Algoritmer og Datastrukturer 1 Amortiseret Analyse [CLRS, kapitel 17] Gerth Stølting Brodal Aarhus Universitet.

Slides:



Advertisements
Lignende præsentationer
BUDGET, OPSPARING og LÅN
Advertisements

Algoritmer og Datastrukturer 1 Amortiseret Analyse [CLRS, kapitel 17] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 2 Del-og-kombiner [CLRS, kapitel , , 28
Algoritmer og Datastrukturer 1 Merge-Sort [CLRS, kapitel 2.3] Heaps [CLRS, kapitel 6] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 2 Gerth Stølting Brodal.
iOS, Android. Algoritmer og Datastrukturer 1 Hashing [CLRS, kapitel ] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 1 Binære Søgetræer [CLRS, kapitel 12] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 1 Merge-Sort [CLRS, kapitel 2.3] Heaps [CLRS, kapitel 6] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 1 Hashing [CLRS, kapitel ] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 1 Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 2 Del-og-kombiner [CLRS, kapitel 2.3, , problem 30.1.c] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 1 Gerth Stølting Brodal.
Algoritmer og Datastrukturer 1
Algoritmer og Datastrukturer 1 Binære Søgetræer [CLRS, kapitel 12] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 1 Amortiseret Analyse [CLRS, kapitel 17] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 1 Dynamisk Rang & Interval Træer [CLRS, kapitel 14] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 2 Korteste Veje [CLRS, kapitel 24, ] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 2 Gerth Stølting Brodal Minimum Udspændende Træer (MST) [CLRS, kapitel 23]
Algoritmer og Datastrukturer 1 Binære Søgetræer [CLRS, kapitel 12] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 1 Union-Find [CLRS, kapitel ] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 2 Graf repræsentationer, BFS og DFS [CLRS, kapitel ] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 2 Gerth Stølting Brodal Korteste Veje [CLRS, kapitel 24]
Algoritmer og Datastrukturer 1 Quicksort [CLRS, kapitel 7] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 2 Del-og-kombiner [CLRS, kapitel , , 28
Algoritmer og Datastrukturer 1 Union-Find [CLRS, kapitel ] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 1 ”Rush Hour” Gerth Stølting Brodal.
Algoritmer og Datastrukturer 1 Gerth Stølting Brodal.
Algoritmer og Datastrukturer 1 Dynamisk Rang & Interval Træer [CLRS, kapitel 14] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 2 Suffix træer og Suffix arrays [GT, kapitel 9.2],[Smyth, kapitel 5.3.2] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 2 Suffix træer og Suffix arrays [Smyth, kapitel 5.3.2], [GT, kapitel 9.2] Gerth Stølting Brodal Aarhus Universitet.
 Michael E. Caspersen, 2000Introducerende objektorienteret programmering9B.1 Fletning.
Algoritmer og Datastrukturer 2 Gerth Stølting Brodal.
Algoritmer og Datastrukturer 2 Gerth Stølting Brodal Suffix træer [GT, kapitel 9.2], Suffix arrays [Smyth, kapitel 5.3.2]
Algoritmer og Datastrukturer 2 Topologisk Sortering, Stærke Sammenhængskomponenter [CLRS, kapitel ] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 1 Dynamisk Rang & Interval Træer [CLRS, kapitel 14] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 2 Graf repræsentationer, BFS og DFS [CLRS, kapitel ] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 2 Topologisk Sortering, Stærke Sammenhængskomponenter [CLRS, kapitel ] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 1 Heaps [CLRS, kapitel 6] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 1 Amortiseret Analyse [CLRS, kapitel 17] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 2 Korteste Veje [CLRS, kapitel 24, ] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 1 Elementære Datastrukturer [CLRS, kapitel 10] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 1 Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 1 Gerth Stølting Brodal Aarhus Universitet.
DAIMIIntroducerende objektorienteret programmeringfletning.1 Fletning.
Algoritmer og Datastrukturer 2 Gerth Stølting Brodal Korteste Veje [CLRS, kapitel ]
KAPITEL 7 Kreditrisiko.
Ventilation og indeklima
dagsorden Metoder i samfundsfag – hvorfor?
Algoritmer og Datastrukturer 1 Hashing [CLRS, kapitel ]
Algoritmer og Datastrukturer 2 Korteste Veje [CLRS, kapitel 24]
Det danske ejendomsmarked
Algoritmer og Datastrukturer 1 Amortiseret Analyse [CLRS, kapitel 17]
Algoritmer og Datastrukturer 1
Algoritmer og Datastrukturer 2
Algoritmer og Datastrukturer 1
Algoritmer og Datastrukturer 1
Algoritmer og Datastrukturer 1
Informationsmøde om Praktikplads-AUB
Rullede deje.
Algoritmer og Datastrukturer 1 Amortiseret Analyse [CLRS, kapitel 17]
Også kendt som Dynamisk fræsning…
Algoritmer og Datastrukturer 2
Algoritmer og Datastrukturer 1
Grundlæggende Algoritmer og Datastrukturer
Klasse 5 Oplæg 4 + opgave 4 haben i nutid ”har”.
             Økonomi Årsmøde på DBI 8. april 2019.
Humanistisk Entrepreneurship 2 Forretningsmodellæredet Business Model Canvas Kreative grupper Pillon - KU.
It og kristendomsfaget
[Dette oplæg indeholder udvalgte centrale budskabet fra informationsmaterialet om brug af lægemidler til personer med demens. Materialet er udarbejdet.
Algoritmer og Datastrukturer 1
Præsentationens transcript:

Algoritmer og Datastrukturer 1 Amortiseret Analyse [CLRS, kapitel 17] Gerth Stølting Brodal Aarhus Universitet

Stak

Stak : Array Implementation Stack-Empty, Push, Pop : O(1) tid

Stak : Overløb ? Array fordobling : O(n) tid

Fordoble arrayet når det er fuld Tid for n udvidelser: ···+n/2+n = O(n) Array Fordobling Halver arrayet når det er <1/4 fyldt Tid for n udvidelser/reduktioner: O(n)

Tid for n udvidelser/reduktioner er O(n) Plads ≤ 4 · aktuelle antal elementer Array Fordobling + Halvering – en generel teknik Array implementation af Stak: n push og pop operationer tager O(n) tid

Analyse teknik ønskes... Krav Analysere worst-case tiden for en sekvens af opertationer Behøver kun at analysere den enkelte operation Fordel Behøver ikke overveje andre operationer i sekvens og deres indbyrdes påvirkninger Gælder for alle sekvenser med de givne operationer

Intuition Der findes ”gode”/”balancerede” tilstande og ”dårlige”/”ubalancerede” At komme fra en ”dårlig” tilstand til en ”god” tilstand er dyrt Det tager mange operationer fra en ”god” tilstand før man er i en ”dårlig” For de (mange) billige operationer ”betaler” vi lidt ekstra for senere at kunne lave en dyr operation næsten gratis

Amortiseret Analyse 1 € kan betale for O(1) arbejde En operation der tager tid O(t) koster t € Hvornår vi betaler/sparer op er ligegyldigt – bare pengene er der når vi skal bruge dem! Opsparing = Potentiale = Φ Vi kan ikke låne penge, dvs. vi skal spare op før vi bruger pengene, Φ ≥ 0 Amortiseret tid for en operation = hvad vi er villige til at betale – men vi skal have råd til operationen! Brug invarianter til at beskrive sammenhængen mellem opsparingen og datastrukturen

Eksempel: Stak En god stak er halv fuld – kræver ingen opsparing Invariant : Φ = 2·| top[S]-|S|/2 | Antag: 1 € per element indsættelse/kopiering Amortiseret tid per push: 3 € ? (har vi altid penge til at udføre operationen?) Hvis ja: n push operationer koster 3n €

Eksempel: Stak Push = Amortiseret 3€ Push uden kopiering: –Et nyt element : 1 € –||S|/2-top[S]| vokser med højst 1 : 1 € så invarianten holder hvis vi sparer 2 € op –Amortiseret tid: 1+2=3 Push med kopiering –Kopier S: |S| € –Indsæt nye element: 1 € –Φ før = |S|, Φ efter = 1, dvs |S|-2 € frigives –Amortiseret tid |S|+1-(|S|-2)=3 Invariant: Φ = 2·| top[S]-|S|/2 |

Amortiseret Analyse Teknik til at argumenter om worst-case tiden for en sekvens af operationer Behøver kun at analysere operationerne enkeltvis Kunsten: Find den rigtige invariant for Φ