De presentatie wordt gedownload. Even geduld aub

De presentatie wordt gedownload. Even geduld aub

Datastructuren en Algoritmen Datastructuren college 1.

Verwante presentaties


Presentatie over: "Datastructuren en Algoritmen Datastructuren college 1."— Transcript van de presentatie:

1 Datastructuren en Algoritmen Datastructuren college 1

2 Vandaag Organisatie vak Inleiding practicum Wat en waarom: datastructuren en algoritmen Voorbeelden van datastructuren en algoritmen Binary search Analyse van algoritmen 1 Datastructuren

3 Docent Hans Bodlaender Hoofddocent, vakgebied: Algoritmiek – netwerken en grafen Kamer 5.03, BBL 030-2534409 h.l.bodlaender@uu.nl Spreekuren: –Woensdag 11.00 - 13.00 –Vrijdag 13.00 - 15.00 Datastructuren

4 Onderdelen College: zeer belangrijk (powerpoints komen op website) Werkcollege: onmisbaar 1 e deeltentamen: ongeveer helft stof, 35% eindcijfer 2 e deeltentamen: andere helft stof, 40% eindcijfer Practicum: acht programmeeropgaven: domjudge systeem; eerste telt voor 0,2 punt; elke andere voor 1,4 punt; minstens 5 goed. Eindcijfer: –35% eerste deeltentamen, 40% tweede deeltentamen, 25% practicum –Practicum moet voldoende zijn (5 uit 8 gehaald) Werkcollege: semi-verplicht –Geen herkansing/aanvullende toets als je meer dan drie keer afwezig was Datastructuren

5 Werkcollege ONMISBAAR! Verplicht: nodig voor recht op aanvullende toest Maar nog veel nodiger voor het beheersen van dit vak! Actieve deelname wordt genoteerd Drie groepen Na college Indeling: zoek zelf een zaal

6 Practicum Begin op tijd Maak het werk alleen. Fraude wordt gemeld aan de examencommissie  Opgaven staan op website van vak Inleveren via domjudge systeem C# Acht opdrachten Latere opdrachten zijn wat lastiger dan eerdere Opgave 1 is erg makkelijk : om systeem te leren kennen (0,2 punt) Andere opgaven tellen even zwaar (1,4 punt) Opdracht is: Gehaald (10) of Niet Gehaald (0). Datastructuren

7 Becijfering practicum Meestal zal een ingeleverd programma dat door domjudge geaccepteerd wordt een 10 opleveren voor dat programma Er is echter nog een laatste inspectie, waarbij gekeken wordt of aan de opdracht is voldaan Je kan echter zelf wel “aanvoelen” of er een probleem is Voorbeelden waarin een gehaald in een niet gehaald kan veranderen: –Opgave 3 vraagt om een hybride vorm randomized quicksort en, maar je gebruikt mergesort: –Je gebruikt een java-library voor sorteren, terwijl gebruik van zo’n library niet is toegestaan Het is goed te doen om een 10 te halen voor het practicum

8 Practicum Systeem weigert inzendingen die: –Niet compileren –Op geheime testinvoeren foute uitvoer geven –Op geheime testinvoeren te langzaam zijn –Niet in C# geschreven zijn –En vertelt welk van deze redenen voor je programma geldt Als geweigerd: verbeter je programma en probeer opnieuw tot het werkt! Je leert ook belangrijke algoritmen en datastructuren: helpt (bij je latere carrière en bij het tentamen) Extra uitleg straks door Sander vd Hurk Vragen: Sander, Tigran of Steven

9 Belangrijk Merk op: je moet het practicum alleen doen!!!! Dus niet in groepjes van 2 personen Fraude en plagiaat wordt streng bestraft EN gemeld aan de examencommissie Deel je tijd goed in: je kan al eerder (nu) beginnen met de meeste opgaven Vragen over practicum: –Inhoudelijk: op werkcollege –Organisatie: Steven Woudenberg, Tigran Gasparian en Sander van der Hurk

10 Fraude / plagiaat In gevallen van vermoeden van fraude worden –De betreffende studenten uitgenodigd voor een gesprek –Indien vermoeden niet weggenomen, wordt dit vermoeden doorgegeven aan de examencommissie –De examencommissie beslist of er sprake is van fraude en stelt een staf vast In elk geval een berispring Regelement schrijft voor dat een 2 e berisping automatisch een jaar schorsing van de Universiteit Utrecht betekent Daarnaast: 0 voor de opgave in kwestie, mogelijk verdere uitsluiting van Datastructuren voor dit jaar, of andere sanctie

11 Nooit doen! Code van andere studenten bekijken voor je je eigen opgave hebt ingeleverd Je eigen code aan andere studenten geven voor het verstrijken van de inleverdeadline Code van iemand anders op je eigen account submitten...

12 Wat wel mag Praten over opgaven zonder code te bekijken Gebruik maken van (pseudo)-code uit het boek...

13 Meer over het practicum Straks voordracht van Sander van der Hurk over het practicum (na de pauze) Vragenuur over practicum: woensdag van 12 tot 1 in BBL 005

14 Programmeerwedstrijd Georganiseerd door A-Es 2 Leuk! Spannend! Leerzaam! Bonuspunten (tot 0,6 als voldoende, tot 0,2 voor recht op herkansing) Je kan wat winnen! Datum: 11 juni 2013, s’middags

15 Aanvullende toets Alleen als je vaak genoeg meegedaan hebt aan werkcollege Alleen als gemiddeld eindcijfer minstens 4 is (3.8 bij een muKP-bonus) Er zijn: –Schriftelijke aanvullende toets (“hertentamen”) –Practicum (negende opgave) Details: zie website

16 Data 1e deeltentamen: woensdag 5 juni 2013 (LET OP: is veranderd!) 2e deeltentamen: vrijdag 5 july 2013 Programmeermiddag A-Es 2 : dinsdag 11 juni Aanvullende toets (“hertentamen”): 16 augustus (zo vroeg vanwege BSA) Practicum: bijna wekelijkse deadlines, meestal op donderdag 23.59 uur –1e deadline (Een hoger salaris / een hogere score): donderdag 2 mei, 23.59 uur

17 Diagnostische toetsen In sommige werkcolleges wordt een diagnostische toets gehouden Soort minitentamen, wat je zelf nakijkt, aan de hand van wat de werkcollegeleiding op bord voordoet Telt niet mee voor cijfer, maar laat jezelf zien hoeveel van de stof je snapt/kan

18 Vragen stellen In het college In de pauze en na afloop DocentJa BuurmanNeeJa Of tijdens het werkcollege Datastructuren

19 Vragen Over de stof: –Gedurende het college (domme vragen bestaan niet) aan docent –In de pauze of na afloop van het college –Aan werkcollegeleiders of studentassistenten in het werkcollege Over het practicum –Per email aan de practicumleider (Steven Woudenberg) –In het werkcollege aan de practicumleider of werkcollegeleiders –Tijdens het vragenuur voor het practicum Over de werkcollegeopgaven –In het werkcollege Over de tentamens en cijfers –Aan docent: pauze, na afloop college, email, telefoon Datastructuren

20 Rondvraag? Vragen over de organisatie? Collegeresponsgroep?

21 Algoritmen en datastructuren: waarom? Iedereen is ongeduldig, want we willen –Dat onze routeplanner snel vertelt welke kant we opmoeten (en niet pas nà het kruispunt) –Vloeiende beelden in het computerspel –Niet een eeuw (of een week) wachten op de planning voor morgen –… Dus: de computer moet alles snel uitrekenen Hoe doet ie dat? Met een goed algoritme en een goede datastructuur! Datastructuren

22 Algoritme Methode om iets uit te rekenen – vgl. recept uit kookboek Naam komt van –Mu ḥ ammad ibn Mūsā Abū Ǧ a’far al- Ḫ awārazmī –Of: Al-Khwarizmi –Schreef boek in 820 over oplossen van lineaire en kwadratische vergelijkingen (“Algebra”) –Misvatting van vertaler die titel en auteur door elkaar haalde Datastructuren

23 Datastructuur Manier om gegevens op te slaan (in computer) Helpt om algoritmen sneller te maken In dit college zullen we allerlei belangrijke datastructuren bekijken –Hoe zitten ze in elkaar? –Hoe werken algoritmen op/met deze datastructuren? –Hoe snel gaat dit? Datastructuren

24 Algoritmisch Wedstrijdje Wat is de missende kaart? Twee vrijwilligers gezocht! Datastructuren

25 Voorbeelden van algoritmische vragen Sorteren van rij getallen Uitrekenen van oplossing wiskundig probleem Berekenen van kortste route in netwerk Zoeken van relevante webpagina’s bij een zoekterm (zoekmachine) Compileren van C++-programma Tonen van 2d-afbeelding aan de hand van 3d-model Datastructuren In dit vak maken we een begin met de theorie. Veel van deze vragen komen in andere/vervolgvakken aan de orde!

26 Onderwerpen uit dit vak Analyse van algoritmen Gelinkte lijsten; stacks & queues Sorteren (op allerlei manieren) Bomen: zoeken, doorlopen; binaire bomen; snelle zoekbomen Dictionaries; Maps Hashing Priority queues Tries … Datastructuren

27 Analyse van algoritmen (en datastructuren) Twee vragen: –Is het correct? –Hoeveel tijd gebruikt het? Meten we in stappen O-notatie wordt veel gebruikt Als ‘t vandaag wat vaag is: we moeten beginnen met wat (saaie) theorie; de leuke* algoritmen en datastructuren komen straks Datastructuren *= vind ik

28 Beschrijven van algoritmen met Pseudocode Pseudocode: niet echt een programmeertaal –Lijkt wat op code in een imperatieve taal Waarom pseudocode: –Echte programmeertaal: veel extra commando’s die begrip verduisteren –Natuurlijke taal: niet precies genoeg –Niet zo moeilijk om te zetten naar code in Java, C++, C#, Pascal, … Imperatief versus functioneel: –Sommige behandelde algoritmen/datastructuren makkelijk om te vormen naar functionele taal; soms is dat lastiger Datastructuren

29 Probleem 1: Zoeken in een rij Ook nuttig voor practicumopgave 2 Gegeven: array A[1 … n] met n getallen, een waarde x Gevraagd: –Zit x in het array en zo ja, op welke positie?

30 Voorbeeld Pseudocode: zoek een element in een array ZOEK-ELEMENT(x,A) {Input: Een element x en een array A (A loopt van 1 tot lengte(A))} {Output: Een index i zodat A[i] = x of 0 als geen element in A gelijk is aan x} i = 1; while i  lengte(A) do if (x = = A[i]) then return i else i = i + 1; endif enddo; return 0 Datastructuren

31 Over dit algoritme Als het element er niet in zit moet je n vergelijkingen doen Als het element er wel in zit: –In het slechtste geval: n vergelijking –In het beste geval: 1 vergelijking –Gemiddeld ongeveer n/2 vergelijkingen Kan beter door gebruik te maken van sortering: binary search

32 Binary search (“Binair zoeken”) Als de rij getallen gesorteerd is kan het sneller met een simpel maar belangrijk principe: binary search Dus: neem aan: A[1]  A[2]  A[3]  …  A[n-1]  A[n]

33 Binary search Idee: houdt twee variabelen bij onder en boven, zodat x, als x in A zit, “tussen” onder en boven zit Invariant: als er een i is met A[i] == x, dan onder  i  boven

34 Tijd van binary search Iedere keer wordt het stuk waar je kijkt ongeveer half zo lang Je kan log n (grondtal 2) keer doormidden delen en dan heb je een stuk van lengte 1 Dus O(log n) stappen Nette wiskundige analyse komt later

35 Pseudocode {Input: Gesorteerde array A[1 … n], element x} {Output: index i met A[i] == x, and 0 als zo’n i niet bestaat} onder = 1; boven = n; while (onder < boven) do –mid =  (onder+boven)/2  –if (A[mid] < x) then onder = mid+1 else boven = mid if (A[onder] == x) then return onder else return 0 (zit er niet in)

36 Sorteren Gegeven: een rij van n getallen (a 1, …, a n ) Gevraagd: een permutatie van de input (a’ 1, …, a’ n ) zodat a’ 1  a’ 2  …  a’ n Kan natuurlijk ook met andersoortige geordende objecten (bijv. verzameling woorden die gealfabetiseerd moeten worden). Datastructuren

37 Insertion sort Sorteeralgoritme, met volgende idee: –Voeg steeds één element toe op de goede plek –We hebben een steeds groter goedgesorteerd deel –Array A loopt van 1 t/m lengte(A) INSERTION-SORT(A) for j = 2 to lengte(A) do key = A[j] {voeg A[j] op de goede plek in} i = j – 1; while i > 0 and A[i] > key do A[i+1] = A[i] {schuif eentje op} i = i – 1; A[i+1] = key Datastructuren

38 Idee van Insertion Sort INSERTION-SORT(A) for j = 2 to lengte(A) do key = A[j] {voeg A[j] op de goede plek in} i = j – 1; while i > 0 and A[i] > key do A[i+1] = A[i] {schuif eentje op} i = i – 1; A[i+1] = key Eerst is rijtje met alleen eerste element goed gesorteerd: (A[1]) Loop doet: van 2 tot eind: stop A[j] op de goede plek Zo: bewaar A[j]; van j naar voren, schuif steeds element eentje naar achter tot we op de plek komen waar A[i] moet staan Datastructuren

39 Correctheid van Insertion Sort 1 Bewijs correctheid met loop- invariant: Als we bij (*) zijn, dan heeft het deelarray A[1 … j – 1] dezelfde elementen als oorspronkelijk in A[1 … j – 1], maar in gesorteerde volgorde Stap 1 van het bewijs: de loopinvariant geldt initieel Datastructuren INSERTION-SORT(A) for j = 2 to lengte(A) do (*) key = A[j] {voeg A[j] op de goede plek in} i = j – 1; while i > 0 and A[i] > key do A[i+1] = A[i] {schuif eentje op} i = i – 1; A[i+1] = key

40 Correctheid van Insertion Sort 2 Als we bij (*) zijn, dan heeft het deelarray A[1 … j – 1] dezelfde elementen als oorspronkelijk in A[1 … j – 1], maar in gesorteerde volgorde Stap 2 van het bewijs: als de loopinvariant geldt voordat we de loop ingaan, dan geldt als we bij (**) zijn: –Het deelarray A[1 … j] bevat dezelfde elementen als oorspronkelijk in A[1 … j], maar in gesorteerde volgorde Dus blijft invariant geldig Datastructuren INSERTION-SORT(A) for j = 2 to lengte(A) do (*) key = A[j] {voeg A[j] op de goede plek in} i = j – 1; while i > 0 and A[i] > key do A[i+1] = A[i] {schuif eentje op} i = i – 1; A[i+1] = key (**)

41 Correctheid van Insertion Sort 3 Stap 3 van het bewijs: nu geldt invariant voor j = lengte(A)+1, dwz.: Het deelarray A[1 … lengte(A)] bevat dezelfde elementen als oorspronkelijk in A[1 … lengte(A)], maar in gesorteerde volgorde Algoritme doet wat we willen Datastructuren INSERTION-SORT(A) for j = 2 to lengte(A) do (*) key = A[j] {voeg A[j] op de goede plek in} i = j – 1; while i > 0 and A[i] > key do A[i+1] = A[i] {schuif eentje op} i = i – 1; A[i+1] = key (**)

42 Tijdsanalyse Tijd van een algoritme: hangt meestal af van: –De implementatie (code, taal, compiler, …) –De machine –En de input Maar meestal kunnen we toch die tijd goed analyseren –Langzaam algoritme blijft langzaam op langzame computer –… Conventies: –O-notatie om wat implementatieaspecten te onderdrukken –Tellen van alle basisoperaties als 1 stap –Kijken naar slechtste (of: gemiddelde en heel soms beste) geval Datastructuren

43 Basisoperaties Tijd onafhankelijk van compiler en machine (afhankelijk van programma en van input): Tel de basisoperaties: –rekenkundige operatie op integer, Boolean, character; –assignatie aan getal, boolean, character,reference (pointer) –doorlopen van een reference naar de inhoud ervan –indexberekening van een array –het pakken van een veld uit een record/structure –parameter overdracht bij aanroep function, methode Zo tel je: hoeveel operaties doet algoritme op een bepaalde input Formeel: Random Access Machine model Datastructuren

44 Optimisten en pessimisten Analyse: –Slechtste geval? –Beste geval? –Gemiddelde geval?

45 Is algoritmische analyse iets voor pessimisten? Meest gebruikelijke analyse: –Stel we hebben een input van lengte n –Wat is het maximum aantal operaties dat ons algoritme kan doen? Worst case – slechtste geval Datastructuren

46 Optimisten en gewone mensen Wat is het gemiddelde aantal operaties dat ons algoritme kan doen over alle mogelijke inputs van lengte n –Average case – gemiddelde geval –Probleempjes: vaak moeilijk om uit te rekenen; wat is eigenlijk de kansverdeling over de inputs (komen alle inputs even vaak voor als mogelijke input???)? Wat is het minimum aantal operaties dat ons algoritme kan doen op inputs van lengte n? Best case – beste geval (meestal niet zo interessant, behalve voor aartsoptimisten)

47 Twee technieken voor tijdsanalyse Tel van elke basisoperatie hoe vaak deze wordt uitgevoerd Analyseer de loopstructuur van je algoritme van binnen naar buiten Geavanceerdere technieken bestaan ook –Analyse van recursieve algoritmen met recurrente betrekkingen –… Datastructuren

48 Analyse van ZOEK-ELEMENT ZOEK-ELEMENT(x,A) {Input: Een element x en een array A (A loopt van 1 tot lengte(A))} {Output: Een index i zodat A[i] = x of 0 als geen element in A gelijk is aan x} i = 1; while i  lengte(A) do if (x == A[i]) then return i else i = i + 1; endif enddo; return 0 Elke slag van de while-loop doet 6 basisoperaties (of zo), en dit doen we voor elk van de elementen van de array hooguit 1 keer. Dus op een array met n elementen maximaal 6n+2 stappen Notatie: O(n) (leg ik later uit) Best case: O(1); average case: O(n) Datastructuren

49 Tijdsanalyse van INSERTION-SORT 1 Eerst dit: Hoeveel stappen kost één slag van de loop voor een bepaalde waarde van j ? –Weer een loop. –Elke doorgang door de loop kost iets van 8 elementaire stappen –Deze loop gaan we hooguit j keer rond –Nog eens 6 operaties buiten de loop –Dus 8 j + 6 operaties voor deze slag Datastructuren INSERTION-SORT(A) for j = 2 to lengte(A) do (*) key = A[j] {voeg A[j] op de goede plek in} i = j – 1; while i > 0 and A[i] > key do A[i+1] = A[i] {schuif eentje op} i = i – 1; A[i+1] = key (**)

50 Tijdsanalyse van INSERTION-SORT 2 Hoeveel stappen kost één slag van de loop voor een bepaalde waarde van j ? –8 j + 6 of minder We doen dit voor j=2, 3, …, tot lengte(A)=n Totaal: constante keer n 2 Schrijven we als O(n 2 ) Datastructuren INSERTION-SORT(A) for j = 2 to lengte(A) do (*) key = A[j] {voeg A[j] op de goede plek in} i = j – 1; while i > 0 and A[i] > key do A[i+1] = A[i] {schuif eentje op} i = i – 1; A[i+1] = key (**)

51 Tenslotte Volgende keer: –O-notatie: hoe zit dat nou precies? –Zoeken: binary search –Sorteren Datastructuren


Download ppt "Datastructuren en Algoritmen Datastructuren college 1."

Verwante presentaties


Ads door Google