Tentamen i EDAF05 Algoritmer, datastrukturer och komplexitet

Storlek: px
Starta visningen från sidan:

Download "Tentamen i EDAF05 Algoritmer, datastrukturer och komplexitet"

Transkript

1 Tentamen i EDAF05 Algoritmer, datastrukturer och komplexitet 7 juni 2019, 8-13 Du får svara på engelska, på svenska, auf Deutsch, или по-русски. Examinator: Jonas Skeppstedt 30 av 60p behövs för betyg 3. Instruktioner Ta med sig. Som hjälpmedel får du använda en bok om datavetenskap och en ordbok. Det är tillåtet att ha gjort anteckningar i dessa böcker, men inga andra papper är tillåtna. Du får inte använda elektroniska hjälpmedel såsom bärbar dator eller mobiltelefon. Om du verkligen vill kan du ta med en fickräknare men jag tror inte du har någon nytta av en sådan. Svara frågor. Några frågor är flervalsfrågor. Markera rutan med ett kryss. Om du ångrar dig, fyll i hela rutan och skriv svarets bokstav i den vänstra marginalen. Skriv tydligt eftersom jag inte rättar oläslig text (detta är speciellt viktigt om du svarar på ryska). Var noga med att vara entydig så att det inte går att missförstå vad du menar. Poängsättning. För frågorna med fri text får man mellan noll och maxpoängen på den frågan. Skriv helst korta svar. Man kan dock få minuspoäng på flervalsfrågorna. Varje flervalsfråga har exakt ett rätt svar. För att få högst poäng ska du markera detta, och endast detta svarsalternativ. Ifall du är osäker kan du dock markera fler alternativ (men få färre poäng) och om du inte alls är säker är det bäst att inte markera något alternativ. Om du markerar alla eller inget alternativ blir det noll poäng. Det sämsta man kan göra är att markera alla utom det korrekta alternativet. T.ex antag att en fråga är värd högst 2 poäng och har k = 4 svarsalternativ (varav ett är korrekt). Om du endast markerar det rätta alternativet får du 2 poäng. Om du markerar två alternativ varav ett är rätt får du 1 poäng. Om du markerar tre alternativ varav ett är rätt får du 0.41 poäng. Om du markerar inget eller alla alternativ får du noll poäng. Om du markerar ett alternativ, och det är fel, får du 0.67 poäng. Om du markerar två alternativ, och båda är fel, får du 1 poäng. Om du markerar tre alternativ, och alla är fel, får du 1.25 poäng. Som specialfall, för en ja/nej-fråga, får du 1, 0 eller 1 poäng, beroende på om ditt svar är rätt, blankt eller fel. Den exakta formeln är: om en fråga har k alternativ och du markerade a rutor, blir din poäng log(k/a) om du markerade rätt alternativ och a log(k/a)/(k a) om du bara markerade fel alternativ. Jag har viktat frågorna med avseende på hur relevanta de är (inte nödvändigtvis deras svårighet) och angivit högsta poäng vid varje fråga. Om du vill läsa mer om varför detta system är rimligt, läs Gudmund Skovbjerg Frandsen, Michael I. Schwartzbach: A singular choice for multiple choice. 38(4): (2006). T.ex blir det noll poäng i genomsnitt om du bara gissar. SIGCSE Bulletin 1

2 Transporter Mindre än en månad efter EU-valet i maj upptäcktes det att de nyvalda parlamentsledamöterna hade haft för lite fokus på miljöfrågor jämfört med deras fokus på andra mindre viktiga frågor. Detta ledde till nyval i juli i vilket Greta Thunbergs mycket populära parti vann mer än 70 % av parlamentsplatserna. En av hennes första beslut var att vidta åtgärder för att reducera CO 2 utsläpp orsakade av smutsiga transporter. Hennes förslag är helt enkelt att varje stad ska ersätta alla typer av transporter t till eller från sina grannar om t förorenar för mycket med rena transporter, genom att förbjuda de smutsiga. Därför vill hon få så många städer som möjligt att stödja hennes förslag. Hon upptäcker dock snabbt att alla städer hellre vill förorena luften och fortsätta som vanligt. Hennes strategi är därför att besöka städer och uppmuntra invånarna att stödja henne. Eftersom hon inte vill besöka alla städer och har begränsad tid börjar hon i Lund och ber studenter om hjälp med att skriva ett program för att välja städer att besöka (i vilken ordning som helst). Greta kommer sedan att besöka en stad varje helg (och åka tillbaka till Bryssel eller Strasbourg mellan besöken) tills alla transporter i EU är rena. Problem: Är det möjligt att få EU att endast använda rena transporter innan nästa val om n veckor under antagandet att hon besöker en stad varje vecka och efter hon besökt en stad kommer denna att stödja hennes förslag. Greta har en karta med alla vägar mellan städer. Example 1 Indata: Veckor till nästa val: 3 Städer: Utdata: ja Det ingår inte i svaret men om Greta besöker vilka tre städer som helst och vi antar att de ändrar sig kommer alla transporter att vara rena. Example 2 Indata: Veckor till nästa val: 2 Städer: Output: omöjligt 2

3 Städer För att hjälpa städer att förbättra luften lanserar Greta projektet hjälp din granne. Varje stad ska bli expert på ett av två kompetensområden, använda kunskapen i sin stad och sedan hjälpa grannstäder. Några städer ska fokusera på att rena luften med filter och kallas gula städer och andra ska minska utsläpp och kallas blåa städer. Problem: Givet en karta med vägar mellan städer, är det möjligt att tilldela varje stad antingen gul eller blå märkning utan att två grannstäder får samma färg? Exempel För båda indata till Transporter är svaret ja, men inte för indatan nedan. Indata: Städer: Utdata: omöjligt 3

4 Bussar Autonoma självkörande bussar skulle kunna vara ett bra alternativ att undersöka, sa Greta till sin minister för smart teknik. Sverige har redan minst pilotprojekt för detta, svarade ministern. Jag undrar hur många rader med säten sådana bussar borde ha? frågade Greta. Med för få är det onödigt och uppenbarligen ger vägkurvor och antalet intresserade resenärer en övre gräns. Ministern, skulle du vilja välja en lämplig stad och beräkna hur stora bussar det skulle vara bra att ha där sa Greta till ministern. OK,... svarade ministern och började genast planera. Jag ska be min stab i uppgift att beräkna effekten på miljön med olika busstorlekar. Naturligtvis måste bussarna vara bekväma så att folk kommer att använda dem... tänkte ministern. Efter några dagar kom ministern tillbaka och visade upp beräkningarna. Givet en tabell där rad i visar den förväntade positiva effekten på miljön om en buss har i rader med säten, och vi anslår totalt n rader med säten för projektet, kan vi skriva ett program för att ta reda på de bästa storlekarna att använda. Vad bra! Är du klar med programmet? frågade Greta. Snart, tror jag. Problem Givet en tabell med n rader, 1 n 1000, där varje rad i anger den förväntade positiva effekten på miljön som man får genom att tillverka en buss med i rader med säten, avgör vilka bussar som borde tillverkas för att få maximal nytta för miljön, givet att du har n rader med säten till förfogande. Exampel Indata: Totalt antal rader med säten: 5 antal rader med säten i en buss nytta Utdata: tillverka 1 buss med 2 rader och 1 buss med 3 rader för att få positiv effekt 9. Att istället tillverka en buss med 5 rader skulle bara ge positiv effekt 4. 4

5 Cykla Efter några månader i Strasbourg och Bryssel beräknade Greta vilken miljöpåverkan det har att flytta all personal mellan städerna varje månad och diskuterade med partikollegor hur de kunde använda resurserna som går åt för detta på ett bättre sätt eller om detta faktiskt är det bästa för världen (vilket de vid första åtanke misstänker att det inte är). För att få allmänheten engagerad i denna fråga bestämde de sig för att cykla från Bryssel till Strasbourg, vilket är ett avstånd på cirka 540 km på vägar lämpliga för detta. De bestämde sig för att alltid cykla söderut i meningen att om de är på en plats u kan de endast cykla till en plats v som är på en koordinat söder om u (men en del av en väg får mellan u och v får gå i nordlig riktning). Dessutom bestämde de sig för att cykla på olika vägar för att så många människor som möjligt ska se dem, och de vill vara så många som möjligt som cyklar. Det finns ingen gräns på hur många som kan komma till samma plats men de måste då använda olika vägar till och från denna plats. Hon vänder sig nu till sin nyutnämnde algoritmsakkunnige för att ta reda på vilka cykelplaner de ska göra. Problem: Gör en plan för att cykla från Bryssel till Strasbourg enligt reglerna ovan så att så många som möjligt kan vara med. Exempel Indata: En lista med platser med ett namn och en (x, y) koordinat (där högre värden på x betyder längre österut och högre värden på y betyder längre norrut). Den första raden är Bryssel (dvs. A) och den sista är Strasbourg (dvs. F), följt av vägar mellan platserna. Alla vägar är dubbelriktade. A: 4,5 B: 3,4 C: 3,2 D: 5,3 E: 6,2 F: 7,1 A -- B A -- E B -- C C -- D D -- E D -- F E -- F Utdata: 1 person En person som cyklar från A till B till C kommer inte att kunna fortsätta till D eftersom D är norr om C så bara en person som cyklar från A till E till F kommer att kunna nå F. 5

6 Stadssiluett För att använda solenergi mer effektivt kan vi sätta fast solpaneler inte bara på taken utan även på sidorna på byggnader, speciellt eftersom vi är långt ifrån ekvatorn sade Greta. Därför, för att effektivt kunna placera ut nya byggnader och deras paneler är det lämpligt att ha en ritning över alla nuvarande byggnader. Ministern för smarta teknologier kunde dock inte komma på hur en sådan skulle kunna göras och förvånad över detta bad Greta ministern att först försöka göra en enklare tvådimensionell ritning. OK, jag ska göra det svarade ministern. Figure 1: Denna figur innehåller mer komplicerade objekt än för detta problem men stadssiluetten är där svart och vitt möts. Problem: Givet en mängd byggnader, vilka från sidan alla ser ut som rektanglar, skapa en sekvens av linjesegment så att sekvensen visar stadssiluetten för alla byggnaderna. Varje byggnad är beskriven av sin lägre vänstra och sin övre högra koordinat, i två dimensioner. Två byggnader kan överlappa varandra, dvs, helt eller delvis skymma en annan byggnad. Indata består av rader med tre tal: den vänstra x-koordinaten, den högra x-koordinaten och den högra y-koordinaten. Den vänsta y-koordinaten är alltid noll. Så 1,2,3 betyder en rektangel som beskrivs av koordinaterna x = 1, y = 0 och x = 2, y = 3. Den högra x-koordinaten är alltid större än den vänstra x-koordinaten och den högra y-koordinaten är alltid större än noll. Exempel indata: 0,4,3 0,2,2 1,3,4 3,6,4 Exempel utdata: 0,0-0,3-1,3-1,4-2,4-2,3-3,3-3,4-6,4-6,0 6

7 Tentamensfrågor Pseudokod. Pseudokod är vanigtvis att föredra över källkod i något programspråk. Syftet är, så klart, att beskriva viktiga ideer så enkelt som möjligt. Skriv inte kod som parsar indata utan säg istället, t.ex. lägg varje ord från indata i ett fält (om du vill göra det). Algoritmanalys 1. Låt f (n) = 2 n. Sant eller falskt? (a) (2p) f (n) = O(2 2n ) A sant B falskt 2. Låt f (n) = 2 n+1. Sant eller falskt? (a) (2p) f (n) = O(2 n ) A sant B falskt 3. Låt f (n) = 2 2n. Sant eller falskt? (a) (2p) f (n) = O(2 n ) A sant B falskt 4. En fördel med Hollow heaps över vanliga fältbaserade heapar är att man kan sätta in ett nytt element på konstant värstafallstid i en Hollow heap. Sant eller falskt? (a) (1p) A sant B falskt 5. Betrakta funktionen pow, som beräknar a n för n 0. int pow(int a, int n) { if (n == 0) return 1; else if (n % 2 == 0) return pow(a, n/2) * pow(a, n/2); else return a * pow(a, n/2) * pow(a, n/2); } (a) (3p) Tidskomplexiteten för pow är välj den minsta korrekta uppskattningen. A O(log n) B O(n) C O(n log n) C O(n 2 ) 7

8 6. Grafsökning. Ett av problemen är lämpligt att lösa med enkel grafsökning. (a) (4p) Vilket? (b) (3p) Motivera ditt svar. 7. Söndra-och-härska. Ett av problemen är lämpligt att lösa med hjälp av söndra-och-härska. (a) (4p) Vilket? (b) (2p) Förklara kortfattat, i en mening och ingen kod, en enkel algoritm med tidskomplexiteten O(n 2 ) som löser problemet. (c) (4p) Förklara kortfattat, i en mening och ingen kod, en snabbare algoritm som löser problemet. Motivera varför denna algoritm är snabbare än O(n 2 ) algoritmen och ange dess tidskomplexitet. 8. Dynamisk programmering. Ett av problemen är lämpligt att lösa med dynamisk programmering. (a) (4p) Vilket? (b) (7p) Beskriv din lösning i pseudokod. (c) (4p) Vad är tidskomplexiteten för din lösning? 9. Nätverksflöde. Ett av problemen är lämpligt att lösa genom en reduktion till nätverksflöde. (a) (4p) Vilket? (b) (4p) Förklara hur och visa med ett exempel. 10. Beräkningskomplexitet. Ett av problemen är NP-fullständigt 1. (a) (4p) Vilket? Kalla det P 1. (b) (2p) Det enklaste sättet att se det är att reducera från P 2 där P 2 är A k-färgning B 3-SAT C Hamiltonsk cykel D Nodövertäckning E Oberoende mängder (c) (1p) och visa: A P 1 P P 2 B P 2 P P 1 (d) (3p) Visa reduktionen på ett separat papper. Gör det både i det generella fallet och för ett litet men komplett exempel. Var speciellt noga med vilken instans som är given och vilken instans som konstrueras av reduktionen, parametrarna för instansen du skapar (t.ex antal noder, kanter, mängder eller färger) i termer av parametrarna för den ursprungliga instansen, vad en lösning i den skapade instansen betyder i termer av den ursprungliga instansen, osv. Börja ditt svar med orden Givet en instans av problemet..., Njut av sommaren! 1 Om P = NP så är alla problemen i tentan NP-fullständiga. Så för att undvika hypotetiskt korrekta men onödiga svar, antar denna fråga att P NP. 8

9 Noter och felaktigheter Jag har uppenbarligen ingen aning om Greta Thunbergs synpunkter på någonting i denna tenta. Också uppenbart har denna tenta inga politiska budskap. 9

Algoritmer, datastrukturer och komplexitet

Algoritmer, datastrukturer och komplexitet Algoritmer, datastrukturer och komplexitet Övning 12 Anton Grensjö grensjo@csc.kth.se 10 december 2015 Anton Grensjö ADK Övning 12 10 december 2015 1 / 19 Idag Idag Komplexitetsklasser Blandade uppgifter

Läs mer

Föreläsning 1. Introduktion. Vad är en algoritm?

Föreläsning 1. Introduktion. Vad är en algoritm? Några exempel på algoritmer. Föreläsning 1. Introduktion Vad är en algoritm? 1. Häll 1 dl havregryn och ett kryddmått salt i 2 1 2 dl kallt vatten. Koka upp och kocka gröten ca 3minuter. Rör om då och

Läs mer

Algoritmer, datastrukturer och komplexitet

Algoritmer, datastrukturer och komplexitet Algoritmer, datastrukturer och komplexitet Övning 10 Anton Grensjö grensjo@csc.kth.se 9 november 2017 1 Idag En konstruktionsreduktion Fler bevis av NP-fullständighet 2 Teori Repetition Ett problem tillhör

Läs mer

Introduktion till algoritmer - Lektion 4 Matematikgymnasiet, Läsåret 2014-2015. Lektion 4

Introduktion till algoritmer - Lektion 4 Matematikgymnasiet, Läsåret 2014-2015. Lektion 4 Introduktion till algoritmer - Lektion 4 Matematikgymnasiet, Läsåret 014-015 Denna lektion ska vi studera rekursion. Lektion 4 Principen om induktion Principen om induktion är ett vanligt sätt att bevisa

Läs mer

Algoritmer, datastrukturer och komplexitet

Algoritmer, datastrukturer och komplexitet Algoritmer, datastrukturer och komplexitet Övning 10 Anton Grensjö grensjo@csc.kth.se 18 november 2015 Anton Grensjö ADK Övning 10 18 november 2015 1 / 20 Översikt Kursplanering Ö9: NP-fullständighetsbevis

Läs mer

Tentamen Datastrukturer för D2 DAT 035

Tentamen Datastrukturer för D2 DAT 035 Tentamen Datastrukturer för D2 DAT 035 17 december 2005 Tid: 8.30-12.30 Ansvarig: Peter Dybjer, tel 7721035 eller 405836 Max poäng på tentamen: 60. (Bonuspoäng från övningarna tillkommer.) Betygsgränser:

Läs mer

Komplexitetsklasser och repetition

Komplexitetsklasser och repetition Algoritmer, datastrukturer och komplexitet, hösten 2016 Uppgifter till övning 12 Komplexitetsklasser och repetition Uppgifter på komplexitetsklasser co-np-fullständighet Ett diskret tekniskt diagnosproblem

Läs mer

Föreläsning 5: Giriga algoritmer. Kruskals och Prims algoritmer

Föreläsning 5: Giriga algoritmer. Kruskals och Prims algoritmer Föreläsning 5: Giriga algoritmer Kruskals och Prims algoritmer Spännande träd: Om G är en sammanhängande graf så är ett spännande träd ett träd som innehåller alla noder i V (G). Viantarattviharkantvikterw(e)

Läs mer

Föreläsning 5: Giriga algoritmer. Kruskals och Prims algoritmer

Föreläsning 5: Giriga algoritmer. Kruskals och Prims algoritmer Föreläsning 5: Giriga algoritmer Kruskals och Prims algoritmer Spännande träd: Om G är en sammanhängande graf så är ett spännande träd ett träd som innehåller alla noder i V (G). Viantarattviharkantvikterw(e)

Läs mer

Algoritmer, datastrukturer och komplexitet

Algoritmer, datastrukturer och komplexitet Algoritmer, datastrukturer och komplexitet Övning 6 Anton Grensjö grensjo@csc.kth.se 9 oktober 2015 Anton Grensjö ADK Övning 6 9 oktober 2015 1 / 23 Översikt Kursplanering Ö5: Grafalgoritmer och undre

Läs mer

Algoritmer, datastrukturer och komplexitet

Algoritmer, datastrukturer och komplexitet Algoritmer, datastrukturer och komplexitet Övning 9 Anton Grensjö grensjo@csc.kth.se 9 november 2017 1 Idag Bevis av NP-fullständighet Labbteoriredovisning inför labb 4 2 Teori Teori När vi talar om NP-fullständighet

Läs mer

Algoritmer, datastrukturer och komplexitet

Algoritmer, datastrukturer och komplexitet Algoritmer, datastrukturer och komplexitet Övning 6 Anton Grensjö grensjo@csc.kth.se 4 oktober 2017 1 Idag Algoritmkonstruktion (lite blandat) Redovisning och inlämning av labbteori 3 2 Uppgifter Uppgift

Läs mer

Tentamen Datastrukturer D DAT 035/INN960

Tentamen Datastrukturer D DAT 035/INN960 Tentamen Datastrukturer D DAT 035/INN960 22 december 2006 Tid: 8.30-12.30 Ansvarig: Peter Dybjer, tel 7721035 eller 405836 Max poäng på tentamen: 60. (Bonuspoäng från övningarna tillkommer.) Betygsgränser,

Läs mer

Tentamen Datastrukturer (DAT037)

Tentamen Datastrukturer (DAT037) Tentamen Datastrukturer (DAT07) Datum och tid för tentamen: 2016-01-09, 14:00 18:00. Ansvarig: Nils Anders Danielsson. Nås på 0700 620 602 eller anknytning 1680. Besöker tentamenssalarna ca 15:00 och ca

Läs mer

Tentamen Datastrukturer (DAT036)

Tentamen Datastrukturer (DAT036) Tentamen Datastrukturer (DAT036) Det här är inte originaltesen. Uppgift 6 var felaktigt formulerad, och har rättats till. Datum och tid för tentamen: 2011-12-16, 8:30 12:30. Ansvarig: Nils Anders Danielsson.

Läs mer

Programmering II (ID1019) :00-11:00

Programmering II (ID1019) :00-11:00 ID1019 Johan Montelius Programmering II (ID1019) 2015-06-11 08:00-11:00 Instruktioner Du får inte ha något materiel med dig förutom skrivmateriel. Mobiler etc, skall lämnas till tentamensvakten. Svaren

Läs mer

Föreläsning 9: Turingmaskiner och oavgörbarhet. Turingmaskinen. Den maximalt förenklade modell för beräkning vi kommer använda är turingmaskinen.

Föreläsning 9: Turingmaskiner och oavgörbarhet. Turingmaskinen. Den maximalt förenklade modell för beräkning vi kommer använda är turingmaskinen. Föreläsning 9: Turingmaskiner och oavgörbarhet Turingmaskinen Den maximalt förenklade modell för beräkning vi kommer använda är turingmaskinen. Data är ett oändligt långt band där nollor och ettor står

Läs mer

Algoritmer, datastrukturer och komplexitet

Algoritmer, datastrukturer och komplexitet Algoritmer, datastrukturer och komplexitet Övning 8 Anton Grensjö grensjo@csc.kth.se 12 november 2015 Anton Grensjö ADK Övning 8 12 november 2015 1 / 21 Översikt Kursplanering Ö8: Mästarprov 1, oavgörbarhet

Läs mer

Tentamen Datastrukturer, DAT037 (DAT036)

Tentamen Datastrukturer, DAT037 (DAT036) Tentamen Datastrukturer, DAT037 (DAT036) Datum och tid för tentamen: 2017-01-11, 14:00 18:00. Ansvarig: Fredrik Lindblad. Nås på tel nr. 031-772 2038. Besöker tentamenssalarna ca 15:00 och ca 17:00. Godkända

Läs mer

Tentamen Datastrukturer (DAT036)

Tentamen Datastrukturer (DAT036) Tentamen Datastrukturer (DAT036) Datum och tid för tentamen: 2014-04-25, 14:00 18:00. Författare: Nils Anders Danielsson. Ansvarig: Nils Anders Danielsson. Nås på 0700 620 602 eller anknytning 1680. Besöker

Läs mer

Instruktioner - Datortentamen TDDD73 Funktionell och imperativ programmering i Python

Instruktioner - Datortentamen TDDD73 Funktionell och imperativ programmering i Python Instruktioner - Datortentamen TDDD73 Funktionell och imperativ programmering i Python Hjälpmedel Följande hjälpmedel är tillåtna: Exakt en valfri bok, t.ex. den rekommenderade kursboken. Boken får ha anteckningar,

Läs mer

Instruktioner - Datortentamen TDDD73 Funktionell och imperativ programmering i Python TDDE24 Funktionell och imperativ programmering del 2

Instruktioner - Datortentamen TDDD73 Funktionell och imperativ programmering i Python TDDE24 Funktionell och imperativ programmering del 2 Instruktioner - Datortentamen TDDD73 Funktionell och imperativ programmering i Python TDDE24 Funktionell och imperativ programmering del 2 Hjälpmedel Följande hjälpmedel är tillåtna: Exakt en valfri bok,

Läs mer

Turingmaskiner och oavgörbarhet. Turingmaskinen. Den maximalt förenklade modell för beräkning vi kommer använda är turingmaskinen.

Turingmaskiner och oavgörbarhet. Turingmaskinen. Den maximalt förenklade modell för beräkning vi kommer använda är turingmaskinen. Turingmaskiner och oavgörbarhet Turingmaskinen Den maximalt förenklade modell för beräkning vi kommer använda är turingmaskinen. Data är ett oändligt långt band där nollor och ettor står skrivna: Oändligt

Läs mer

Föreläsning 9: NP-fullständighet

Föreläsning 9: NP-fullständighet Föreläsning 9: NP-fullständighet Olika typer av problem: 1. Beslutsproblem: A(x) =Ja. 2. Optimeringsproblem: A(x) =m Vanligen max/min. 3. Konstruktionsproblem: A(x) =En struktur. Vanligen lösningen till

Läs mer

Tentamen i Algoritmer & Datastrukturer i Java

Tentamen i Algoritmer & Datastrukturer i Java Tentamen i Algoritmer & Datastrukturer i Java Hjälpmedel: Skrivhjälpmedel, miniräknare. Ort / Datum: Halmstad / 2008-05-27 Skrivtid: 4 timmar Kontakt person: Nicolina Månsson, tel. 035-167487 Poäng / Betyg:

Läs mer

Tentamen Datastrukturer, DAT037 (DAT036)

Tentamen Datastrukturer, DAT037 (DAT036) Tentamen Datastrukturer, DAT037 (DAT036) Datum, tid och plats för tentamen: 2017-08-17, 8:30 12:30, M. Ansvarig: Fredrik Lindblad. Nås på tel nr. 031-772 2038. Besöker tentamenssalarna ca 9:30 och ca 11:00.

Läs mer

Instruktioner - Datortentamen TDDE24 och TDDD73 Funktionell och imperativ programmering (i Python)

Instruktioner - Datortentamen TDDE24 och TDDD73 Funktionell och imperativ programmering (i Python) Instruktioner - Datortentamen TDDE24 och TDDD73 Funktionell och imperativ programmering (i Python) Hjälpmedel Följande hjälpmedel är tillåtna: Exakt en valfri bok, t.ex. den rekommenderade kursboken. Boken

Läs mer

Tentamen Grundläggande programmering

Tentamen Grundläggande programmering Akademin för Innovation Design och Teknik Tentamen Grundläggande programmering Kurskod: DVA103 Datum 2012-06-11 Tid 14.10 16.30 Examinator: Lars Asplund Maxpoäng: 48 Betygsgränser: Betyg 3: 20 Betyg 4:

Läs mer

Prov i DAT 312: Algoritmer och datastrukturer för systemvetare

Prov i DAT 312: Algoritmer och datastrukturer för systemvetare Prov i DAT 312: Algoritmer och datastrukturer för systemvetare Jacek Malec Datavetenskap, LU 11 april 2003 Datum 11 april 2003 Tid 14 19 Ansvarig lärare Jacek Malec (tel. 03 9890431) Hjälpmedel inga Antal

Läs mer

Lösningar Datastrukturer TDA

Lösningar Datastrukturer TDA Lösningar Datastrukturer TDA416 2016 12 21 roblem 1. roblem 2. a) Falskt. Urvalssortering gör alltid samma mängd av jobb. b) Sant. Genom att ha en referens till sista och första elementet, kan man nå både

Läs mer

Det är principer och idéer som är viktiga. Skriv så att du övertygar examinatorn om att du har förstått dessa även om detaljer kan vara felaktiga.

Det är principer och idéer som är viktiga. Skriv så att du övertygar examinatorn om att du har förstått dessa även om detaljer kan vara felaktiga. Tentamen Programmeringsteknik I 2011-03-17 Skrivtid: 1400-1700 Hjälpmedel: Java-bok Tänk på följande Skriv läsligt! Använd inte rödpenna! Skriv bara på framsidan av varje papper. Börja alltid ny uppgift

Läs mer

Dugga Datastrukturer (DAT036)

Dugga Datastrukturer (DAT036) Dugga Datastrukturer (DAT036) Duggans datum: 2012-11-21. Författare: Nils Anders Danielsson. För att en uppgift ska räknas som löst så måste en i princip helt korrekt lösning lämnas in. Enstaka mindre

Läs mer

Föreläsning 5: Grafer Del 1

Föreläsning 5: Grafer Del 1 2D1458, Problemlösning och programmering under press Föreläsning 5: Grafer Del 1 Datum: 2006-10-02 Skribent(er): Henrik Sjögren, Patrik Glas Föreläsare: Gunnar Kreitz Den här föreläsningen var den första

Läs mer

Föreläsningsanteckningar F6

Föreläsningsanteckningar F6 Föreläsningsanteckningar F6 Martin Andersson & Patrik Falkman Kortaste vägen mellan en nod och alla andra noder Detta problem innebär att givet en graf G = (E,V) hitta den kortaste vägen över E från en

Läs mer

Tentamen: Programutveckling ht 2015

Tentamen: Programutveckling ht 2015 Tentamen: Programutveckling ht 2015 Datum: 2015-11-04 Tid: 09:00-13:00 Sal: Ansvarig: Resultat: Hjälpmedel: Maxpoäng: Betygsgränser: Anslås inom 3 veckor. Inga 40 p 20 p för G, 32 p för VG. Iakttag följande:

Läs mer

Tentamen i Objektorienterad modellering och design Helsingborg

Tentamen i Objektorienterad modellering och design Helsingborg Lunds Tekniska Högskola Datavetenskap Emelie Engström Tentamen EDAF25 2016 10-26, 08:00 13:00 Tentamen i Objektorienterad modellering och design Helsingborg Tentamen består av en teoridel om totalt 5 poäng

Läs mer

Tentamen Datastrukturer (DAT036/DAT037/DIT960)

Tentamen Datastrukturer (DAT036/DAT037/DIT960) Tentamen Datastrukturer (DAT036/DAT037/DIT960) Datum och tid för tentamen: 2016-04-07, 14:00 18:00. Författare: Nils Anders Danielsson. (Tack till Per Hallgren och Nick Smallbone för feedback.) Ansvarig:

Läs mer

Algoritmer, datastrukturer och komplexitet

Algoritmer, datastrukturer och komplexitet Algoritmer, datastrukturer och komplexitet Övningsmästarprovsövning 2 Anton Grensjö grensjo@csc.kth.se 20 november 2017 1 Dagordning 1. Genomgång av uppgiftens lösning 2. Genomgång av bedömningskriterier

Läs mer

Föreläsning 1. Introduktion och sökning i graf. Vad är en algoritm?

Föreläsning 1. Introduktion och sökning i graf. Vad är en algoritm? Föreläsning 1. Introduktion och sökning i graf Vad är en algoritm? Först: Vad är ett problem? Består av indata och ett mål. Indata: [En beskrivning av en struktur.] Mål: [Kan vara Ja/Nej, ett tal eller

Läs mer

Omtentamen (del 1, 6 högskolepoäng) i Programkonstruktion och datastrukturer (1DL201)

Omtentamen (del 1, 6 högskolepoäng) i Programkonstruktion och datastrukturer (1DL201) Omtentamen (del 1, 6 högskolepoäng) i Programkonstruktion och datastrukturer (1DL201) Lars-Henrik Eriksson Fredag 5 april 2013, kl 14:00 17:00, i Polacksbackens skrivsal Hjälpmedel: Inga. Inte heller elektronisk

Läs mer

Föreläsning 4: Giriga algoritmer. Giriga algoritmer

Föreläsning 4: Giriga algoritmer. Giriga algoritmer Föreläsning 4: Giriga algoritmer Giriga algoritmer Denna typ av algoritmer arbetar efter följande princip: Gör i varje situation det som är lokalt optimalt, d.v.s. bäst för stunden. Några exempel vi redan

Läs mer

OBJEKTORIENTERAD PROGRAMVARUUTVECKLING. Övningstentamen 1

OBJEKTORIENTERAD PROGRAMVARUUTVECKLING. Övningstentamen 1 Institutionen för Data- och informationsteknik JSk TENTAMEN OBJEKTORIENTERAD PROGRAMVARUUTVECKLING Övningstentamen 1 OBS! Det kan finnas kurser med samma eller liknande namn på olika utbildningslinjer.

Läs mer

Frågan om P=NP? Är P=NP? Bakgrund. "Snabb lösning"?!

Frågan om P=NP? Är P=NP? Bakgrund. Snabb lösning?! Frågan om P=NP? Är P=NP? Institutionen för system- och rymdteknik Luleå tekniska universitet Luleå, Sverige Kan varje [beräknings-] problem vars lösning kan verifieras snabbt av en dator även lösas snabbt

Läs mer

REGIONSEMIFINAL 2019 LAGEN

REGIONSEMIFINAL 2019 LAGEN REGIONSEMIFINAL 2019 LAGEN 1. Livets historia Ni får 6 lappar där det står några händelser i jordens/livets utveckling på. Häng upp lapparna på linan i rätt tidsordning med den tidigaste händelsen till

Läs mer

Algoritmer, datastrukturer och komplexitet

Algoritmer, datastrukturer och komplexitet Algoritmer, datastrukturer och komplexitet Övning 7 Anton Grensjö grensjo@csc.kth.se 14 oktober 2015 Anton Grensjö ADK Övning 7 14 oktober 2015 1 / 28 Översikt Kursplanering Ö6: Algoritmkonstruktion F19:

Läs mer

Datastrukturer och algoritmer. Föreläsning 15 Inför tentamen

Datastrukturer och algoritmer. Föreläsning 15 Inför tentamen Datastrukturer och algoritmer Föreläsning 15 Inför tentamen 1 Innehåll Kursvärdering Vi behöver granskare! Repetition Genomgång av gammal tenta 2 Första föreläsningen: målsättningar Alla ska höja sig ett

Läs mer

Algoritmer, datastrukturer och komplexitet

Algoritmer, datastrukturer och komplexitet Algoritmer, datastrukturer och komplexitet Övning 1 Anton Grensjö grensjo@csc.kth.se 14 september 2015 Anton Grensjö ADK Övning 1 14 september 2015 1 / 22 Översikt Kursplanering F1: Introduktion, algoritmanalys

Läs mer

Bedömningsmall för kontrollskrivning EDAA45 Programmering, grundkurs

Bedömningsmall för kontrollskrivning EDAA45 Programmering, grundkurs LUNDS TEKNISKA HÖGSKOLA Institutionen för datavetenskap Bedömningsmall för kontrollskrivning EDAA45 Programmering, grundkurs 2016-10-25, 14:00-19:00, Kårhusets Gasquesal Hjälpmedel: Snabbreferenser för

Läs mer

kl Tentaupplägg

kl Tentaupplägg Tentaupplägg TIPS 1: Läs igenom ALLA uppgifterna. Välj den du känner är lättast först. Det kan gärna ta 10-20 minuter. Försök skriva saker som kan vara problem i uppgifterna. Är det något du absolut kommer

Läs mer

Bakgrund och motivation. Definition av algoritmer Beskrivningssätt Algoritmanalys. Algoritmer. Lars Larsson VT 2007. Lars Larsson Algoritmer 1

Bakgrund och motivation. Definition av algoritmer Beskrivningssätt Algoritmanalys. Algoritmer. Lars Larsson VT 2007. Lars Larsson Algoritmer 1 Algoritmer Lars Larsson VT 2007 Lars Larsson Algoritmer 1 1 2 3 4 5 Lars Larsson Algoritmer 2 Ni som går denna kurs är framtidens projektledare inom mjukvaruutveckling. Som ledare måste ni göra svåra beslut

Läs mer

TDP Regler

TDP Regler Regler Student får lämna salen tidigast en timme efter tentans start. Vid toalettbesök eller rökpaus ska pauslista utanför salen fyllas i. All form av kontakt mellan studenter under tentans gång är strängt

Läs mer

Pangea Matematiktävling FRÅGEKATALOG. Första omgång 2016 Årskurs 9

Pangea Matematiktävling FRÅGEKATALOG. Första omgång 2016 Årskurs 9 Pangea Matematiktävling FRÅGEKATALOG Första omgång 2016 Årskurs 9 Pangea Regler & Instruktioner Svarsblankett - Vänligen fyll i förnamn, efternamn och årskurs på svarsblanketten. -Vi rekommenderar deltagarna

Läs mer

Tentamen Datastrukturer (DAT036)

Tentamen Datastrukturer (DAT036) Tentamen Datastrukturer (DAT036) Datum och tid för tentamen: 2013-12-16, 14:00 18:00. Ansvarig: Nils Anders Danielsson. Nås på 0700 620 602 eller anknytning 1680. Besöker tentamenssalarna ca 15:00 och

Läs mer

Föreläsning 12+13: Approximationsalgoritmer

Föreläsning 12+13: Approximationsalgoritmer Föreläsning 12+13: Approximationsalgoritmer Många av de NP-fullständiga problemen är från början optimeringsproblem: TSP, Graph Coloring, Vertex Cover etc. Man tror att P NP och att det alltså inte går

Läs mer

Översikt. Stegvis förfining. Stegvis förfining. Dekomposition. Algoritmer. Metod för att skapa ett program från ett analyserat problem

Översikt. Stegvis förfining. Stegvis förfining. Dekomposition. Algoritmer. Metod för att skapa ett program från ett analyserat problem Översikt Stegvis förfining Pseudokod Flödesdiagram Dekomposition KISS-regeln Procedurell dekomposition DRY-regeln Algoritmer Sortering och sökning Stegvis förfining Metod för att skapa ett program från

Läs mer

Tentamen TEN1 HI

Tentamen TEN1 HI Tentamen TEN1 HI1029 2015-03-17 Skrivtid: 8.15-13.00 Hjälpmedel: Referensblad (utdelas), papper (tomma), penna Logga in med tentamenskontot ni får av skrivvakten. Det kommer att ta tid att logga in ha

Läs mer

Övningsmästarprov 2 + några NP-reduktioner. Algoritmer, datastrukturer och komplexitet

Övningsmästarprov 2 + några NP-reduktioner. Algoritmer, datastrukturer och komplexitet Övningsmästarprov 2 + några NP-reduktioner Algoritmer, datastrukturer och komplexitet Idag Första timmen: övningsmästarprov 2 Andra timmen: NP-reduktioner Uppgiftsbeskrivning Låt oss ta bort kravet på

Läs mer

Föreläsning 9 Datastrukturer (DAT037)

Föreläsning 9 Datastrukturer (DAT037) Föreläsning Datastrukturer (DAT07) Fredrik Lindblad 27 november 207 Slides skapade av Nils Anders Danielsson har använts som utgångspunkt Se http://wwwcsechalmersse/edu/year/20/course/dat07 Innehåll 2

Läs mer

Tentamen. 2D4135 vt 2004 Objektorienterad programmering, design och analys med Java Torsdagen den 3 juni 2004 kl 9.00 14.

Tentamen. 2D4135 vt 2004 Objektorienterad programmering, design och analys med Java Torsdagen den 3 juni 2004 kl 9.00 14. Tentamen 2D4135 vt 2004 Objektorienterad programmering, design och analys med Java Torsdagen den 3 juni 2004 kl 9.00 14.00, sal D31 Tentan har en teoridel och en problemdel. På teoridelen är inga hjälpmedel

Läs mer

HI1024, Programmering, grundkurs, 8hp KTH STH TENTAMEN. HI1024:TEN2 - Praktisk tentamen Tid: Fredagen den 21 oktober 2011,

HI1024, Programmering, grundkurs, 8hp KTH STH TENTAMEN. HI1024:TEN2 - Praktisk tentamen Tid: Fredagen den 21 oktober 2011, KTH STH TENTAMEN HI1024:TEN2 - Praktisk tentamen Tid: Fredagen den 21 oktober 2011, 8.15-13.15 Gamla kurskoder: HI1900, 6E2950, etc. Examinator: Johnny Panrike Rättande lärare: Nicklas Brandefelt, Johnny

Läs mer

Lösning till tentamensskrivning i Diskret Matematik för CINTE, CL2 och Media 1, SF1610 och 5B1118, onsdagen den 17 augusti 2011, kl

Lösning till tentamensskrivning i Diskret Matematik för CINTE, CL2 och Media 1, SF1610 och 5B1118, onsdagen den 17 augusti 2011, kl Matematiska Institutionen KTH Lösning till tentamensskrivning i Diskret Matematik för CINTE, CL och Media, SF60 och 5B8, onsdagen den 7 augusti 0, kl 4.00-9.00. Examinator: Olof Heden Hjälpmedel: Inga

Läs mer

Tentamen, EDA501/EDAA20 Programmering M MD W BK L

Tentamen, EDA501/EDAA20 Programmering M MD W BK L LUNDS TEKNISKA HÖGSKOLA 1(6) Institutionen för datavetenskap Tentamen, EDA501/EDAA20 Programmering M MD W BK L 2017 05 31, 8.00 13.00 Anvisningar: Preliminärt ger uppgifterna 9 + 12 + 10 + 9 = 40 poäng.

Läs mer

Algoritmer och datastrukturer H I HÅKAN S T R Ö M B E R G N I C K L A S B R A N D E F E L T

Algoritmer och datastrukturer H I HÅKAN S T R Ö M B E R G N I C K L A S B R A N D E F E L T Algoritmer och datastrukturer H I 1 0 2 9 HÅKAN S T R Ö M B E R G N I C K L A S B R A N D E F E L T Föreläsning 1 Inledande om algoritmer Rekursion Stacken vid rekursion Rekursion iteration Möjliga vägar

Läs mer

SP:PROG3 HT12 Tenta 2013-01-19

SP:PROG3 HT12 Tenta 2013-01-19 DSV SU/KTH sid 1 (5) SP:PROG3 SP:PROG3 HT12 Tenta 2013-01-19 Tentan består av tre uppgifter. Max poäng är 30. För betyget E (godkänd) krävs minst 18 poäng och minst en poäng på varje uppgift. Betygskriteria

Läs mer

Föreläsning 5 Innehåll

Föreläsning 5 Innehåll Föreläsning 5 Innehåll Algoritmer och effektivitet Att bedöma och jämföra effektivitet för algoritmer Begreppet tidskomplexitet Datavetenskap (LTH) Föreläsning 5 VT 2019 1 / 39 Val av algoritm och datastruktur

Läs mer

Asymptotisk komplexitetsanalys

Asymptotisk komplexitetsanalys 1 Asymptotisk komplexitetsanalys 2 Lars Larsson 3 4 VT 2007 5 Lars Larsson Asymptotisk komplexitetsanalys 1 Lars Larsson Asymptotisk komplexitetsanalys 2 et med denna föreläsning är att studenterna skall:

Läs mer

Programmering II (ID1019) :00-12:00

Programmering II (ID1019) :00-12:00 ID1019 Johan Montelius Programmering II (ID1019) 2015-03-13 09:00-12:00 Instruktioner Du får inte ha något materiel med dig förutom skrivmateriel. Mobiler etc, skall lämnas till tentamensvakten. Svaren

Läs mer

Tentamen Datastrukturer (DAT036)

Tentamen Datastrukturer (DAT036) Tentamen Datastrukturer (DAT036) Datum och tid för tentamen: 2012-08-24, 8:30 12:30. Ansvarig: Nils Anders Danielsson. Nås på 0700 620 602 eller anknytning 1680. Besöker tentamenssalarna ca 9:30 och ca

Läs mer

Algoritmer, datastrukturer och komplexitet

Algoritmer, datastrukturer och komplexitet Algoritmer, datastrukturer och komplexitet Övning 4 Anton Grensjö grensjo@csc.kth.se 25 september 215 Anton Grensjö ADK Övning 4 25 september 215 1 / 28 Översikt Kursplanering F9: Dynamisk programmering

Läs mer

ENKEL Programmering 3

ENKEL Programmering 3 ENKEL Programmering 3 Figurer i långa rader Titta på de olika figurerna i de olika raderna. Kan du se att de olika figurerna i varje rad är placerade enligt ett visst mönster? Kan du lista ut vilken figur

Läs mer

Sökning och sortering

Sökning och sortering Sökning och sortering Programmering för språkteknologer 2 Sara Stymne 2013-09-16 Idag Sökning Analys av algoritmer komplexitet Sortering Vad är sökning? Sökning innebär att hitta ett värde i en samling

Läs mer

Regler. Betygssättning

Regler. Betygssättning Regler Student får lämna salen tidigast en timme efter tentans start. Vid toalettbesök eller rökpaus ska pauslista utanför salen fyllas i. All form av kontakt mellan studenter under tentans gång är strängt

Läs mer

Bedömning av kontrollskrivning, EDA016 Programmeringsteknik

Bedömning av kontrollskrivning, EDA016 Programmeringsteknik LUNDS TEKNISKA HÖGSKOLA Institutionen för datavetenskap Bedömning av kontrollskrivning, EDA016 Programmeringsteknik 2015-10-27 Instruktioner Maxpoäng per uppgift Med en icke-tom rad menas en kodrad som

Läs mer

Tentamen i. Programmering i språket C

Tentamen i. Programmering i språket C 1 of 6 Örebro universitet Akademin för naturvetenskap och teknik Thomas Padron-McCarthy (thomas.padron-mccarthy@oru.se) Tentamen i Programmering i språket C för D1 m fl, även distanskursen lördag 25 februari

Läs mer

Lösningsförslag för tentamen i Datastrukturer (DAT037) från

Lösningsförslag för tentamen i Datastrukturer (DAT037) från Lösningsförslag för tentamen i Datastrukturer (DAT7) från --9 Nils Anders Danielsson. Träd- och köoperationerna har alla tidskomplexiteten O(log s), där s är antalet element i trädet/kön (notera att jämförelser

Läs mer

Tentamen med lösningsförslag Datastrukturer för D2 DAT 035

Tentamen med lösningsförslag Datastrukturer för D2 DAT 035 Tentamen med lösningsförslag Datastrukturer för D2 DAT 035 17 december 2005 Tid: 8.30-12.30 Ansvarig: Peter Dybjer, tel 7721035 eller 405836 Max poäng på tentamen: 60. (Bonuspoäng från övningarna tillkommer.)

Läs mer

TDDC30. Objektorienterad programmering i Java, datastrukturer och algoritmer. Föreläsning 5 Jonas Lindgren, Institutionen för Datavetenskap, LiU

TDDC30. Objektorienterad programmering i Java, datastrukturer och algoritmer. Föreläsning 5 Jonas Lindgren, Institutionen för Datavetenskap, LiU TDDC30 Objektorienterad programmering i Java, datastrukturer och algoritmer. Föreläsning 5 Jonas Lindgren, Institutionen för Datavetenskap, LiU På denna föreläsning: Algoritmanalys Tidskomplexitet, Rumskomplexitet

Läs mer

Tentamen i Beräkningsvetenskap II, 5.0 hp,

Tentamen i Beräkningsvetenskap II, 5.0 hp, Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Tentamen i Beräkningsvetenskap II, 5.0 hp, 2012-03-09 Skrivtid: 14 00 17 00 (OBS! Tre timmars skrivtid!) Hjälpmedel: Bifogat

Läs mer

Teoretisk del. Facit Tentamen TDDC (6)

Teoretisk del. Facit Tentamen TDDC (6) Facit Tentamen TDDC30 2014-08-29 1 (6) Teoretisk del 1. (6p) "Snabba frågor" Alla svar motiveras väl. a) Vad är skillnaden mellan synligheterna public, private och protected? (1p) Svar:public: Nåbar för

Läs mer

Tentamen Datastrukturer D DAT 036/INN960

Tentamen Datastrukturer D DAT 036/INN960 Tentamen Datastrukturer D DAT 036/INN960 18 december 2009 Tid: 8.30-12.30 Ansvarig: Peter Dybjer, tel 7721035 eller 405836 Max poäng på tentamen: 60. Betygsgränser, CTH: 3 = 24 p, 4 = 36 p, 5 = 48 p, GU:

Läs mer

TDDB56 DALGOPT Algoritmer och Optimering Tentamen , 8 13

TDDB56 DALGOPT Algoritmer och Optimering Tentamen , 8 13 Linköpings Tekniska Högskola 00-08-0 Institutionen för Datavetenskap David Broman / Jan Maluszynski / Kaj Holmberg TDDB6 DALGOPT Algoritmer och Optimering Tentamen 00-08-0, 8 Examinator Jan Maluszynski

Läs mer

Dekomposition och dynamisk programmering

Dekomposition och dynamisk programmering Algoritmer, datastrukturer och komplexitet, hösten 2016 Uppgifter till övning 3 Dekomposition och dynamisk programmering Max och min med dekomposition I vektorn v[1..n] ligger n tal. Konstruera en dekompositionsalgoritm

Läs mer

OMTENTAMEN I DATASTRUKTURER OCH ALGORITMER DVG B kl. 14:15 19:15

OMTENTAMEN I DATASTRUKTURER OCH ALGORITMER DVG B kl. 14:15 19:15 OMTENTAMEN I DATASTRUKTURER OCH ALGORITMER DVG B03 150609 kl. 14:15 19:15 Ansvarig Lärare: Donald F. Ross Hjälpmedel: Inga. Algoritmerna finns i de respektive uppgifterna eller i bilogarna. *** OBS ***

Läs mer

Tentamen Datastrukturer D DAT 035/INN960 (med mycket kortfattade lösningsförslag)

Tentamen Datastrukturer D DAT 035/INN960 (med mycket kortfattade lösningsförslag) Tentamen Datastrukturer D DAT 035/INN960 (med mycket kortfattade lösningsförslag) 21 december 2007 Tid: 8.30-12.30 Ansvarig: Peter Dybjer, tel 7721035 eller 405836 Max poäng på tentamen: 60. (Bonuspoäng

Läs mer

Algoritmanalys. Inledning. Informationsteknologi Malin Källén, Tom Smedsaas 1 september 2016

Algoritmanalys. Inledning. Informationsteknologi Malin Källén, Tom Smedsaas 1 september 2016 Informationsteknologi Malin Källén, Tom Smedsaas 1 september 2016 Algoritmanalys Inledning Exempel 1: x n När vi talade om rekursion presenterade vi två olika sätt att beräkna x n, ett iterativt: x n =

Läs mer

Känguru 2015 Cadet (åk 8 och 9)

Känguru 2015 Cadet (åk 8 och 9) sida 1 / 9 NAMN KLASS/GRUPP Poängssumma: Känguruskrutt:: Lösgör svarsblanketten. Skriv ditt svarsalternativ under uppgiftsnumret. Lämna rutan tom om du inte vill besvara den frågan. Felaktigt svar ger

Läs mer

OBJEKTORIENTERAD PROGRAMVARUUTVECKLING

OBJEKTORIENTERAD PROGRAMVARUUTVECKLING Institutionen för Data- och informationsteknik TENTAMEN OBJEKTORIENTERAD PROGRAMVARUUTVECKLING OBS! Det kan finnas kurser med samma eller liknande namn på olika utbildningslinjer. Denna tentamen gäller

Läs mer

Programmering II (ID1019)

Programmering II (ID1019) ID1019 Johan Montelius Instruktioner Betyg Programmering II (ID1019) 2019-03-08 Svaren skall lämnas på dessa sidor, använd det utrymme som nns under varje uppgift för att skriva ner ditt svar (inte på

Läs mer

Tentamen Datastrukturer D DAT 035/INN960

Tentamen Datastrukturer D DAT 035/INN960 Tentamen Datastrukturer D DAT 035/INN960 21 december 2007 Tid: 8.30-12.30 Ansvarig: Peter Dybjer, tel 7721035 eller 405836 Max poäng på tentamen: 60. (Bonuspoäng från övningarna tillkommer.) Betygsgränser,

Läs mer

Föreläsning 12. Söndra och härska

Föreläsning 12. Söndra och härska Föreläsning 12 Söndra och härska Föreläsning 12 Söndra och härska Maximal delsekvens Skyline Closest pair Växel Söndra och härska (Divide and conquer) Vi stötte på dessa algoritmer när vi tittade på sortering.

Läs mer

Föreläsning 12. Söndra och härska

Föreläsning 12. Söndra och härska Föreläsning 12 Söndra och härska Föreläsning 12 Söndra och härska Maximal delsekvens Skyline Closest pair Växel Uppgifter Söndra och härska (Divide and conquer) Vi stötte på dessa algoritmer när vi tittade

Läs mer

Tentamen ID1004 Objektorienterad programmering October 29, 2013

Tentamen ID1004 Objektorienterad programmering October 29, 2013 Tentamen för ID1004 Objektorienterad programmering (vilande kurs), 29 oktober 2013, 9-13 Denna tentamen examinerar 3.5 högskolepoäng av kursen. Inga hjälpmedel är tillåtna. Tentamen består av tre sektioner.

Läs mer

Systemutvecklare SU13, Malmö

Systemutvecklare SU13, Malmö Systemutvecklare SU13, Malmö Tentamen, delkurs Programmeringsteknik C#, del 1 (30 YH-poäng) Plats: Plushögskolan Malmö Tid: 3 oktober 2014, kl. 9.00-13.00 Tillåtna hjälpmedel: Papper, penna, suddgummi,

Läs mer

Föreläsning 5: Dynamisk programmering

Föreläsning 5: Dynamisk programmering Föreläsning 5: Dynamisk programmering Vi betraktar en typ av problem vi tidigare sett: Indata: En uppsättning intervall [s i,f i ] med vikt w i. Mål: Att hitta en uppsättning icke överlappande intervall

Läs mer

TDP Regler

TDP Regler Regler Student får lämna salen tidigast en timme efter tentans start. Vid toalettbesök eller rökpaus ska pauslista utanför salen fyllas i. All form av kontakt mellan studenter under tentans gång är strängt

Läs mer

Tommy Färnqvist, IDA, Linköpings universitet

Tommy Färnqvist, IDA, Linköpings universitet Föreläsning 8 Sortering och urval TDDC70/91: DALG Utskriftsversion av föreläsning i Datastrukturer och algoritmer 1 oktober 2013 Tommy Färnqvist, IDA, Linköpings universitet 8.1 Innehåll Innehåll 1 Sortering

Läs mer

Föreläsning 7+8: NP-problem. Begreppet effektiv algoritm är alltså synonymt med går i polynomisk tid i den här kursen. Är detta en rimlig uppdelning?

Föreläsning 7+8: NP-problem. Begreppet effektiv algoritm är alltså synonymt med går i polynomisk tid i den här kursen. Är detta en rimlig uppdelning? Formalisering av rimlig tid Föreläsning 7+8: NP-problem En algoritm som har körtid O(n k ) för någon konstant k är rimligt snabb. En algoritm som har körtid Ω(c n ) för någon konstant c>1 är för långsam.

Läs mer

KTH STH TENTAMEN. HI1024:TEN2 - Praktisk tentamen Tid: 8-13, den 18 februari 2012

KTH STH TENTAMEN. HI1024:TEN2 - Praktisk tentamen Tid: 8-13, den 18 februari 2012 KTH STH TENTAMEN HI1024:TEN2 - Praktisk tentamen Tid: 8-13, den 18 februari 2012 Gamla kurskoder: HI1900, 6E2950, etc. Examinator: Johnny Panrike Rättande lärare: Nicklas Brandefelt, Johnny Panrike och

Läs mer