meytoyczna znajomość
Bardziej szczegółowo1. Metoda tabel semantycznych
1. Metoda tabel semantycznych Udowodnić pawdziwość fomuły metodą tabel semantycznych: (A B) ( B A) ZALECAMY podkeślanie analizowanych fomuł, W celu zbadania pawdziwości fomuły należy zanegować fomułę i
Bardziej szczegółowoWykład 3. Drzewa czerwono-czarne
Wykład 3 Drzewa czerwono-czarne 1 Drzewa zbalansowane Wprowadzenie Drzewa czerwono-czarne Definicja, wysokość drzewa Rotacje, operacje wstawiania i usuwania Literatura Cormen, Leiserson, Rivest, Wprowadzenie
Bardziej szczegółowoAlgorytmy i struktury danych. wykład 5
Plan wykładu: Wskaźniki. : listy, drzewa, kopce. Wskaźniki - wskaźniki Wskaźnik jest to liczba lub symbol który w ogólności wskazuje adres komórki pamięci. W językach wysokiego poziomu wskaźniki mogą również
Bardziej szczegółowoAlgorytmy i Struktury Danych
Algorytmy i Struktury Danych Kopce Bożena Woźna-Szcześniak bwozna@gmail.com Jan Długosz University, Poland Wykład 11 Bożena Woźna-Szcześniak (AJD) Algorytmy i Struktury Danych Wykład 11 1 / 69 Plan wykładu
Bardziej szczegółowoDynamiczne struktury danych
Listy Zbiór dynamiczny Zbiór dynamiczny to zbiór wartości pochodzących z pewnego określonego uniwersum, którego zawartość zmienia się w trakcie działania programu. Elementy zbioru dynamicznego musimy co
Bardziej szczegółowoSortowanie. Kolejki priorytetowe i algorytm Heapsort Dynamiczny problem sortowania:
Sortowanie Kolejki priorytetowe i algorytm Heapsort Dynamiczny problem sortowania: podać strukturę danych dla elementów dynamicznego skończonego multi-zbioru S, względem którego są wykonywane następujące
Bardziej szczegółowoPrzykładowe B+ drzewo
Przykładowe B+ drzewo 3 8 1 3 7 8 12 Jak obliczyć rząd indeksu p Dane: rozmiar klucza V, rozmiar wskaźnika do bloku P, rozmiar bloku B, liczba rekordów w indeksowanym pliku danych r i liczba bloków pliku
Bardziej szczegółowoDrzewa poszukiwań binarnych
1 Cel ćwiczenia Algorytmy i struktury danych Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet ielonogórski Drzewa poszukiwań binarnych Ćwiczenie
Bardziej szczegółowoWykład X. Programowanie. dr inż. Janusz Słupik. Gliwice, Wydział Matematyki Stosowanej Politechniki Śląskiej. c Copyright 2016 Janusz Słupik
Wykład X Wydział Matematyki Stosowanej Politechniki Śląskiej Gliwice, 2016 c Copyright 2016 Janusz Słupik Drzewa binarne Drzewa binarne Drzewo binarne - to drzewo (graf spójny bez cykli) z korzeniem (wyróżnionym
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Zadanie. W kolejnych okesach czasu t =,,3,... ubezpieczony, chaakteyzujący się paametem yzyka Λ, geneuje szkód. Dla danego Λ = λ zmienne N t N, N, N 3,... są waunkowo niezależne i mają (bzegowe) ozkłady
Bardziej szczegółowoFIZYKA 2. Janusz Andrzejewski
FIZYKA 2 wykład 4 Janusz Andzejewski Pole magnetyczne Janusz Andzejewski 2 Pole gawitacyjne γ Pole elektyczne E Definicja wektoa B = γ E = Indukcja magnetyczna pola B: F B F G m 0 F E q 0 qv B = siła Loentza
Bardziej szczegółowoZadanie 1 Przygotuj algorytm programu - sortowanie przez wstawianie.
Sortowanie Dane wejściowe: ciąg n-liczb (kluczy) (a 1, a 2, a 3,..., a n 1, a n ) Dane wyjściowe: permutacja ciągu wejściowego (a 1, a 2, a 3,..., a n 1, a n) taka, że a 1 a 2 a 3... a n 1 a n. Będziemy
Bardziej szczegółowoWstęp do programowania. Drzewa podstawowe techniki. Piotr Chrząstowski-Wachtel
Wstęp do programowania Drzewa podstawowe techniki Piotr Chrząstowski-Wachtel Drzewa wyszukiwań Drzewa często służą do przechowywania informacji. Jeśli uda sie nam stworzyć drzewo o niewielkiej wysokości
Bardziej szczegółowoTeoretyczne podstawy informatyki
Teoretyczne podstawy informatyki Wykład 6a Model danych oparty na drzewach 1 Model danych oparty na drzewach Istnieje wiele sytuacji w których przetwarzane informacje mają strukturę hierarchiczną lub zagnieżdżoną,
Bardziej szczegółowoDrzewa poszukiwań binarnych
1 Drzewa poszukiwań binarnych Kacper Pawłowski Streszczenie W tej pracy przedstawię zagadnienia związane z drzewami poszukiwań binarnych. Przytoczę poszczególne operacje na tej strukturze danych oraz ich
Bardziej szczegółowoUniwersytet Zielonogórski Instytut Sterowania i Systemów Informatycznych. Algorytmy i struktury danych Laboratorium 7. 2 Drzewa poszukiwań binarnych
Uniwersytet Zielonogórski Instytut Sterowania i Systemów Informatycznych Algorytmy i struktury danych Laboratorium Drzewa poszukiwań binarnych 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie studentów
Bardziej szczegółowoPodstawowe algorytmy i ich implementacje w C. Wykład 9
Wstęp do programowania 1 Podstawowe algorytmy i ich implementacje w C Bożena Woźna-Szcześniak bwozna@gmail.com Jan Długosz University, Poland Wykład 9 Element minimalny i maksymalny zbioru Element minimalny
Bardziej szczegółowoTemat: Dynamiczne przydzielanie i zwalnianie pamięci. Struktura listy operacje wstawiania, wyszukiwania oraz usuwania danych.
Temat: Dynamiczne przydzielanie i zwalnianie pamięci. Struktura listy operacje wstawiania, wyszukiwania oraz usuwania danych. 1. Rodzaje pamięci używanej w programach Pamięć komputera, dostępna dla programu,
Bardziej szczegółowoKoszt zamortyzowany. Potencjał - Fundusz Ubezpieczeń Kosztów Algorytmicznych
Koszt zamortyzowany Jeśli mamy ciąg operacji, to koszt zamortyzowany jednej z nich jest sumarycznym kosztem wykonania wszystkich operacji podzielonym przez liczbę operacji. Inaczej mówiąc jest to, dla
Bardziej szczegółowoWstęp do programowania. Drzewa. Piotr Chrząstowski-Wachtel
Wstęp do programowania Drzewa Piotr Chrząstowski-Wachtel Drzewa Drzewa definiują matematycy, jako spójne nieskierowane grafy bez cykli. Równoważne określenia: Spójne grafy o n wierzchołkach i n-1 krawędziach
Bardziej szczegółowoPodstawy Informatyki. Metody dostępu do danych
Podstawy Informatyki c.d. alina.momot@polsl.pl http://zti.polsl.pl/amomot/pi Plan wykładu 1 Bazy danych Struktury danych Średni czas odszukania rekordu Drzewa binarne w pamięci dyskowej 2 Sformułowanie
Bardziej szczegółowoMIERNICTWO WIELKOŚCI ELEKTRYCZNYCH I NIEELEKTRYCZNYCH
Politechnika Białostocka Wydział Elektyczny Kateda Elektotechniki Teoetycznej i Metologii nstukcja do zajęć laboatoyjnych z pzedmiotu MENCTWO WEKOŚC EEKTYCZNYCH NEEEKTYCZNYCH Kod pzedmiotu: ENSC554 Ćwiczenie
Bardziej szczegółowoLIST EMISYJNY nr 3 /2014 Ministra Finansów
LIST EMISYJNY n /0 Minista Finansów z dnia stycznia 0. w spawie emisji kótkookesowych oszczędnościowych obligacji skabowych o opocentowaniu stałym ofeowanych w sieci spzedaży detalicznej Na podstawie at.
Bardziej szczegółowoWykład: praca siły, pojęcie energii potencjalnej. Zasada zachowania energii.
Wykład: paca siły, pojęcie enegii potencjalnej. Zasada zachowania enegii. Uwaga: Obazki w tym steszczeniu znajdują się stonie www: http://www.whfeeman.com/tiple/content /instucto/inde.htm Pytanie: Co to
Bardziej szczegółowoSpis treści JĘZYK C - FUNKCJE. Informatyka 1. Instrukcja do pracowni specjalistycznej z przedmiotu. Numer ćwiczenia INF07Z
Politechnika Białostocka Wydział Elektyczny Kateda Elektotechniki Teoetycznej i Metologii Instukcja do pacowni specjalistycznej z pzedmiotu Inomatyka Kod pzedmiotu: EZC00 00 (studia niestacjonane) Spis
Bardziej szczegółowoTadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski
: idea Indeksowanie: Drzewo decyzyjne, przeszukiwania binarnego: F = {5, 7, 10, 12, 13, 15, 17, 30, 34, 35, 37, 40, 45, 50, 60} 30 12 40 7 15 35 50 Tadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski
Bardziej szczegółowoTemat: Liniowe uporzdkowane struktury danych: stos, kolejka. Specyfikacja, przykładowe implementacje i zastosowania. Struktura słownika.
Temat: Liniowe uporzdkowane struktury danych: stos, kolejka. Specyfikacja, przykładowe implementacje i zastosowania. Struktura słownika. 1. Pojcie struktury danych Nieformalnie Struktura danych (ang. data
Bardziej szczegółowoAlgorytmy i Struktury Danych.
Algorytmy i Struktury Danych. Drzewa poszukiwań binarnych. Bożena Woźna-Szcześniak bwozna@gmail.com Jan Długosz University, Poland Wykład 10 Bożena Woźna-Szcześniak (AJD) Algorytmy i Struktury Danych.
Bardziej szczegółowoWyszukiwanie w BST Minimalny i maksymalny klucz. Wyszukiwanie w BST Minimalny klucz. Wyszukiwanie w BST - minimalny klucz Wersja rekurencyjna
Podstawy Programowania 2 Drzewa bst - część druga Arkadiusz Chrobot Zakład Informatyki 12 maja 2016 1 / 8 Plan Wstęp Wyszukiwanie w BST Minimalny i maksymalny klucz Wskazany klucz Zmiany w funkcji main()
Bardziej szczegółowo. Podstawy Programowania 2. Drzewa bst - część druga. Arkadiusz Chrobot. 12 maja 2019
.. Podstawy Programowania 2 Drzewa bst - część druga Arkadiusz Chrobot Zakład Informatyki 12 maja 2019 1 / 39 Plan.1 Wstęp.2 Wyszukiwanie w BST Minimalny i maksymalny klucz Wskazany klucz.3.4 Zmiany w
Bardziej szczegółowoTeoretyczne podstawy informatyki
Teoretyczne podstawy informatyki Wykład 6b: Model danych oparty na drzewach http://hibiscus.if.uj.edu.pl/~erichter/dydaktyka2010/tpi-2010 Prof. dr hab. Elżbieta Richter-Wąs 1 Model danych oparty na drzewach
Bardziej szczegółowoAlgorytmy i struktury danych
Algorytmy i struktury danych Wykład 9 - Drzewa i algorytmy ich przetwarzania (ciąg dalszy) Janusz Szwabiński Plan wykładu: Binarne drzewo poszukiwań (BST) Zrównoważone binarne drzewa poszukiwań (AVL) Implementacja
Bardziej szczegółowoDrzewa wyszukiwań binarnych (BST)
Drzewa wyszukiwań binarnych (BST) Krzysztof Grządziel 12 czerwca 2007 roku 1 Drzewa Binarne Drzewa wyszukiwań binarnych, w skrócie BST (od ang. binary search trees), to szczególny przypadek drzew binarnych.
Bardziej szczegółowoDrzewa czerwono-czarne.
Binboy at Sphere http://binboy.sphere.p l Drzewa czerwono-czarne. Autor: Jacek Zacharek Wstęp. Pojęcie drzewa czerwono-czarnego (red-black tree) zapoczątkował Rudolf Bayer w książce z 1972 r. pt. Symmetric
Bardziej szczegółowoAlgorytmy i Struktury Danych
Algorytmy i Struktury Danych Drzewa poszukiwań binarnych dr hab. Bożena Woźna-Szcześniak Jan Długosz University, Poland Wykład 8 Bożena Woźna-Szcześniak (AJD) Algorytmy i Struktury Danych Wykład 8 1 /
Bardziej szczegółowoPRÓBNY EGZAMIN MATURALNY Z MATEMATYKI
PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ODPOWIEDZI DO ARKUSZA ROZSZERZONEGO Zadanie ( pkt) A Zadanie ( pkt) C Zadanie ( pkt) A, bo sinα + cosα sinα + cosα cos sinα sin cosα + π π + π sin α π A więc musi
Bardziej szczegółowoPrzypomnij sobie krótki wstęp do teorii grafów przedstawiony na początku semestru.
Spis treści 1 Drzewa 1.1 Drzewa binarne 1.1.1 Zadanie 1.1.2 Drzewo BST (Binary Search Tree) 1.1.2.1 Zadanie 1 1.1.2.2 Zadanie 2 1.1.2.3 Zadanie 3 1.1.2.4 Usuwanie węzła w drzewie BST 1.1.2.5 Zadanie 4
Bardziej szczegółowo< K (2) = ( Adams, John ), P (2) = adres bloku 2 > < K (1) = ( Aaron, Ed ), P (1) = adres bloku 1 >
Typy indeksów Indeks jest zakładany na atrybucie relacji atrybucie indeksowym (ang. indexing field). Indeks zawiera wartości atrybutu indeksowego wraz ze wskaźnikami do wszystkich bloków dyskowych zawierających
Bardziej szczegółowo2012-01-16 PLAN WYKŁADU BAZY DANYCH INDEKSY - DEFINICJE. Indeksy jednopoziomowe Indeksy wielopoziomowe Indeksy z użyciem B-drzew i B + -drzew
0-0-6 PLAN WYKŁADU Indeksy jednopoziomowe Indeksy wielopoziomowe Indeksy z użyciem B-drzew i B + -drzew BAZY DANYCH Wykład 9 dr inż. Agnieszka Bołtuć INDEKSY - DEFINICJE Indeksy to pomocnicze struktury
Bardziej szczegółowoAiSD zadanie drugie. Gliwiński Jarosław Marek Kruczyński Konrad Marek Grupa dziekańska I5. 10 kwietnia 2008
AiSD zadanie drugie Gliwiński Jarosław Marek Kruczyński Konrad Marek Grupa dziekańska I5 10 kwietnia 2008 1 Wstęp W nowym zadaniu porównywano efektywność kilku operacji na dwóch różnie zorganizowanych
Bardziej szczegółowoII.6. Wahadło proste.
II.6. Wahadło poste. Pzez wahadło poste ozumiemy uch oscylacyjny punktu mateialnego o masie m po dolnym łuku okęgu o pomieniu, w stałym polu gawitacyjnym g = constant. Fig. II.6.1. ozkład wektoa g pzyśpieszenia
Bardziej szczegółowoDrzewa AVL definicje
Drzewa AVL definicje Uporzadkowane drzewo binarne jest drzewem AVL 1, jeśli dla każdego wez la różnica wysokości dwóch jego poddrzew wynosi co najwyżej 1. M D S C H F K Z typowe drzewo AVL minimalne drzewa
Bardziej szczegółowoLista liniowa dwukierunkowa
53 Lista liniowa dwukierunkowa Jest to lista złożona z elementów, z których każdy posiada, oprócz wskaźnika na element następny, również wskaźnik na element poprzedni. Zdefiniujmy element listy dwukierunkowej
Bardziej szczegółowoModelowanie przepływu cieczy przez ośrodki porowate Wykład III
Modelowanie pzepływu cieczy pzez ośodki poowate Wykład III 6 Ogólne zasady ozwiązywania ównań hydodynamicznego modelu pzepływu. Metody ozwiązania ównania Laplace a. Wpowadzenie wielkości potencjału pędkości
Bardziej szczegółowoWYKŁAD 11 OPTYMALIZACJA WIELOKRYTERIALNA
WYKŁAD OPTYMALIZACJA WIELOKYTEIALNA Wstęp. W wielu pzypadkach pzy pojektowaniu konstukcji technicznych dla okeślenia ich jakości jest niezędne wpowadzenie więcej niż jednego kyteium oceny. F ) { ( ), (
Bardziej szczegółowoDynamiczne drzewa. Piotr Sankowski. - p. 1/27
Piotr Sankowski - p. 1/27 przypomnienie czas O(log 2 n), jak to zrobić w czasie O(log n), jak to zrobić w pesymistycznym czasie O(log n) (szkic). - p. 2/27 Operacje na dynamicznych drzewach: parent(v)
Bardziej szczegółowoOpis ćwiczeń na laboratorium obiektów ruchomych
Gdańsk 3.0.007 Opis ćwiczeń na laboatoium obiektów uchomych Implementacja algoytmu steowania obotem w śodowisku symulacyjnym gy obotów w piłkę nożną stwozonym w Katedze Systemów Automatyki Politechniki
Bardziej szczegółowoListy, kolejki, stosy
Listy, kolejki, stosy abc Lista O Struktura danych składa się z węzłów, gdzie mamy informacje (dane) i wskaźniki do następnych węzłów. Zajmuje tyle miejsca w pamięci ile mamy węzłów O Gdzie można wykorzystać:
Bardziej szczegółowoZawiadomienie o wyborze najkorzystniejszej oferty
Kaków, dnia 28 wześnia 2015. Nasz znak: KZ.II.272.10.2015 Dotyczy: postępowania o udzielenie publicznego w tybie pzetagu nieoganiczonego pn.: Pzygotowanie i pzepowadzenie kampanii infomacyjno edukacyjnej,
Bardziej szczegółowoAlgorytmy i struktury danych. Wykład 6 Tablice rozproszone cz. 2
Algorytmy i struktury danych Wykład 6 Tablice rozproszone cz. 2 Na poprzednim wykładzie Wiele problemów wymaga dynamicznych zbiorów danych, na których można wykonywać operacje: wstawiania (Insert) szukania
Bardziej szczegółowoWykład 5. Sortowanie w czasie liniowologarytmicznym
Wykład 5 Sortowanie w czasie liniowologarytmicznym 1 Sortowanie - zadanie Definicja (dla liczb): wejście: ciąg n liczb A = (a 1, a 2,, a n ) wyjście: permutacja (a 1,, a n ) taka, że a 1 a n 2 Zestawienie
Bardziej szczegółowoSTOSY ABSTRACT DATA TYPES (ADT) STOS ADT ZASTOSOWANIA STOSÓW WYJĄTKI PROJEKTOWANIE ALGORYTMÓW I METODY SZTUCZNEJ INTELIGENCJI STOSY, KOLEJKI, LISTY
PROJEKTOWNIE LGORYTMÓW I METODY SZTUCZNEJ INTELIGENCJI STOSY, KOLEJKI, LISTY STOSY 1 Wykład 3 d inż. Łukasz Jeleń Na podstawie wykładów d. T. Fevensa 2 STRCT DT TYPES (DT) STOS DT bstact data type (DT)
Bardziej szczegółowoKRYTERIA OCENIANIA ODPOWIEDZI Próbna Matura z OPERONEM. Matematyka Poziom rozszerzony
KRYTERIA OCENIANIA ODPOWIEDZI Póbna Matua z OPERONEM Matematyka Poziom ozszezony Listopad 0 W ni niej szym sche ma cie oce nia nia za dań otwa tych są pe zen to wa ne pzy kła do we po paw ne od po wie
Bardziej szczegółowoPodstawowe struktury danych
Podstawowe struktury danych 1) Listy Lista to skończony ciąg elementów: q=[x 1, x 2,..., x n ]. Skrajne elementy x 1 i x n nazywamy końcami listy, a wielkość q = n długością (rozmiarem) listy. Szczególnym
Bardziej szczegółowoWykład 3. Złożoność i realizowalność algorytmów Elementarne struktury danych: stosy, kolejki, listy
Wykład 3 Złożoność i realizowalność algorytmów Elementarne struktury danych: stosy, kolejki, listy Dynamiczne struktury danych Lista jest to liniowo uporządkowany zbiór elementów, z których dowolny element
Bardziej szczegółowoROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ.
ROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ. STRESZCZENIE Na bazie fizyki klasycznej znaleziono nośnik ładunku gawitacyjnego, uzyskano jedność wszystkich odzajów pól ( elektycznych,
Bardziej szczegółowoAlgorytmy i Struktury Danych.
Algorytmy i Struktury Danych. Liniowe struktury danych - Lista Bożena Woźna-Szcześniak bwozna@gmail.com Jan Długosz University, Poland Wykład 5 Bożena Woźna-Szcześniak (AJD) Algorytmy i Struktury Danych.
Bardziej szczegółowoSTRUKTURY DANYCH I ZŁOŻONOŚĆ OBLICZENIOWA STRUKTURY DANYCH I ZŁOŻONOŚĆ OBLICZENIOWA. Część 3. Drzewa Przeszukiwanie drzew
STRUKTURY DANYCH I ZŁOŻONOŚĆ OBLICZENIOWA Część 3 Drzewa Przeszukiwanie drzew 1 / 24 DRZEWA (ang.: trees) Drzewo struktura danych o typie podstawowym T definiowana rekurencyjnie jako: - struktura pusta,
Bardziej szczegółowoROZKŁAD NORMALNY. 2. Opis układu pomiarowego
ROZKŁAD ORMALY 1. Opis teoetyczny do ćwiczenia zamieszczony jest na stonie www.wtc.wat.edu.pl w dziale DYDAKTYKA FIZYKA ĆWICZEIA LABORATORYJE (Wstęp do teoii pomiaów). 2. Opis układu pomiaowego Ćwiczenie
Bardziej szczegółowoStos LIFO Last In First Out
Stos LIFO Last In First Out Operacje: push - dodanie elementu na stos pop - usunięcie elementu ze stosu empty - sprawdzenie, czy stos jest pusty size - zwrócenie liczby elementów na stosie value (peek)
Bardziej szczegółowoLiteratura. 1) Pojęcia: złożoność czasowa, rząd funkcji. Aby wyznaczyć pesymistyczną złożoność czasową algorytmu należy:
Temat: Powtórzenie wiadomości z PODSTAW INFORMATYKI I: Pojęcia: złożoność czasowa algorytmu, rząd funkcji kosztu. Algorytmy. Metody programistyczne. Struktury danych. Literatura. A. V. Aho, J.E. Hopcroft,
Bardziej szczegółowoWstęp do programowania. Listy. Piotr Chrząstowski-Wachtel
Wstęp do programowania Listy Piotr Chrząstowski-Wachtel Do czego stosujemy listy? Listy stosuje się wszędzie tam, gdzie występuje duży rozrzut w możliwym rozmiarze danych, np. w reprezentacji grafów jeśli
Bardziej szczegółowoAlgorytmy i struktury danych
Algorytmy i struktury danych Drzewa Witold Marańda maranda@dmcs.p.lodz.pl Drzewa - podstawy Drzewo jest dynamiczną strukturą danych składającą się z elementu węzłowego, zawierającego wskazania na skończoną
Bardziej szczegółowoModel klasyczny gospodarki otwartej
Model klasyczny gospodaki otwatej Do tej poy ozpatywaliśmy model sztucznie zakładający, iż gospodaka danego kaju jest gospodaką zamkniętą. A zatem bak było międzynaodowych pzepływów dób i kapitału. Jeżeli
Bardziej szczegółowoFizyka 1- Mechanika. Wykład 10 7.XII Zygmunt Szefliński Środowiskowe Laboratorium Ciężkich Jonów
Fizyka - Mechanika Wykład 0 7.XII.07 Zygmunt Szefliński Śodowiskowe Laboatoium Ciężkich Jonów szef@fuw.edu.pl http://www.fuw.edu.pl/~szef/ Pawo powszechnego ciążenia F G mm Opisuje zaówno spadanie jabłka
Bardziej szczegółowoAlgorytmy i Struktury Danych. Co dziś? Drzewo decyzyjne. Wykład IV Sortowania cd. Elementarne struktury danych
Algorytmy i Struktury Danych Wykład IV Sortowania cd. Elementarne struktury danych 1 Co dziś? Dolna granica sortowań Mediany i statystyki pozycyjne Warstwa implementacji Warstwa abstrakcji #tablice #listy
Bardziej szczegółowoAlgorytmy i. Wykład 5: Drzewa. Dr inż. Paweł Kasprowski
Algorytmy i struktury danych Wykład 5: Drzewa Dr inż. Paweł Kasprowski pawel@kasprowski.pl Drzewa Struktury przechowywania danych podobne do list ale z innymi zasadami wskazywania następników Szczególny
Bardziej szczegółowoXXXVII OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne
XXXVII OIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne ZADANIE D Nazwa zadania: Obacający się pęt swobodnie Długi cienki pęt obaca się swobodnie wokół ustalonej pionowej osi, postopadłej do niego yc.
Bardziej szczegółowoDefinicja pliku kratowego
Pliki kratowe Definicja pliku kratowego Plik kratowy (ang grid file) jest strukturą wspierająca realizację zapytań wielowymiarowych Uporządkowanie rekordów, zawierających dane wielowymiarowe w pliku kratowym,
Bardziej szczegółowoWstęp do programowania
Wieczorowe Studia Licencjackie Wrocław, 9.01.2007 Wstęp do programowania Wykład nr 13 Listy usuwanie elementów Poniżej prezentujemy funkcję, która usuwa element o podanej wartości pola wiek z nieuporządkowanej
Bardziej szczegółowoWSTĘP DO INFORMATYKI. Drzewa i struktury drzewiaste
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej WSTĘP DO INFORMATYKI Adrian Horzyk Drzewa i struktury drzewiaste www.agh.edu.pl DEFINICJA DRZEWA Drzewo
Bardziej szczegółowoWykład 1. Elementy rachunku prawdopodobieństwa. Przestrzeń probabilistyczna.
Podstawowe pojęcia. Wykład Elementy achunku pawdopodobieństwa. Pzestzeń pobabilistyczna. Doświadczenie losowe-doświadczenie (zjawisko, któego wyniku nie możemy pzewidzieć. Pojęcie piewotne achunku pawdopodobieństwa
Bardziej szczegółowoPole magnetyczne. 5.1 Oddziaływanie pola magnetycznego na ładunki. przewodniki z prądem. 5.1.1 Podstawowe zjawiska magnetyczne
Rozdział 5 Pole magnetyczne 5.1 Oddziaływanie pola magnetycznego na ładunki i pzewodniki z pądem 5.1.1 Podstawowe zjawiska magnetyczne W obecnym ozdziale ozpatzymy niektóe zagadnienia magnetostatyki. Magnetostatyką
Bardziej szczegółowoALGORYTMY I STRUKTURY DANYCH
ALGORYTMY I STRUKTURY DANYCH Temat 4: Realizacje dynamicznych struktur danych. Wykładowca: dr inż. Zbigniew TARAPATA e-mail: Zbigniew.Tarapata@isi.wat.edu.pl http://www.tarapata.strefa.pl/p_algorytmy_i_struktury_danych/
Bardziej szczegółowoliniowa - elementy następują jeden za drugim. Graficznie możemy przedstawić to tak:
Sortowanie stogowe Drzewo binarne Binary Tree Dotychczas operowaliśmy na prostych strukturach danych, takich jak tablice. W tablicy elementy ułożone są zgodnie z ich numeracją, czyli indeksami. Jeśli za
Bardziej szczegółowoprowadzący dr ADRIAN HORZYK /~horzyk e-mail: horzyk@agh tel.: 012-617 Konsultacje paw. D-13/325
PODSTAWY INFORMATYKI WYKŁAD 8. prowadzący dr ADRIAN HORZYK http://home home.agh.edu.pl/~ /~horzyk e-mail: horzyk@agh agh.edu.pl tel.: 012-617 617-4319 Konsultacje paw. D-13/325 DRZEWA Drzewa to rodzaj
Bardziej szczegółowoFizyka 10. Janusz Andrzejewski
Fizyka 10 Pawa Keplea Nauki Aystotelesa i Ptolemeusza: wszystkie planety i gwiazdy pouszają się wokół Ziemi po skomplikowanych toach( będących supepozycjami uchów Ppo okęgach); Mikołaj Kopenik(1540): planety
Bardziej szczegółowoAlgorytmy i struktury danych. Co dziś? Tytułem przypomnienia metoda dziel i zwyciężaj. Wykład VIII Elementarne techniki algorytmiczne
Algorytmy i struktury danych Wykład VIII Elementarne techniki algorytmiczne Co dziś? Algorytmy zachłanne (greedyalgorithms) 2 Tytułem przypomnienia metoda dziel i zwyciężaj. Problem można podzielić na
Bardziej szczegółowo