Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych

Podobne dokumenty
Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych.

lim a n Cigi liczbowe i ich granice

Algorytmy I Struktury Danych Prowadząca: dr Hab. inż. Małgorzata Sterna. Sprawozdanie do Ćwiczenia 3 Algorytmy grafowe ( )

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Egzamin maturalny z informatyki Poziom rozszerzony część I

MACIERZE STOCHASTYCZNE

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Fraktale - ciąg g dalszy

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

KLUCZ ODPOWIEDZI I ZASADY PUNKTOWANIA PRÓBNEGO EGZAMINU MATURALNEGO Z MATEMATYKI POZIOM PODSTAWOWY

Literatura. 1) Pojęcia: złożoność czasowa, rząd funkcji. Aby wyznaczyć pesymistyczną złożoność czasową algorytmu należy:

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

x t 1 (x) o 1 : x s 3 (x) Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem

7 Liczby zespolone. 7.1 Działania na liczbach zespolonych. Liczby zespolone to liczby postaci. z = a + bi,

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji

O liczbach naturalnych, których suma równa się iloczynowi

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Pojcie estymacji. Metody probabilistyczne i statystyka Wykład 9: Estymacja punktowa. Własnoci estymatorów. Rozkłady statystyk z próby.

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

Algorytmy I Struktury Danych Prowadząca: dr Hab. inż. Małgorzata Sterna. Sprawozdanie do Ćwiczenia 1 Algorytmy sortowania (27.02.

MATURA 2014 z WSiP. Zasady oceniania zadań

Nieklasyczne modele kolorowania grafów

Matematyka ubezpieczeń majątkowych r.

1 Twierdzenia o granicznym przejściu pod znakiem całki

Wprowadzenie do algorytmów. START

Zadania - powtórzenie do egzaminu dojrzałoci

Rozsądny i nierozsądny czas działania

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).

"Liczby rządzą światem." Pitagoras

Informatyka 1. Wykład nr 7 ( ) Plan wykładu nr 7. Politechnika Białostocka. - Wydział Elektryczny. Algorytm - definicje.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Zbiory. Zadanie 5. Wykaza to»samo±ci (a) A (B \ C) = [(A B) \ C] (A C), (b) A \ [B \ (C \ D)] = (A \ B) [(A C) \ D],

Analiza matematyczna dla informatyków 4 Zajęcia 5

LUBELSKA PRÓBA PRZED MATURĄ 2015 poziom podstawowy. Liczba punktów Wyznaczenie pierwszej współrzędnej wierzchołka paraboli: x.

Równoliczno zbiorów. Definicja 3.1 Powiemy, e niepuste zbiory A i B s równoliczne jeeli istnieje. Piszemy wówczas A~B. Przyjmujemy dodatkowo, e ~.

Zadania z analizy matematycznej - sem. I Szeregi liczbowe

Statystyka matematyczna. Wykład II. Estymacja punktowa

I kolokwium z Analizy Matematycznej

Temat: Struktury danych do reprezentacji grafów. Wybrane algorytmy grafowe.

III. LICZBY ZESPOLONE

Analiza matematyczna 1 Notatki do wykªadu Mateusz Kwa±nicki. 7 Sumy i iloczyny uogólnione

Egzaminy. na wyższe uczelnie zadania

1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n.

UKŁADY RÓWNAŃ LINOWYCH

ZBIÓR LICZB RZECZYWISTYCH - DZIAŁANIA ALGEBRAICZNE

Analiza I.1, zima wzorcowe rozwiązania

c 2 + d2 c 2 + d i, 2

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Zmienna losowa N ma rozkład ujemny dwumianowy z parametrami (, q) = 7,

Funkcje tworz ce skrypt do zada«

Internetowe Kółko Matematyczne 2004/2005

1.3. Największa liczba naturalna (bez znaku) zapisana w dwóch bajtach to a) b) 210 c) d) 32767

Informatyka 1. Wykład nr 8 ( ) Plan wykładu nr 8. Politechnika Białostocka. - Wydział Elektryczny. Algorytm - definicje.

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera

Model Lesliego. Oznaczmy: 0 m i liczba potomstwa pojawiającego się co jednostkę czasu u osobnika z i-tej grupy wiekowej, i = 1,...

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2012 POZIOM PODSTAWOWY CZĘŚĆ I WYBRANE: Czas pracy: 75 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Metody Obliczeniowe w Nauce i Technice laboratorium

Kierunek: Informatyka. Przedmiot:

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

Analiza algorytmów zadania podstawowe

Statystyka i rachunek prawdopodobieństwa

Prawdopodobieństwo i statystyka r.

Rozkłady statystyk z próby. Metody probabilistyczne i statystyka Wykład 2: Rozkłady statystyk z próby. Przedziały ufnoci

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

IV Uniwersytecka Sobota Matematyczna 14 kwietnia Funkcje tworzące w kombinatoryce

Wstp. Warto przepływu to

Wykªad 2. Szeregi liczbowe.

( ) WŁASNOŚCI MACIERZY

Matematyka. Zakres podstawowy. Nawi zanie do gimnazjum. n/m Rozwi zywanie zada Zadanie domowe Dodatkowe Komunikaty Bie ce materiały

Wykład 1 Wprowadzenie do algorytmów. Zawartość wykładu 1. Wstęp do algorytmów i struktur danych 2. Algorytmy z rozgałęzieniami.

5. Zasada indukcji matematycznej. Dowody indukcyjne.

Algorytmy zwiazane z gramatykami bezkontekstowymi

Prawdopodobieństwo i statystyka r.

WYKŁAD 4 PLAN WYKŁADU. Sieci neuronowe: Algorytmy uczenia & Dalsze zastosowania. Metody uczenia sieci: Zastosowania

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 2 (LUX), lato 2017/18. a n n = 10.

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

Rozkład normalny (Gaussa)

Za pierwszy niebanalny algorytm uważa się algorytm Euklidesa wyszukiwanie NWD dwóch liczb (400 a 300 rok przed narodzeniem Chrystusa).

3 Arytmetyka. 3.1 Zbiory liczbowe.

CIĄGI LICZBOWE. Poziom podstawowy

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

Szereg geometryczny. 5. b) b n = 4n 2 (b 1 = 2, r = 4) lub b n = 10 (b 1 = 10, r = 0). 2. jest równa 1 x dla x = 1+ Zad. 3:

I Powiatowy Konkurs Matematyka, Fizyka i Informatyka w Technice Etap finałowy 10 kwietnia 2013 grupa elektryczno-elektroniczna

Analiza numeryczna Kurs INP002009W. Wykład 1 Narzędzia matematyczne. Karol Tarnowski A-1 p.223

Proces tworzenia programu:

EGZAMIN MATURALNY Z INFORMATYKI

Temat: Geometria obliczeniowa cz II. Para najmniej odległych punktów. Sprawdzenie, czy istnieje para przecinajcych si odcinków.

Zadanie 1 Przygotuj algorytm programu - sortowanie przez wstawianie.

Klasa II technikum Egzamin poprawkowy z matematyki sierpień 2013

1) Grafy eulerowskie własnoci algorytmy. 2) Problem chiskiego listonosza

Kompresja danych - wprowadzenie. 1. Konieczno kompresji 2. Definicja, typy kompresji 3. Modelowanie 4. Podstawy teorii informacji 5.

3. Funkcje elementarne

Transkrypt:

Temat: Poprawo całkowita i czciowa algorytmu. Złooo obliczeiowa algorytmu. Złooo czasowa redia i pesymistycza. Rzd fukcji. I. Literatura 1. L. Baachowski, K. Diks, W. Rytter Algorytmy i struktury daych. T. H. Corme, C. E. Leiserso, R. L. Rivest Wprowadzeie do algorytmów 3. N. Wirth Algorytmy + struktury daych = programy 4. A. Drozdek, D. L. Simo Struktury daych w jzyku C 5. D. Harel Rzecz o istocie iformatyki. Algorytmika 6. A. V. Aho, J.E. Hopcroft, J. D. Ullma - Projektowaie i aaliza algorytmów komputerowych Aaliza algorytmów to dział iformatyki zajmujcy si szukaiem ajefektywiejszych, poprawych algorytmów dla daych problemów komputerowych II. Poprawo całkowita i czciowa algorytmu WP waruek pocztkowy formuła logicza defiiujca dae wejciowe algorytmu WK waruek kocowy formuła logicza defiiujca dae wyjciowe algorytmu uzyskae dla daych wejciowych spełiajcych WP Algorytm A jest czciowo poprawy wzgldem daego waruku WP i daego waruku WK wtedy i tylko wtedy, gdy dla dowolych daych wejciowych spełiajcych waruek WP, jeeli algorytm A zatrzymuje si, to dae wyjciowe algorytmu spełiaj waruek WK. Algorytm A jest całkowicie poprawy wzgldem daego waruku WP i daego waruku WK wtedy i tylko wtedy, gdy dla dowolych daych wejciowych spełiajcych waruek WP algorytm A zatrzymuje si i dae wyjciowe tego algorytmu spełiaj waruek WK.

Przykład WP: >0 N WK: s=1+3+5+...+ mod 0 s=1+3+5+...+-1 mod =0 Algorytm: s:=0; i:=1; while i<>+ do begi s:=s + i; i:=i+; ed Algorytm jest poprawy czciowo, ale ie całkowicie. Dla parzystego ptla ie ma stopu, ale dla dowolego ieparzystego ptla koczy si po skoczoej liczbie kroków i warto kocowa zmieej s spełia WK. III. Złooo obliczeiowa algorytmu Złooo obliczeiowa algorytmu to ilo zasobów komputerowych, potrzebych do jego wykoaia. Zasoby komputerowe to czas działaia i ilo zajmowaej pamici. złooo obliczeiowa złooo czasowa złooo pamiciowa d - dae wejciowe algorytmu, czyli takie, które spełiaj waruek WP d - rozmiar daych d Przykład A1 WP: a 1, a,..., a - cig liczb całkowitych ( >0)

WK: Cig a 1, a,..., a posortoway iemalejco d cig a 1, a,..., a liczb całkowitych ( >0) d - A WP: a 0, a 1,..., a - cig liczb rzeczywistych ( 0) defiiujcy współczyiki daego wielomiau W, x- daa liczba rzeczywista WK: Liczba W(x) warto wielomiau W dla argumetu x d cig a 0, a 1,..., a, cig liczb rzeczywistych ( 0) defiiujcy współczyiki daego wielomiau W d - +1 A3 WP: t 1, t,..., t - cig zaków tekstu ( > 0) w 1, w,..., w m - cig zaków wzorca ( m > 0) WK: p- zmiea logicza przyjmuje warto true, gdy wzorzec wystpuje w tekcie, a false, gdy wzorzec ie wystpuje w tekcie d - t 1, t,..., t - cig zaków tekstu ( > 0) w 1, w,..., w m - cig zaków wzorca ( m > 0) d -, m Operacja elemetara (iaczej operacja domiujca) to operacja charakterystycza dla daego algorytmu. To taka operacja, e łcza ich liczba jest proporcjoala do liczby wykoa wszystkich operacji jedostkowych w dowolej komputerowej realizacji algorytmu. Przykład A1- operacj elemetar jest operacja porówywaia elemetów sortowaego cigu albo operacja przestawiaia elemetów cigu w czasie sortowaia. A- operacj elemetar jest operacja arytmetycza moeia albo operacja arytmetycza dodawaia realizowaa w procesie obliczaia wartoci wielomiau dla daego x. A3 operacja porówywaia zaków wzorca ze zakami tekstu w procesie sprawdzaia, czy wzorzec wystpuje w tekcie.

Za jedostk złoooci czasowej przyjmuje si wykoaie jedej operacji elemetarej (domiujcej). Złooo czasowa algorytmu jest fukcj rozmiaru daych. IV. Złooo czasowa redia i pesymistycza Nieformalie Złooo czasowa pesymistycza to ilo wykoaych operacji elemetarych dla daych ajgorszego przypadku Złooo czasowa oczekiwaa to ilo wykoaych operacji elemetarych dla daych typowego przypadku Formalie Ozaczeia D zbiór zestawów moliwych daych wejciowych rozmiaru t(d) liczba operacji elemetarych wykoaych dla daych wejciowych d pr(d) prawdopodobiestwo, e dae d s daymi wejciowymi algorytmu Pesymistycza złooo czasowa algorytmu to fukcja T ( ) = max { t( d ): d } max D Oczekiwaa (redia) złooo czasowa algorytmu to fukcja T r ( ) = pr ( d ) t( d ) d D Przykład Algorytm wyszukiwaia ustaloej liczby w cigu ieuporzdkowaym WP: A: a 1, a,..., a - cig liczb całkowitych ( > 0). Liczby w cigu s róe. x szukaa warto. x jest liczb całkowit. WK: zmiea logicza p=true, gdy a i = x i p=false w przeciwym Algorytm i := 1; przypadku while (i<=) ad (a i <>x) do i:=i+1; p:=i<=; i = 1..

Operacja elemetara: porówaia midzy elemetami cigu a liczb x. Rozmiar daych: - długo cigu Złooo czasowa pesymistycza Dae ajgorszego przypadku to cig, w którym x ie wystpuje. Tmax ( ) = max t( d ): d D = { } Złooo czasowa redia Zakładamy, e prawdopodobiestwo zalezieia liczby x w cigu A jest rówe p. Prawdopodobiestwo, e x wystpuje a a kadej z pozycji w cigu jest takie samo i wyosi T + r p. ( ) = pr ( d ) t( d ) = pr ( x A) t( x A) i= 1 pr d D ( x = ai ) t( x = ai ) = ( 1 p ) + p 1+ p = 1 ( 1 p) + = + ( ) IV. Rzd fukcji Niech f, g, h: N R + {0}. Mówimy, e f jest co ajwyej rzdu g, co zapisujemy f()=o(g()), jeli c 0 N > > 0 0 f ( ) cg( ) Na przykład + = O( ), bo + 3 dla kadego aturalego. Mówimy, e f jest co ajmiej rzdu g, co zapisujemy f()=ω(g()), jeli g()=o(f()). Mówimy, e f jest dokładie rzdu g, co zapisujemy f()=θ(g()), jeli zarówo g()=o(f()), jak i f()=o(g()) (g()= Ω (f()). Na przykład + = ( ), bo + 3 dla kadego aturalego i= 1 p + i =

i + dla kadego 0. Lemat o porówywaiu rzdów fukcji: f(), g() fukcje, których rzdy mamy porówa. f ( ) E = lim g ( ) Jeli E=+, to g()=o(f()), ale ie f()=o(g()), Jeli E=c>0, to g()= Θ (f()), Jeli E=0, to f()= O (g()), ale ie g()=o(f()). Na przykład: f ( E = ) g( ) log czyli log=o( ), ale ie =O(log). l l 1/ l lim = lim = lim = lim = 0, V. Porówaie czasów realizacji algorytmu wykładiczego a dwóch komputerach o róej szybkoci wykoaia operacji elemetarej Rozmiar 0 50 100 00 Czas działaia 1,04 s 35,7 lat 14 44 4 10 5 10 6 ( /10 ) wieków wieków Czas działaia 0,001 s 13 di 11 41 4 10 5 10 9 /10 wieków wieków ( )