17. Tördelőtáblák (Hasítótáblák)
|
|
- Piroska Jónás
- 8 évvel ezelőtt
- Látták:
Átírás
1 7. Tördelőtáblák (Hasítótáblák) Legye U az Elemtip, uiverzum, H = {a,,a } U Vegyük egy T:Array[0..M-] of Elemtip tömbböt, amelybe a H halmazt tároli akarjuk. Válasszuk egy h : U {0,,M } függvéyt, amely mide a i halmazelemre megadja azt a táblázat idexet, ahol az elemet tároli akrajuk, T [h(a i )] := a i. Ha a i a j és h(a i ) = h(a j ) ütközés. 7.. Ütközésfeloldás lácolással Legye T:Array[0..M-] of Lac, és legye T [ j] a {x : x H h(x) = j} elemek láca. 0 T... j... M.... ábra. Adatszerkezet ütközésfelodás lácolással módszerhez. Cost Meret =??? ;(* a tördelőtábla mérete *) Type Kulcstip=??? ;(* a halmaz elemeiek kulcstípusa *) Adattip =??? ;(* a halmaz elemeiek adattípusa *) Elemtip = Record kulcs : Kulcstip; adat : Adattip Idex = 0.. Meret; Lac = ^Cella; Cella = Record adat : Elemtip; csat : Lac Tabla = Array[Idex] Of Lac; Fuctio H(K:Kulcstip):Idex; { a tördelőfüggvéy }??? Procedure Letesit(Var T:Tabla); Var i : Idex; {Letesit} For i := 0 To Meret Do H.T[i]:=Nil;
2 Ed{Letesit}; Fuctio Keres(T:Tabla; K:Kulcstip):Lac; Var i:idex; P:Lac; P:=T[H[K]]; While (P<>Nil) Ad (P^.adat.kulcs<>K) Do P:=P^.csat; Keres := P; Ed{Keres}; Procedure Bovit(Var T:Tabla; X:Elemtip); Var P : Lac; {Bovit} i:=h(x.kulcs); New(P); P^.adat:=X; P^.csat:=T[i]; T[i]:=P; Ed{Bovit}; Procedure Torol(Var T:Tabla; K:Kulcstip); Var i:idex; P,P0 : Lac; i:=h(k); P:=T[i]; P0:=P; While (P<>Nil) Ad (K<>P^.adat.kulcs) Do P0:=P; P:=P^.csat; If P<>Nil The If P=P0 The T[i]:=P^.csat Else P0^.csat := P^.csat; Dispose(P) Ed Ed{Torol}; 7.2. Ütközésfeloldás yílt címzéssel Pótvizsgálat (próbasorozat) h : U {0,,m } {0,,m } h(k,0),,h(k,m ) 0,,m egy permutációja mide k kulcsra. A k kulcsú elem helye a táblázatba az a j = h(k,i), amelyre Mi{i : T [h(k,i)] = Szabad} Ekkor a próbák száma i +. Például, ha U = Iteger, h(x,i) = (x + i)modm. Ezt a tördelőfüggvéyt alkalmazva bővítsük a kezdetbe üres táblát egymás utá a 5, 30, 6, 35, 20, és 28 elemekkel. Majd töröljük a táblából a 6-os elemet. Ha ezt követőe a 28 elemet keressük a táblába, 2
3 akkor a 2,3,4,5,... próbasorozat kell alkalmazi, de a keresés em állhat meg a 3 idexű törölt táblaelemél. Tehát a táblába a törölt helyeket em tekithetjük üresek. Választauk kell egy Ures és egy ettől külöböző Torolt kostas kulcs értéket az üres, illetve a törölt táblaelemek jelölésére. T ábra. Tördelőtábla a 5, 30, 6, 35, 20, és 28 elemekkel való bővítés utá. T ábra. Tördelőtábla a 6 elem törlése utá. {Tördelőtábla, ütközésfeloldás yílt címzéssel} Cost M =??? ;{ a tördelötábla mérete} Ures =??? ;{ Kulcstípusú kostas, az üres hely jele } Torolt =??? ;{ Kulcstípusú kostas, a törölt hely jele } Type Kulcstip=??? ;{ a halmaz elemeiek kulcstípusa} Adattip =??? ;{ a halmaz elemeiek adattípusa } Elemtip = Record kulcs : Kulcstip; adat : Adattip Idex = 0.. M-; Tabla = Array[Idex] Of Elemtip; Fuctio H(K:Kulcstip; i:idex) : Idex; { a tördelőfüggvéy } {???} Fuctio TKeres(Cost T : Tabla; K : Kulcstip) : Word; Var i, {a próbaszám} j : Word;{táblaidex} i:=0; Repeat j:=h(k,i); Ic(i); Util (i=m) Or (K=T[j].kulcs) Or (T[j].kulcs=Ures); If (K=T[j].kulcs) The TKeres:=j Else TKeres:=M Ed{TKeres}; 3
4 Procedure TBovit(Var T:Tabla; X:Elemtip); Var i, j : Word; K:Kulcstip; {Bovit} K:=X.kulcs; i := 0; Repeat j:=h(k,i); Ic(i); Util (i=m) Or (T[j].kulcs=Torolt) Or (T[j].kulcs=Ures); If (T[j].kulcs<>Torolt) Ad (T[j].kulcs<>Ures) The Exit; {ics szabad hely a táblába} T[j].kulcs:=K; T[j].adat:=X.adat Ed {Bovit }; Procedure TTorol(Var T : Tabla; K : Kulcstip); Var i, j : Word; {Torol} ; i := 0; Repeat j:=h(k,i); Ic(i); Util (i=m) Or (T[j].kulcs=K) Or (T[j].kulcs=Ures); If (T[j].kulcs<>K) The Exit {ics K kulcsú elem a táblába} T[j].kulcs:=Torolt Ed{Torol}; 7.3. Pótvizsgálatok (próbasorozatok). Lieáris pótvizsgálat h(k,i) = (h 0 (k) + i) mod m, h 0 : U {0,,m } Négyzetes pótvizsgálat h(k,i) = (h 0 (k) + c i + c 2 i 2 ) mod m, h 0 : U {0,,m } Dupla tördelés h(k,i) = (h (k) + i h 2 (k)) mod m, h,h 2 : U {0,,m } A h 2 (k) értékekek relatív prímek kell lei a táblázat m méretéhez. Pl. h (k) = k mod m és h 2 (k) = + (k mod m ), ahol m = m Tördelőfüggvéyek Az osztás módszere: h(k) = k mod m A szorzás módszere: h(k) = m(k Amod ) ahol k Amod = k A k A 4
5 0 < A <, pl. A = ( 5 )/2 = Tördelőtáblák hatékoysági elemzése Legye h : U {0,...,m } a tördelőfüggvéy. α = m a tábla telítettségi téyezője. Egyeletességi feltétel: Pr(k) = m k:h(k)= j ( j = 0,,m ) Feltesszük, hogy h(k) olcsó, azaz Θ() időbe kiszámítható. Ütközésfeloldás lácolással A BOVIT futási ideje legrossabb esetbe is O(). A KERES és TOROL futási ideje legrossabb esetbe O(). (Mide elem egyetle lácba va és a keresés szekveciális.) Ha a T [ j] lác hossza j, akkor = m és j várható értéke /m = α. Így egy k kulcsú elem kereséséek ideje lieárisa függ a T [h(k)] lác h(k) hosszától. A T [h(k)] lác azo elemeiek számát tekitsük, amelyekkel a keresés sorá összehasolítódik a keresett k kulcs. Két esetet kell tekiteük, az első az, amikor a keresés sikeres, a másik pedig a sikertele keresés. 7.. tétel. Ha teljesül az egyeletességi feltétel, akkor lácolással törtéő ütközésfeloldás eseté a sikertele keresés átlagos ideje Θ( + α). Bizoyítás. Az egyeletességi feltétel miatt bármely k kulcsra, ami még ics a tábláa, egyforma valószíűséggel adódik bármely j = h(k) táblaidex. Ezért egy k kulcs sikertele kereséséek átlagos ideje megegyezik aak átlagos idejével, hogy a T [h(k)] lácot végigkeressük. Eek a lácak az átlagos hossza α, tehát h(k) kiszámításával együtt az átlagos futási idő Θ( + α). Sikertele keresés eseté aak valószíűsége, hogy egy adott lácba keresük, azoos a lác hossszával tétel. Ha teljesül az egyeletességi feltétel, akkor lácolással törtéő ütközésfeloldás eseté a sikeres keresés átlagos ideje Θ( + α). Bizoyítás. Az x elem sikeres keresése eseté megvizsgált elemek várható száma eggyel agyobb, mit azokak az elemekek a várható száma, amelyek megelőzik x-et az x-et tartalmazó lácba. Az x-et megelőző elemeket x beszúrása utá szúrtuk be, mivel új elemet midig a lác elejéhez illesztük. Tehát átlagoli kell a táblázat elemére az +azo elemek várható száma értékeket, amelyeket x utá adtuk x lácához. Legye x i a táblázatba i-edikkét beszúrt elem és legye k i = x i.kulcs. Az egyeletességi feltétel miatt Pr{h(k i ) = h(k j )} = /m. Ezért a sikeres keresés sorá vizsgált elemek számáak várható értéke ( ) + = + i= j=i+ m m ( i) i= ) = + i = + m Tehát a sikeres keresés futási ideje, beszámítva h(k) kiszámítását is m ( i= = + 2m ( 2 = + α 2 α 2. T a () = Θ(2 + α 2 α ) = Θ( + α) 2 i= ( + ) 2 ) 5
6 A yílt címzés hatékoyságáak elemzése A legjobb eset KERES, BÖVIT, TOROL : O() A legrosszabb eset BÖVIT: O() KERES, TOROL : O() Átlagos eset 7.3. tétel. Nyílt címzés eseté a sikertele keresés sorá a próbák számáak várható értéke α. Bizoyítás. p i = Pr{potosa i táblaelem foglalt} azaz, i a legkisebb idex, amelyre T [h(k,i)] = Szabad} Ekkor a próbák számáak várható értéke: Jelölje q i aak valószíűségét, hogy legfeljebb i próbát kell végezi. Tehát q = m q 2 = m m q i = m m + i m+ i ( m )i = α i. Tehát + + i p i = i p i + i p i i(q i q i ) = α i q i α i α A BOVIT algoritmus átlagos futási ideje : O( α ) tétel. Nyílt címzés eseté a sikeres keresés sorá a próbák számáak várható értéke α l ( α). Bizoyítás. Sikeres keresés ugyaazo próbasorozatot hajtja végre, mit amikor az elemet beraktuk a táblázatba. Ha a k kulcsú elem i-edikkét került a táblázatba, akkor a próbák száma m i m. Tehát a próbák számáak várható értéke: m m i = m m i = α (H m H m ), ahol H i = i j= j az i. harmoikus szám. /x csökkeő, így α (H m H m ) = α α m m m k=m + /k (/x)dx = α l m m = α l α Tehát a Torol algoritmus átlagos futási ideje (= sikeres kerersés) O( α l α ) Pl. ha α = 0.5 akkor.387, ha α = 0.9 akkor próba kell átlagosa a törléshez. 6
7 7.6. Az UioHolva adattípus megvalósítása Az UioHolva absztrakt adattípus. Értékhalmaz: UioHolva = {{H,...,H k } : H i E,i =,...,k,i j H i H j = /0} Műveletek: S : UioHolva, X : Elemtip,N,N,N2 : NevTip {Igaz} Letesit(S) {S = /0} {S = S} Megszutet(S) {Igaz} {S = S} Uresit(S) {S = /0} {S = {H,...,H k } X H i } Holva(S,X,N) {N = Y (X H i Y H i )} {S = {H,...,H k } X / H i } Holva(S,X,N) {N = X S = Pre(S) {{X}} {S = {H,...,H k } N H i N2 H j } Uio(S,N,N2) {S = Pre(S) H i H j {H i H j }} {S = {H,...,H k }} Elemszam(S) {= k S = Pre(S)} {S = {H,...,H k }} ReszElemszam(S,N) {= H i N H i S = Pre(S)} {S = S} IterKezd(S,I) {} {I = I} IterAd(I,x) {} {I = I} IterVege(I) {} {S = {H,...,H k } ( i)(n H i )} ReszIterKezd(S,N,I) {} {I = I} ReszIterAd(I, x) {} {I = I} ReszIterVege(I) {} Adatszerkezet választása. A diszjukt részhalmazok ábrázolhatók olya Rep : {,...,} {,...,} függvéyel, hogy bármely x,y {,...,}-re Rep(x) = Rep(y) akkor és csak akkor, ha x és y ugyaazo részhalmazhoz tartozik. Ezt szemlélteti a 4. ábra. Ekkor a HOLVAN művelet kostas időbe megvalósítható, az UNIO azoba az egyik részhalmaz elemszámával aráyos idejű lesz. Egy másik lehet- 4. ábra. Egyszerű adatszerkezet az UioHolva adattípushoz. 5. ábra. Az UNIO művelet megvalósítása egyszerű adatszerkezet eseté. séges adatszerkezet a megvalósításhoz a kétdimeziós lác, amit a a 6. ábra mutat. Ekkor az UNIO művelet kostas időbe megvalósítható, a HOLVAN művelet azoba csak O() időbe. Tehát egymásak elletmodó követelméyeket kellee kielégítei, amelyik adatszerkezet jó a HOLVAN művelethez, az em jó az UNIO-hoz. Kevesebbet követeljük a HOLVAN hatékoy, azaz kostas idejű megvalósításáál. Ábrázoljuk a részhalmazokat fával, mit azt a 7. ábra mutatja. Ekkor az UNIO kostas időbe egvalósítható. A HOLVAN futási idejéek felső korlátja a fa magassága, tehát arra kell törekedi, hogy fa magassága e legye agy. Két heurisztokát haszáluk eek elérésére: 7
8 6. ábra. Kétdimeziós lác az UNIOHOLVAN típus megvalósításához. 7. ábra. Halmazerdő adatszerkezet az UNIOHOLVAN adattípus megvalósításához. x x 8. ábra. Úttömörítés HOLVAN művelet sorá. 8
9 .Egyesítés a agyobbikhoz: Az UNIO művelet midig a agyobb elemszámú részhalmaz gyökeréhez kapcsolja a kisebb elemszámú részhalmaz gyökerét. 2. Úttömörítés: Mide HOLVAN művelet sorá a fáak midazo potjait, amelye a keresés áthalad a gyökérhez kapcsoljuk. Az iterátor műveletek hatékoy megvalósításához ábrázoljuk a részhalmazokat körlácba, továbbá kétiráyú körlácba a részhalmazok gyökereit. Tehát az adatszerkezet: (M, Adat, R); ahol az R szerkezeti kapcsolatok: R = {Apa,Csat, Elore,Vissza}, Apa,Csat, Elore,Vissza : M M. Az Apa kapcsolat fa, a Csat kapcsolat körlác, az (Elore,Vissza) kapcsolatpár pedig kétiráyú körlác. A részhalmazok elemszámát em tároljuk, haem Apa(x) = E legye, ha x gyökér és az x-gyökerű részhalmaz elemszáma E. Két körlác kostas időbe egyesíthető, amit a 0. ábra mutat. 9. ábra. Adatszerkezet az UNIOHOLVAN adattípus megvalósításához. q p p2 0. ábra. Két körlác egyesítése:q := Csat(p);Csat(p) := Csat(p2);Csat(p2) := q. Cost MaxN=0000; Null=0; Type Adattip =??? ;(* a felhaszáló defiiálja *) Idex=..MaxN; Kulcstip = Idex; Elemtip = Record kulcs : Kulcstip; adat : Adattip Nevtip = Kulcstip; Tartip = Array[Idex] Of Record adat:adattip; apa:iteger; csat:idex; 9
10 elore,vissza:idex; RepTip = Record Fa : Tartip; Fej: 0..MaxN; Eszam : 0..MaxN; UioHol = RepTip ;(* az UioHolva adattipus tipusa *) Iterator=^IterRep; IterRep = Record Hra: ^TarTip; kezd,pot: Iteger ReszIterator=Record Hra: ^TarTip; kezd,pot: Iteger Procedure Letesit(Var S:UioHol; N:Idex); Var i:idex; S.Eszam:=0; S.Fej:=0; For i:= To N Do S.Fa[i].apa:=0; Procedure Uresit(Var S:UioHol); Var i:idex; S.Eszam:=0; S.Fej:=0; For i:= To MaxN Do S.Fa[i].apa:=0; Ed{Uresit}; Procedure Holva(Var S : UioHol; X : Elemtip; Var N : Nevtip); Var j,k:idex; j:=x.kulcs; N:=j; If S.Fa[j].apa=Null The Ic(S.Eszam); S.Fa[j].adat:=X.adat; S.Fa[j].apa:=-; S.Fa[j].csat:=j; {egyelemű körlác} If S.Fej=0 The {az első részhalmaz} S.Fej:=N; S.Fa[N].elore:=N; S.Fa[N].vissza:=N; Ed Else k:=s.fa[s.fej].elore; {az új részhalmaz bekötése a kettős körlácba} S.Fa[j].elore:=k; S.Fa[k].vissza:=j; S.Fa[j].vissza:=S.Fej; S.Fa[S.Fej].elore:=j; Ed Ed Else 0
11 While S.Fa[N].apa > 0 Do N:=S.Fa[N].apa; While j <> N Do { úttömörítés } k:=s.fa[j].apa; S.Fa[j].apa:=N; j:=k Ed Ed{Holva}; Procedure Uio(Var S : UioHol; N,M : Nevtip); Var k:nevtip; p:idex; If (N<>M) Ad (S.Fa[N].apa<0) Ad (S.Fa[M].apa<0) The Dec(S.Eszam); If S.Fa[N].apa > S.Fa[M].apa The {egyesítés a agyobbikhoz} k:=n; N:=M; M:=k S.Fa[N].apa:=S.Fa[N].apa + S.Fa[M].apa; S.Fa[M].apa:=N; p:=s.fa[n].csat; {a két körlác egyesítése} S.Fa[N].csat:=S.Fa[M].csat; S.Fa[M].csat:=N; k:=s.fa[m].vissza; S.Fa[M].vissza:=S.Fa[M].elore; S.Fa[S.Fa[M].elore].vissza:= K; Ed Ed{Uio}; Procedure Eleme( S : UioHol; K : Kulcstip; Var Va : Boolea; Var N : Nevtip ); Var i,j:idex; j:=k; Va:=S.Fa[j].apa<>Null; If Va The N:=j; While S.Fa[N].apa > 0 Do N:=S.Fa[N].apa; While j <> N Do { úttömörítés } i:=s.fa[j].apa; S.Fa[j].apa:=N; j:=i Ed Ed{Eleme}; Fuctio Elemszam(S : UioHol) : Iteger; Elemszam:=S.Eszam
12 Fuctio ReszElemszam(S : UioHol; N : Nevtip) : Iteger; ReszElemszam:=-S.fa[N].apa Procedure IterKezd(S : UioHol; Var I: Iterator); New(I); I^.kezd:= S.Fej; I^.pot:= S.Fej; Procedure IterAd(Var I:Iterator; Var X: NevTip); With I^ Do If pot = Null The exit; X:= pot; pot:= Hra^[pot].elore; If pot=kezd The pot:= 0 Fuctio IterVege(I: Iterator): Boolea; IterVege:= I^.pot =Null; Procedure ReszIterKezd(S : UioHol; N: Nevtip; Var I: Iterator); New(I); I^.kezd:= N; I^.pot:= N; Procedure ReszIterAd(Var I: Iterator; Var X: Elemtip); With I^ Do If pot = Null The exit; X.kulcs:= pot; X.adat:= Hra^[pot].adat; pot:= Hra^[pot].csat; If pot=kezd The pot:= Null Fuctio ReszIterVege(I: Iterator): Boolea; ReszIterVege:= I^.pot = Null; 2
13 Az UNIOHOL adattípus megvalósításáak hatékoysági elemzése. Összesítéses elemzés. Egy műveletegyüttes, mit az absztrakt adattípusok hatékoysági elemzését megadhatjuk úgy is, hogy em külö-külö vizsgáljuk az egyes műveletek futási idejét, haem müveletsorok összesített futási idejét mérjük. Ha egy P = P ;...;P m műveltsor összesített futási ideje T (P), akkor a T (P)/m háyadost az egyes műveletek amortizált futási idejéek evezzük. ha i = 0, lg (i) = lg(lg (i ) ) ha i > 0és lg (i ) > 0, emdef egyébkét lg = mi{i 0 : lg (i) } P = P ; ;P m műveletsorozat, ahol P i {UNIO, HOLVAN} és azo HOLVAN műveletek száma, amelyek új elemet adak a halmazredszerhez, azaz a részhalmazok elemszámáak összege a műveletsor végé, akkor a műveletsor futási ideje: T (P) = O(mlg ) lg mide gyakorlatba előforduló -re 5, mivel lg ( ) = 5. Tehát az HOLVAN műveletek amortizált futási ideje praktikusa kostas. 3
A kurzus teljesítésének feltételei. Az I404 kódú kurzus teljesítéséhez meg kell oldani egy otthoni feladatot, határidő április 30.
Évközi teljesítés A kurzus teljesítéséek feltételei Két gyakorlato egírt ZH, az elérhető 00 potból 50 potot kell eléri. Aki e teljesíti a feltételt a vizsgaidőszak első hetébe a vizsgára egedésért írhat
Egyesíthető prioritási sor
Egyesíthető prioritási sor Értékhalmaz: EPriSor = S E, E-n értelmezett a lineáris rendezési reláció. Műveletek: S,S 1,S 2 : EPriSor, x : E {Igaz} Letesit(S, ) {S = /0} {S = S} Megszuntet(S) {} {S = S}
Önszervező bináris keresőfák
Önszervező bináris keresőfák Vágható-egyesíthető halmaz adattípus H={2,5,7,11,23,45,75} Vag(H,23) Egyesit(H1,H2) H1= {2,5,7,11} H2= {23,45,75} Vágás A keresési útvonal mentén feldaraboljuk a fát, majd
Tuesday, March 6, 12. Hasító táblázatok
Hasító táblázatok Halmaz adattípus U (kulcsuniverzum) K (aktuális kulcsok) Függvény adattípus U (univerzum) ÉT (értelmezési tartomány) ÉK (érték készlet) Milyen az univerzum? Közvetlen címzésű táblázatok
Elsőbbségi (prioritásos) sor
Elsőbbségi (prioritásos) sor Közapi fogalma, megjeleése: pl. sürgősségi osztályo a páciesek em a beérkezési időek megfelelőe, haem a sürgősség mértéke szerit kerülek ellátásra. Az operációs redszerekbe
14. Mediánok és rendezett minták
14. Mediánok és rendezett minták Kiválasztási probléma Bemenet: Azonos típusú (különböző) elemek H = {a 1,...,a n } halmaza, amelyeken értelmezett egy lineáris rendezési reláció és egy i (1 i n) index.
Amortizációs költségelemzés
Amortizációs költségelemzés Amennyiben műveleteknek egy M 1,...,M m sorozatának a futási idejét akarjuk meghatározni, akkor egy lehetőség, hogy külön-külön minden egyes művelet futási idejét kifejezzük
Táblázatok fontosabb műveletei 1
Táblázatok fontosabb műveletei 1 - - Soros táblázat procedure BESZÚR1(TÁBLA, újelem) - - beszúrás soros táblázatba - - a táblázatot egy rekordokat tartalmazó dinamikus vektorral reprezentáljuk - - a rekordok
Kupac adatszerkezet. A[i] bal fia A[2i] A[i] jobb fia A[2i + 1]
Kupac adatszerkezet A bináris kupac egy majdnem teljes bináris fa, amely minden szintjén teljesen kitöltött kivéve a legalacsonyabb szintet, ahol balról jobbra haladva egy adott csúcsig vannak elemek.
9. előadás. A táblázat. A táblázatról általában, soros, önátrendező, rendezett és kulcstranszformációs táblázat
. előadás ról általában, soros, önátrendező, rendezett és kulcstranszformációs Adatszerkezetek és algoritmusok előadás 0. április. ról általában,, és Debreceni Egyetem Informatikai Kar. Általános tudnivalók
Algoritmusok és adatszerkezetek II.
Algoritmusok és adatszerkezetek II. Horváth Gyula Szegedi Tudományegyetem Természettudományi és Informatikai Kar horvath@inf.u-szeged.hu 3. Kiegyensúlyozott keresőfák A T tulajdonság magasság-egyensúlyozó
Számláló rendezés. Példa
Alsó korlát rendezési algoritmusokra Minden olyan rendezési algoritmusnak a futását, amely elempárok egymással való összehasonlítása alapján működik leírja egy bináris döntési fa. Az algoritmus által a
Algoritmuselmélet. Hashelés. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem
Algoritmuselmélet Hashelés Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 8. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet 8. előadás
Algoritmuselmélet. Hashelés. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem
Algoritmuselmélet Hashelés Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 9. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet 9. előadás
6. Elsőbbségi (prioritásos) sor
6. Elsőbbségi (prioritásos) sor Közapi fogalma, megjeleése: pl. sürgősségi osztályo a páciesek em a beérkezési időek megfelelőe, haem a sürgősség mértéke szerit kerülek ellátásra. Az operációs redszerekbe
1. ábra. Egy rekurzív preorder bejárás. Egy másik rekurzív preorder bejárás
Preorder ejárás Fa bejárásán olyan algoritmust értünk, amelynek bemenete egy F fa és egy M művelet, és az algoritmus adott sorrendben pontosan egyszer végrehajtja az M műveletet a fa pontjaiban lévő adatokra.
Algoritmusok és adatszerkezetek II.
Algoritmusok és adatszerkezetek II. Horváth Gyula Szegedi Tudományegyetem Természettudományi és Informatikai Kar horvath@inf.u-szeged.hu 5. Vágható-egyesíthető Halmaz adattípus megvalósítása önszervező
Algoritmizálás. Horváth Gyula Szegedi Tudományegyetem Természettudományi és Informatikai Kar
Algoritmizálás Horváth Gyula Szegedi Tudomáyegyetem Természettudomáyi és Iformatikai Kar horvath@if.u-szeged.hu. Mohó algoritmusok A mohó stratégia elemi 1. Fogalmazzuk meg az optimalizációs feladatot
Ugrólisták. RSL Insert Example. insert(22) with 3 flips. Runtime?
Ugrólisták Ugrólisták Ugrólisták Ugrólisták RSL Insert Example insert(22) with 3 flips 13 8 29 20 10 23 19 11 2 13 22 8 29 20 10 23 19 11 2 Runtime? Ugrólisták Empirical analysis http://www.inf.u-szeged.hu/~tnemeth/alga2/eloadasok/skiplists.pdf
7 7, ,22 13,22 13, ,28
Általános keresőfák 7 7,13 13 13 7 20 7 20,22 13,22 13,22 7 20 25 7 20 25,28 Általános keresőfa Az általános keresőfa olyan absztrakt adatszerkezet, amely fa és minden cellájában nem csak egy (adat), hanem
Módosítható Prioritási sor Binomiális kupaccal. Wednesday, March 21, 12
Módosítható Prioritási sor Binomiális kupaccal modosit(x,k) {! if (k>x.kulcs) {!! x.kulcs=k ;!! y=x!! z=x.apa ;!! while(z!=nil and y.kulcs
Algoritmusok és adatszerkezetek gyakorlat 07
Algoritmusok és adatszerkezetek gyakorlat 0 Keresőfák Fák Fa: összefüggő, körmentes gráf, melyre igaz, hogy: - (Általában) egy gyökér csúcsa van, melynek 0 vagy több részfája van - Pontosan egy út vezet
(A TÁMOP /2/A/KMR számú projekt keretében írt egyetemi jegyzetrészlet):
A umerikus sorozatok fogalma, határértéke (A TÁMOP-4-8//A/KMR-9-8 számú projekt keretébe írt egyetemi jegyzetrészlet): Koverges és diverges sorozatok Defiíció: A természetes számoko értelmezett N R sorozatokak
16. Az AVL-fa. (Adelszon-Velszkij és Landisz, 1962) Definíció: t kiegyensúlyozott (AVL-tulajdonságú) t minden x csúcsára: Pl.:
6. Az AVL-fa Adelszo-Velszkij és Ladisz, 96 Defiíció: t kiegyesúlyozott AVL-tulajdoságú t mide x csúcsára: bal x jobb x. Pl.: A majdem teljes biáris fa AVLtulajdoságú. Az AVL-fára, mit speciális alakú
Algoritmusok és adatszerkezetek II.
Algoritmusok és adatszerkezetek II. Horváth Gyula Szegedi Tudományegyetem Természettudományi és Informatikai Kar horvath@inf.u-szeged.hu 6. Ugrólista (Skiplist) Definíció. Olyan adatszerkezet, amelyre
Megoldás meghatározása Ez a szakasz kitölti a c és S táblázatokat, a kiíratás S alapján egy rekurzív algoritmussal megtehető.
Leghosszabb közös részsorozat Egy sorozat, akkor részsorozata egy másiknak, ha abból elemeinek elhagyásával megkapható. A feladat két sorozat X = (x 1,...,x m ) és Y = (y 1,...,y n ) leghosszabb közös
Sorozatok, határérték fogalma. Függvények határértéke, folytonossága
Sorozatok, határérték fogalma. Függvéyek határértéke, folytoossága 1) Végtele valós számsorozatok Fogalma, megadása Defiíció: A természetes számok halmazá értelmezett a: N R egyváltozós valós függvéyt
Algoritmuselmélet 6. előadás
Algoritmuselmélet 6. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Március 4. ALGORITMUSELMÉLET 6. ELŐADÁS 1 Hash-elés
16. Absztrakt adattípusok megvalósításai
16. Absztrakt adattípusok megvalósításai Az adatkezelés szintjei: 1. Probléma szintje. 2. Modell szintje. 3. Absztrakt adattípus szintje. 4. Absztrakt adatszerkezet szintje. 5. Adatszerkezet szintje. 6.
Nevezetes sorozat-határértékek
Nevezetes sorozat-határértékek. Mide pozitív racioális r szám eseté! / r 0 és! r +. Bizoyítás. Jelöljük p-vel, illetve q-val egy-egy olya pozitív egészt, melyekre p/q r, továbbá legye ε tetszőleges pozitív
3. SOROZATOK. ( n N) a n+1 < a n. Egy sorozatot (szigorúan) monotonnak mondunk, ha (szigorúan) monoton növekvő vagy csökkenő.
3. SOROZATOK 3. Sorozatok korlátossága, mootoitása, kovergeciája Defiíció. Egy f : N R függvéyt valós szám)sorozatak evezük. Ha A egy adott halmaz és f : N A, akkor f-et A-beli értékű) sorozatak evezzük.
VÉLETLENÍTETT ALGORITMUSOK. 1.ea.
VÉLETLENÍTETT ALGORITMUSOK 1.ea. 1. Bevezetés - (Mire jók a véletleített algoritmusok, alap techikák) 1.1. Gyorsredezés Vegyük egy ismert példát, a redezések témaköréből, méghozzá a gyorsredezés algoritmusát.
Egyesíthető prioritási sor
Egyesíthető prioritási sor Értékhalmaz: EPriSor = S E, E-n értelmezett a lineáris rendezési reláció. Műveletek: S,S 1,S 2 : EPriSor, x : E {Igaz} Letesit(S, ) {S = /0} {S = S} Megszuntet(S) {} {S = S}
ÖNSZERVEZŐ BINÁRIS KERESŐFÁK HATÉKONYSÁGA
ÖNSZERVEZŐ BINÁRIS KERESŐFÁK HATÉKONYSÁGA Tétel: Ha a halmazok ábrázolására önszervező bináris keresőfát használunk, akkor minden α 1,...,α m műveletsor, ahol i {1..m}: α i {keres;bovit;torol;vag;egyesit}
Algoritmizálás. Horváth Gyula Szegedi Tudományegyetem Természettudományi és Informatikai Kar
Algoritmizálás Horváth Gyula Szegedi Tudományegyetem Természettudományi és Informatikai Kar horvath@inf.u-szeged.hu 0.1. Az algoritmikus tudás szintjei Ismeri (a megoldó algoritmust) Érti Le tudja pontosan
2. Hatványsorok. A végtelen soroknál tanultuk, hogy az. végtelen sort adja: 1 + x + x x n +...
. Függvéysorok. Bevezetés és defiíciók A végtele sorokál taultuk, hogy az + x + x + + x +... végtele összeg x < eseté koverges. A feti végtele összegre úgy is godolhatuk, hogy végtele sok függvéyt aduk
Statisztika 1. zárthelyi dolgozat március 21.
Statisztika 1 zárthelyi dolgozat 011 március 1 1 Legye X = X 1,, X 00 függetle mita b paraméterű Poisso-eloszlásból b > 0 Legye T 1 X = X 1+X ++X 100, T 100 X = X 1+X ++X 00 00 a Milye a számra igaz, hogy
Kvantum párhuzamosság Deutsch algoritmus Deutsch-Jozsa algoritmus
LOGO Kvatum párhuzamosság Deutsch algoritmus Deutsch-Jozsa algoritmus Gyögyösi László BME Villamosméröki és Iormatikai Kar Bevezető Kvatum párhuzamosság Bármilye biáris üggvéyre, ahol { } { } : 0, 0,,
Kétoldali hibás Monte Carlo algoritmus: mindkét válasz esetén hibázhat az algoritmus, de adott alsó korlát a hibázás valószínűségére.
Véletleített algoritmusok Tegyük fel, hogy va két doboz (A,B), amely egyike 1000 Ft-ot tartalmaz, a másik üres. 500 Ft-ért választhatuk egy dobozt, amelyek a tartalmát megkapjuk. A feladat megoldására
10.M ALGEBRA < <
0.M ALGEBRA GYÖKÖS KIFEJEZÉSEK. Mutassuk meg, hogy < + +... + < + + 008 009 + 009 008 5. Mutassuk meg, hogy va olya pozitív egész szám, amelyre 99 < + + +... + < 995. Igazoljuk, hogy bármely pozitív egész
Pályázat címe: Pályázati azonosító: Kedvezményezett: Szegedi Tudományegyetem Cím: 6720 Szeged, Dugonics tér 13. www.u-szeged.hu www.palyazat.gov.
Pályázat címe: Új geerációs sorttudomáyi kézés és tartalomfejlesztés, hazai és emzetközi hálózatfejlesztés és társadalmasítás a Szegedi Tudomáyegyeteme Pályázati azoosító: TÁMOP-4...E-5//KONV-05-000 Sortstatisztika
ANALÍZIS I. TÉTELBIZONYÍTÁSOK ÍRÁSBELI VIZSGÁRA
ANALÍZIS I. TÉTELBIZONYÍTÁSOK ÍRÁSBELI VIZSGÁRA Szerkesztette: Balogh Tamás 202. július 2. Ha hibát találsz, kérlek jelezd a ifo@baloghtamas.hu e-mail címe! Ez a Mű a Creative Commos Nevezd meg! - Ne add
Bináris keresőfák. Adat : M Elemtip és Elemtip-on értelmezett egy lineáris rendezési reláció,
Bináris keresőfák Az F = (M,R,Adat) absztrakt adatszerkezetet bináris keresőfának nevezzük, ha F bináris fa, R = {bal, jobb, apa}, bal, jobb, apa : M M, Adat : M Elemtip és Elemtip-on értelmezett egy lineáris
Az átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)
Az átlagra voatkozó megbízhatósági itervallum (kofidecia itervallum) Határozzuk meg körül azt az itervallumot amibe előre meghatározott valószíűséggel esik a várható érték (µ). A várható értéket potosa
Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet
Függetleségvizsgálat Virág Katali Szegedi Tudomáyegyetem, Bolyai Itézet Függetleség Függetleség Két változó függetle, ha az egyik változó megfigyelése a másik változóra ézve em szolgáltat iformációt; azaz
Kupac adatszerkezet. 1. ábra.
Kupac adatszerkezet A bináris kupac egy majdnem teljes bináris fa, amely minden szintjén teljesen kitöltött kivéve a legalacsonyabb szintet, ahol balról jobbra haladva egy adott csúcsig vannak elemek.
Algoritmusok és adatszerkezetek 2.
Algoritmusok és adatszerkezetek 2. Varga Balázs gyakorlata alapján Készítette: Nagy Krisztián 1. gyakorlat Nyílt címzéses hash-elés A nyílt címzésű hash táblákban a láncolással ellentétben egy indexen
7. Dinamikus programozás
7. Diamikus rogramozás 7.1. Rekurzió memorizálással. Láttuk, hogy a artíció robléma rekurzív algoritmusa Ω(2 ) eljáráshívást végez. edig a lehetséges részroblémák száma csak 2 (vagy ( + 1)/2, ha csak az
Hátizsák feladat. Példa: A tárgyak (súly, fontosság) párokban (4,6) (3,5) (2,3) (2,3) a hátizsák kapacitása 8.
Hátizsák feladat Egy adott hátizsákba tárgyakat akarunk pakolni. Adott n tárgy minden tárgynak van egy fontossági értéke ( f [i]), és egy súlya (s[i]), a hátizsákba maximum összesen S súlyt pakolhatunk.
= λ valós megoldása van.
Másodredű álladó együtthatós lieáris differeciálegyelet. Általáos alakja: y + a y + by= q Ha q = 0 Ha q 0 akkor homogé lieárisak evezzük. akkor ihomogé lieárisak evezzük. A jobb oldalo lévő q függvéyt
A tárgy címe: ANALÍZIS 1 A-B-C (2+2). 1. gyakorlat
A tárgy címe: ANALÍZIS A-B-C + gyakorlat Beroulli-egyelőtleség Legye N, x k R k =,, és tegyük fel, hogy vagy x k 0 k =,, vagy pedig x k 0 k =,, Ekkor + x k + x k Speciális Beroulli-egyelőtleség Ha N és
Az absztrakt adattípus egy (E,M) párral adható meg, ahol E az értékhalmaz, M a műveletek halmaza. Fő tulajdonságok. Verem
Előadás részvétel igazolása Az előadáson való részvételt az előadáson kapott kódnak az alábbi oldalra való feltöltésével lehet igazolni. http://www.inf.u-szeged.hu/~tnemeth/alg1ics/ Az adatkezelés szintjei
... fi. ... fk. 6. Fabejáró algoritmusok Rekurzív preorder bejárás (elsőfiú-testvér ábrázolásra)
6. Fabejáró algoritmusok Fa bejárásán olyan algoritmust értünk, amelynek bemenete egy F fa és egy M művelet, és az algoritmus adott sorrendben pontosan egyszer végrehajtja az M műveletet a fa pontjaiban
SZÁMELMÉLET. Vasile Berinde, Filippo Spagnolo
SZÁMELMÉLET Vasile Beride, Filippo Spagolo A számelmélet a matematika egyik legrégibb ága, és az egyik legagyobb is egybe Eek a fejezetek az a célja, hogy egy elemi bevezetést yújtso az első szite lévő
8.1. A rezgések szétcsatolása harmonikus közelítésben. Normálrezgések. = =q n és legyen itt a potenciál nulla. q i j. szimmetrikus. q k.
8. KIS REZGÉSEK STABIL EGYENSÚLYI HELYZET KÖRÜL 8.. A rezgések szétcsatolása harmoikus közelítésbe. Normálrezgések Egyesúlyi helyzet: olya helyzet, amelybe belehelyezve a redszert (ulla kezdősebességgel),
Ellenőrző kérdések. 36. Ha t szintű indexet használunk, mennyi a keresési költség blokkműveletek számában mérve? (1 pont) log 2 (B(I (t) )) + t
Ellenőrző kérdések 2. Kis dolgozat kérdései 36. Ha t szintű indexet használunk, mennyi a keresési költség blokkműveletek számában mérve? (1 pont) log 2 (B(I (t) )) + t 37. Ha t szintű indexet használunk,
Adatszerkezetek I. 7. előadás. (Horváth Gyula anyagai felhasználásával)
Adatszerkezetek I. 7. előadás (Horváth Gyula anyagai felhasználásával) Bináris fa A fa (bináris fa) rekurzív adatszerkezet: BinFa:= Fa := ÜresFa Rekord(Elem,BinFa,BinFa) ÜresFa Rekord(Elem,Fák) 2/37 Bináris
1. Adatok közelítése. Bevezetés. 1-1 A közelítő függvény
Palácz Béla - Soft Computig - 11-1. Adatok közelítése 1. Adatok közelítése Bevezetés A természettudomáyos feladatok megoldásához, a vizsgált jeleségek, folyamatok főbb jellemzői közötti összefüggések ismeretére,
Hátizsák feladat. Példa: A tárgyak (súly, fontosság) párokban (4,6) (3,5) (2,3) (2,3) a hátizsák kapacitása 8.
Hátizsák feladat Egy adott hátizsákba tárgyakat akarunk pakolni. Adott n tárgy minden tárgynak van egy fontossági értéke ( f [i]), és egy súlya (s[i]), a hátizsákba maximum összesen S súlyt pakolhatunk.
Matematika I. 9. előadás
Matematika I. 9. előadás Valós számsorozat kovergeciája +-hez ill. --hez divergáló sorozatok A határérték és a műveletek kapcsolata Valós számsorozatok mootoitása, korlátossága Komplex számsorozatok kovergeciája
Hiba! Nincs ilyen stílusú szöveg a dokumentumban.-86. ábra: A példa-feladat kódolási változatai
közzétéve a szerző egedélyével) Öfüggő szekuder-változó csoport keresése: egy bevezető példa Ez a módszer az állapothalmazo értelmezett partíció-párok elméleté alapul. E helye em lehet céluk az elmélet
18. Differenciálszámítás
8. Differeciálszámítás I. Elméleti összefoglaló Függvéy határértéke Defiíció: Az köryezetei az ] ε, ε[ + yílt itervallumok, ahol ε > tetszőleges. Defiíció: Az f függvéyek az véges helye vett határértéke
Rendezettminta-fa [2] [2]
Rendezettminta-fa Minden p ponthoz tároljuk a p gyökerű fa belső pontjainak számát (méretét) Adott elem rangja: az elem sorszáma (sorrendben hányadik az adatszekezetben) Adott rangú elem keresése - T[r]
Sorozatok A.: Sorozatok általában
200 /2002..o. Fakt. Bp. Sorozatok A.: Sorozatok általába tam_soroz_a_sorozatok_altalaba.doc Sorozatok A.: Sorozatok általába Ad I. 2) Z/IV//a-e, g-m (CD II/IV/ Próbálj meg róluk miél többet elmodai. 2/a,
Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar. Feladatok a Gazdasági matematika I. tárgy gyakorlataihoz. Halmazelmélet
Debrecei Egyetem Közgazdaság- és Gazdaságtudomáyi Kar Feladatok a Gazdasági matematika I. tárgy gyakorlataihoz a megoldásra feltétleül ajálott feladatokat jelöli e feladatokat a félév végére megoldottak
A függvénysorozatok olyanok, mint a valós számsorozatok, csak éppen a tagjai nem valós számok,
l.ch FÜGGVÉNYSOROZATOK, FÜGGVÉNYSOROK, HATVÁNYSOROK Itt egy függvéysorozat: f( A függvéysorozatok olyaok, mit a valós számsorozatok, csak éppe a tagjai em valós számok, 5 haem függvéyek, f ( ; f ( ; f
2.5. A lineáris kongruencia egyenlet.
2.5. A lieáris kogruecia egyelet. Defiíció: Kogruecia Az a és b egész számokat kogruesek modjuk az modulus szerit, ha az szeriti osztás utái maradékaik megegyezek, vagy ami ugyaaz: ha. Jelölésbe: a bmod.
end function Az A vektorban elõforduló legnagyobb és legkisebb értékek indexeinek különbségét.. (1.5 pont) Ha üres a vektor, akkor 0-t..
A Név: l 2014.04.09 Neptun kód: Gyakorlat vezető: HG BP MN l 1. Adott egy (12 nem nulla értékû elemmel rendelkezõ) 6x7 méretû ritka mátrix hiányos 4+2 soros reprezentációja. SOR: 1 1 2 2 2 3 3 4 4 5 6
képzetes t. z = a + bj valós t. a = Rez 5.2. Műveletek algebrai alakban megadott komplex számokkal
5. Komplex számok 5.1. Bevezetés Taulmáyaik sorá többször volt szükség az addig haszált számfogalom kiterjesztésére. Először csak természetes számokat ismertük, később haszáli kezdtük a törteket, illetve
A számítástudomány alapjai. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem
A számítástudomány alapjai Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem Bináris keresőfa, kupac Katona Gyula Y. (BME SZIT) A számítástudomány
Villamos gépek tantárgy tételei
Villamos gépek tatárgy tételei 7. tétel Mi a szerepe az áram- és feszültségváltókak? Hogya kapcsolódak a hálózathoz, milye előírások voatkozak a biztoságos üzemeltetésükre, kiválasztásukál milye adatot
1. A radioaktivitás statisztikus jellege
A radioaktivitás időfüggése 1. A radioaktivitás statisztikus jellege Va N darab azoos radioaktív atomuk, melyekek az atommagja spotá átalakulásra képes. tegyük fel, hogy ezek em bomlaak tovább. Ekkor a
V. Deriválható függvények
Deriválható függvéyek V Deriválható függvéyek 5 A derivált fogalmához vezető feladatok A sebesség értelmezése Legye az M egy egyees voalú egyeletes mozgást végző pot Ez azt jeleti, hogy a mozgás pályája
Ingatlanfinanszírozás és befektetés
Nyugat-Magyarországi Egyetem Geoiformatikai Kar Igatlameedzser 8000 Székesfehérvár, Pirosalma u. 1-3. Szakiráyú Továbbképzési Szak Igatlafiaszírozás és befektetés 2. Gazdasági matematikai alapok Szerzı:
1 k < n(1 + log n) C 1n log n, d n. (1 1 r k + 1 ) = 1. = 0 és lim. lim n. f(n) < C 3
Dr. Tóth László, Fejezetek az elemi számelméletből és az algebrából (PTE TTK, 200) Számelméleti függvéyek Számelméleti függvéyek értékeire voatkozó becslések A τ() = d, σ() = d d és φ() (Euler-függvéy)
7. Dinamikus programozás
7. Diamikus rogramozás 7.1. Rekurzió memorizálással. Láttuk, hogy a artíció robléma rekurzív algoritmusa Ω(2 ) eljáráshívást végez, edig a lehetséges részroblémák száma csak 2 (vagy ( + 1)/2, ha csak az
Adatszerkezetek Hasító táblák. Dr. Iványi Péter
Adatszerkezetek Hasító táblák Dr. Iványi Péter 1 Hash tábla A bináris fáknál O(log n) a legjobb eset a keresésre. Ha valamilyen közvetlen címzést használunk, akkor akár O(1) is elérhető. A hash tábla a
Függvényhatárérték-számítás
Függvéyhatárérték-számítás I Függvéyek véges helye vett véges határértéke I itervallumo, ha va olya k valós szám, melyre az I itervallumo, ha va olya K valós szám, melyre I itervallumo, ha alulról és felülről
Statisztika 1. zárthelyi dolgozat március 18.
Statisztika. zárthelyi dolgozat 009. március 8.. Ismeretle m várható értékű, szórású ormális eloszlásból a következő hatelemű mitát kaptuk:, 48 3, 3, 83 0,, 3, 97 a) Számítsuk ki a mitaközepet és a tapasztalati
(d) x 6 3x 2 2 = 0, (e) x + x 2 = 1 x, (f) 2x x 1 = 8, 2(x 1) a 1
. Bevezető. Oldja meg az alábbi egyeleteket: (a cos x + si x + cos x si x = (b π si x = x π 4 x 3π 4 cos x (c cos x + si x = si x (d x 6 3x = 0 (e x + x = x (f x + 5 + x = 8 (g x + + x + + x + x + =..
Az új építőipari termelőiár-index részletes módszertani leírása
Az új építőipari termelőiár-idex részletes módszertai leírása. Előzméyek Az elmúlt évekbe az építőipari árstatisztikába egy új, a korábba haszálatos költségalapú áridextől eltérő termelői ár alapú idexmutató
A szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai
05..04. szórások vizsgálata z F-próba Hogya foguk hozzá? Nullhipotézis: a két szórás azoos, az eltérés véletle (mitavétel). ullhipotézishez tartozik egy ú. F-eloszlás. Szabadsági fokok: számláló: - evező:
Edényrendezés. Futási idő: Tegyük fel, hogy m = n, ekkor: legjobb eset Θ(n), legrosszabb eset Θ(n 2 ), átlagos eset Θ(n).
Edényrendezés Tegyük fel, hogy a rendezendő H = {a 1,...,a n } halmaz elemei a [0,1) intervallumba eső valós számok. Vegyünk m db vödröt, V [0],...,V [m 1] és osszuk szét a rendezendő halmaz elemeit a
Algoritmuselmélet. Hashelés. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem
Algoritmuselmélet Hashelés Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 9. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet 9. előadás
Eötvös Loránd Tudományegyetem Informatikai Kar. Analízis 1. Írásbeli tételek. Készítette: Szántó Ádám Tavaszi félév
Eötvös Lorád Tudomáyegyetem Iformatikai Kar Aalízis. Írásbeli tételek Készítette: Szátó Ádám 20. Tavaszi félév . Archimedes tétele. Tétel: a > 0 és b R : N : b < a. Bizoyítás: Idirekt úto tegyük fel, hogy
Eötvös Loránd Tudományegyetem Informatikai Kar. Analízis 1. Írásbeli beugró kérdések. Készítette: Szántó Ádám Tavaszi félév
Eötvös Lorád Tudomáyegyetem Iformatikai Kar Aalízis 1. Írásbeli beugró kérdések Készítette: Szátó Ádám 2011. Tavaszi félév 1. Írja le a Dedekid-axiómát! Legyeek A R, B R. Ekkor ha a A és b B : a b, akkor
Kalkulus I. Első zárthelyi dolgozat 2014. szeptember 16. MINTA. és q = k 2. k 2. = k 1l 2 k 2 l 1. l 1 l 2. 5 2n 6n + 8
Név, Neptu-kód:.................................................................... 1. Legyeek p, q Q tetszőlegesek. Mutassuk meg, hogy ekkor p q Q. Tegyük fel, hogy p, q Q. Ekkor létezek olya k 1, k 2,
Eseme nyalgebra e s kombinatorika feladatok, megolda sok
Eseme yalgebra e s kombiatorika feladatok, megolda sok Szűk elméleti áttekitő Kombiatorika quick-guide: - db. elemből db. sorredjeire vagyuk kívácsiak: permutáció - db. elemből m < db. háyféleképp rakható
Kombinatorika. Variáció, permutáció, kombináció. Binomiális tétel, szita formula.
Kombiatorika Variáció, permutáció, kombiáció Biomiális tétel, szita formula 1 Kombiatorikai alapfeladatok A kombiatorikai alapfeladatok léyege az, hogy bizoyos elemeket sorba redezük, vagy éháyat kiválasztuk
Algoritmusok bonyolultsága
Algoritmusok bonyolultsága 9. előadás http://www.ms.sapientia.ro/~kasa/komplex.htm 1 / 18 Közelítő algoritmusok ládapakolás (bin packing) Adott n tárgy (s i tömeggel) és végtelen sok 1 kapacitású láda
Adatszerkezet - műveletek
Adatszerkezet - műveletek adatszerkezet létrehozása adat felvétele adat keresése adat módosítása adat törlése elemszám visszaadása minden adat törlése (üresít) adatszerkezet felszámolása (megszüntet) +
1. előadás. Lineáris algebra numerikus módszerei. Hibaszámítás Számábrázolás Kerekítés, levágás Klasszikus hibaanalízis Abszolút hiba Relatív hiba
Hibaforrások Hiba A feladatok megoldása során különféle hibaforrásokkal találkozunk: Modellhiba, amikor a valóságnak egy közelítését használjuk a feladat matematikai alakjának felírásához. (Pl. egy fizikai
Matematika B4 I. gyakorlat
Matematika B4 I. gyakorlat 2006. február 16. 1. Egy-dimeziós adatredszerek Va valamilye adatredszer (számsorozat), amelyről szereték kiszámoli bizoyos dolgokat. Az egyes értékeket jelöljük z i -vel, a
file:///d:/okt/ad/jegyzet/ad1/b+fa.html
1 / 5 2016. 11. 30. 12:58 B+ fák CSci 340: Database & Web systems Home Syllabus Readings Assignments Tests Links Computer Science Hendrix College Az alábbiakban Dr. Carl Burch B+-trees című Internetes
Példa 30 14, 22 55,
Piros-Fekete fák 0 Példa 14, 22 55, 77 0 14 55 22 77 Piros-Fekete fák A piros-fekete fa olyan bináris keresőfa, amelynek minden pontja egy extra bit információt tartalmaz, ez a pont színe, amelynek értékei:
f (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben
Propositio 1 (Jese-egyelőtleség Ha f : kovex, akkor tetszőleges ξ változóra f (M (ξ M (f (ξ feltéve, hogy az egyelőtleségbe szereplő véges vagy végtele várható értékek létezek Bizoyítás: Megjegyezzük,
2. gyakorlat - Hatványsorok és Taylor-sorok
. gyakorlat - Hatváysorok és Taylor-sorok 9. március 3.. Adjuk meg az itt szereplő sorok kovergeciasugarát és kovergeciaitervallumát! + a = + Azaz a hatváysor kovergeciasugara. Az biztos, hogy a (-,) yílt
1. Írd fel hatványalakban a következõ szorzatokat!
Számok és mûveletek Hatváyozás aaaa a a darab téyezõ a a 0 0 a,ha a 0. Írd fel hatváyalakba a következõ szorzatokat! a) b),,,, c) (0,6) (0,6) d) () () () e) f) g) b b b b b b b b h) (y) (y) (y) (y) (y)
A Verem absztrakt adattípus
A Verem absztrakt adattípus Értékhalmaz: E Verem = [a 1,...,a n : a i E,i = 1,...,n,] Műveletek: V : Verem, x : E {Igaz} Letesit(V) {V = []} {V = V } Megszuntet(V) {Igaz} {V = V } Uresit(V) {V = []} {V
VII. A határozatlan esetek kiküszöbölése
A határozatla esetek kiküszöbölése 9 VII A határozatla esetek kiküszöbölése 7 A l Hospital szabály A véges övekedések tétele alapjá egy függvéy értékét egy potba közelíthetjük az köryezetébe felvett valamely