Temat: Poprawno całkowita i cz ciowa algorytmu. Zło ono obliczeniowa algorytmu. Zło ono czasowa rednia i pesymistyczna. I. Sprawy organizacyjne a) Literatura 1. A. V. Aho, J.E. Hopcroft, J. D. Ullman - Projektowanie i analiza algorytmów komputerowych 2. L. Banachowski, K. Diks, W. Rytter – Algorytmy i struktury danych 3. (!)T. H. Cormen, C. E. Leiserson, R. L. Rivest – Wprowadzenie do algorytmów 4. (!)A. Drozdek, D. L. Simon – Struktury danych w j zyku C 5. D. Harel – Rzecz o istocie informatyki. Algorytmika 6. (!)R. Neapolitan, K. Naimipour, Podstawy algorytmów z przykładami w C++ (!) Literatura podstawowa b) Forma egzaminu, zasady zwolnienia i dopuszczenia do egzaminu • test wielokrotnego wyboru z pytaniami otwartymi z konkretn krótk odpowiedzi , • dopuszczanie do egzaminu (zarówno zasadniczego jak i poprawkowego) wył cznie po zaliczaniu pracowni specjalistycznej i wicze , • osoby, które otrzymaj ocen 5.0 z pracowni i wicze b d zwolnione z egzaminu z ocen 5.0, nazwa przedmiotu: ALGORYTMY + STRUKTURY DANYCH efekt kształcenia przedmiotu: Umiej tno projektowania oraz implementacji efektywnych obliczeniowo rozwi za problemów komputerowych. II. Problem komputerowy Analiza algorytmów to dział informatyki zajmuj cy si najefektywniejszych, poprawnych algorytmów dla danych komputerowych. szukaniem problemów 1 Problem komputerowy to zadanie przeznaczone do realizacji na maszynie cyfrowej z okre lonym warunkiem pocz tkowym (WP) i ko cowym (WK). WP – warunek pocz tkowy – specyfikacja (dokładny opis lub formuła logiczna) danych wej ciowych problemu WK – warunek ko cowy – specyfikacja (dokładny opis lub formuła logiczna) danych wyj ciowych (wynikowych) uzyskanych dla danych wej ciowych spełniaj cych WP Rozwi zaniem problemu komputerowego jest algorytm, którego dane wej ciowe spełniaj WP, a wyniku WK. III. Poprawno całkowita i cz ciowa algorytmu Algorytm A jest cz ciowo poprawny wzgl dem danego warunku WP i danego warunku WK wtedy i tylko wtedy, gdy dla dowolnych danych wej ciowych spełniaj cych warunek WP, je eli algorytm A zatrzymuje si , to dane wyj ciowe algorytmu spełniaj warunek WK. Algorytm A jest całkowicie poprawny wzgl dem danego warunku WP i danego warunku WK wtedy i tylko wtedy, gdy dla dowolnych danych wej ciowych spełniaj cych warunek WP algorytm A zatrzymuje si i dane wyj ciowe tego algorytmu spełniaj warunek WK. Przykład 1 Formalny specyfikacja WP i WK WP: n>0 ∧ n∈N 2 WK: (s=1+3+5+...+n ∧ n mod 2≠0) ∨ (s=1+3+5+...+n-1 ∧ n mod 2=0) Nieformalna specyfikacja WP i WK WP: n – liczba naturalna wi ksza od zera WK: s – suma kolejnych liczb nieparzystych nie wi kszych ni n Algorytm (pseudokod) s=0; i=1; while (i!=n+2) { s=s + i; i+=2; }; Powy szy algorytm jest poprawny cz ciowo, ale nie całkowicie. Dla n parzystego p tla nie ma stopu, ale dla dowolnego n nieparzystego p tla ko czy si po sko czonej liczbie kroków i warto ko cowa zmiennej s spełnia WK. IV. Zło ono obliczeniowa algorytmu Zło ono obliczeniowa algorytmu to ilo zasobów komputerowych, potrzebnych do jego wykonania. Zasoby komputerowe to czas działania i ilo pami ci zajmowanej prze dane wej ciowe, wynikowe i struktury pomocnicze u ywane w algorytmie. Zło ono pami ciowa algorytmu zostanie zdefiniowana na pierwszym z wykładów po wi conym strukturom danych V. Zło ono czasowa algorytmu Zło ono czasowa algorytmu okre la „czas” realizacji algorytmu. Zło ono czasowa niezale na od: - szybko ci procesora, który wykonuje zaimplementowany algorytm (program), - wyboru j zyka programowania, w którym wykonana jest implementacja algorytmu. a) Rozmiar problemu komputerowego 3 Rozmiar problemu komputerowego to rozmiar tych danych wej ciowych, których ilo wpływa na czas wykonania algorytmu, tzn. im wi ksza jest ilo tych danych, tym dłu ej realizuje si algorytm. Przykład 2 Problem A1 WP: a1, a2, ..., an- ci g liczb całkowitych (n >0) WK: Ci g a1, a2, ..., an posortowany niemalej co Rozmiar zadania: n – długo ci gu, który nale y posortowa Problem A2 WP: a0, a1, ..., an- ci g liczb rzeczywistych (n ≥ 0) definiuj cy współczynniki danego wielomianu W, x- dana liczba rzeczywista WK: Liczba W(x) – warto wielomianu W dla argumentu x Rozmiar zadania: n - stopie wielomianu W(x) Problem A3 WP: t1, t2, ..., tn- ci g znaków tekstu (n > 0) w1, w2, ..., wm- ci g znaków wzorca (n ≥ m > 0) WK: p- zmienna logiczna, która przyjmuje warto 1 (prawda), gdy wzorzec wyst puje w tek cie, a 0 (fałsz), gdy wzorzec nie wyst puje w tek cie Rozmiar zadania: n – długo wzorca, m – długo tekstu b) operacja elementarna Operacja elementarna (inaczej operacja dominuj ca) to operacja charakterystyczna dla danego algorytmu. To taka operacja, której ł czna liczba wykona jest proporcjonalna do rozmiaru zadania, tzn. im wi kszy rozmiar zadania, tym wi cej razy realizuje si operacja elementarna. Przykład 3 Problem A1 - operacj elementarn jest operacja porównywania elementów sortowanego ci gu albo operacja przestawiania elementów ci gu w czasie sortowania. Problem A2 - operacj elementarn jest operacja arytmetyczna mno enia albo operacja arytmetyczna dodawania realizowana w procesie obliczania warto ci 4 wielomianu dla danego x. Problem A3 – operacja porównywania znaków wzorca ze znakami tekstu w procesie sprawdzania, czy wzorzec wyst puje w tek cie. Za jednostk zło ono ci czasowej przyjmuje si wykonanie jednej operacji elementarnej (dominuj cej). Zło ono czasowa algorytmu jest funkcj parametru (parametrów) rozmiaru zadania. c) Zło ono czasowa rednia i pesymistyczna Nieformalnie Pesymistyczna zło ono czasowa to liczba elementarnych dla danych „najgorszego” przypadku. wykonanych operacji rednia (oczekiwana) zło ono czasowa to liczba wykonanych operacji elementarnych dla danych „typowego” przypadku. Formalnie Oznaczenia Dn – zbiór zestawów mo liwych danych wej ciowych rozmiaru n (dla uproszczenia zapisu przyjmujemy, e rozmiar problemu zale y od jednego parametru - n) t(d) – liczba operacji elementarnych wykonanych dla danych wej ciowych d pr(d) – prawdopodobie stwo, e dane d s danymi wej ciowymi algorytmu Definicje Pesymistyczna zło ono czasowa algorytmu to funkcja T max (n ) = max {t (d ) : d ∈ D n } rednia (oczekiwana) zło ono T r (n ) = czasowa algorytmu to funkcja d ∈Dn pr (d ) ⋅ t (d ) Przykład 4 5 Problem wyszukiwania ustalonej liczby w ci gu nieuporz dkowanym WP: A: a0, a2, ..., an-1- ci g liczb całkowitych (n > 0). Liczby w ci gu s ró ne. x – szukana warto . x jest liczb całkowit . WK: zmienna logiczna jest=1, gdy ∃ ai = x oraz jest=0 w przeciwnym i∈{1..n} przypadku Algorytm i = 0; while (i<n && ai!=x) i++; jest=i<n; Operacja elementarna: porównania mi dzy elementami ci gu A a liczb x. Rozmiar danych: n - długo ci gu Pesymistyczna zło ono czasowa algorytmu Dane „najgorszego” przypadku to ci g, w którym x nie wyst puje albo wyst puje w indeksie n-1. T max (n ) = max {t (d ) : d ∈ D n } = n rednia zło ono czasowa algorytmu Zakładamy, e prawdopodobie stwo znalezienia liczby x w ci gu A jest równe p. Prawdopodobie stwo, e x wyst puje na ka dej z n pozycji w ci gu jest takie p samo i wynosi . n T + r (n ) = n −1 i=0 d∈Dn pr (d ) ⋅ t (d ) = pr ( x ∉ A ) ⋅ t ( x ∉ A ) + pr ( x = a i ) ⋅ t ( x = a i ) = (1 − p ) ⋅ n + = (1 − p ) ⋅ n + p 1+ n p ⋅ ⋅ n = n + (1 − n ) n 2 2 n −1 i=0 p ⋅ (i + 1) = n 6 VI. Rz d funkcji Przy formułowaniu ostatecznych wniosków dotycz cych efektywno ci czasowej (zło ono ci czasowej algorytmu) bierze si pod uwag nie tyle dokładn funkcj kosztu, ile jej rz d (klas wzrostu funkcji). Na przykład, je eli dwa algorytmy A i B rozwi zuj ce ten sam problem maj zło ono pesymistyczn wyra aj c si odpowiednio wzorami: Tmax (n ) = n 2 + 2n i Tmax (n ) = 3n 2 A B to ró nica realnego czasu wykonania obydwu algorytmów jest stosunkowo niewielka, nawet dla du ego n. Na czas realizacji algorytmu zasadniczo wpływa bowiem w obydwu funkcjach fakt, e s wielomianami stopnia 2. n 0,1n2 10 20 50 100 1000 10 40 250 1000 100000 0,1n2+n+100 120 160 400 1200 101100 ( ) Tmax (n ) = n 2 + 2n = Θ n 2 = Tmax (n ) = 3n 2 A B Kategorie zło ono ci: ( ) Θ(n ) Θ(n ) Θ(a ) Θ(b ) Θ(n!) Θ(log n ) Θ(n ) Θ(n log n ) Θ n 2 j k n n ( ) Θ nn gdzie k > j > 2 oraz b > a > 1. VII. Porównanie czasów realizacji algorytmu wykładniczego na dwóch komputerach o ró nej szybko ci wykonania operacji elementarnej Pewien algorytm ma zło ono komputery: Θ(2n). Załó my, ze mamy do dyspozycji dwa • wolniejszy – taki, który jedn operacj elementarn wykonuje w czasie 10-6 s, • szybszy – dokładnie 1000 razy szybszy, który jedn operacj elementarn wykonuje w czasie 10-9 s 7 W poni szej tabelce zobrazowano wzrost realnego czasu wykonania algorytmu dla rosn cego rozmiaru zadania n - rozmiar zadania czas realizacji na wolniejszym procesorze (2 n / 106 ) czas realizacji na szybszym procesorze (2 n / 10 9 ) 20 1,04 s 0,001 s 50 100 35,7 lat 4 ⋅ 1014 wieków 200 13 dni 5 ⋅ 10 41 4 ⋅ 1011 wieków 5 ⋅ 10 44 wieków wieków Z powy szej tabelki wynika, e „rozs dny” czas wykonania algorytmu o zło ono ci Θ(2n) przestaje by „rozs dny” przy stosunkowo niewielkim n, bo n=50. 8