Grundläggande Datalogi för F
|
|
- Vilhelm Sundström
- för 6 år sedan
- Visningar:
Transkript
1 2D1344 Grundläggande Datalogi för F Tentamen kl Inga hjälpmedel. Endast ett svarsalternativ på varje fråga är korrekt. Felaktigt svar eller felaktigt antal ikryssade svarsalternativ ger noll poäng på uppgiften. Preliminära betygsgränser: U: 0 29 poäng 3: poäng 4: poäng 5: poäng Uppgift 1 Uppgift 4 En abstrakt stack har bland annat följande egenskap. A) Den är oförändrad efter satsen push(pop()). B) Den är oförändrad efter satserna push(17); pop(). C) Den har en top-pekare. D) Den är en form av länkad lista. Uppgift 2 En abstrakt kö har bland annat följande egenskap. A) Om först 1 och sedan 2 stoppas in i kön är det omöjligt att komma åt 2 utan att först ta ut 1 ur kön. B) Det som sist stoppats in är det som först kommer ut. C) Det finns en pekare till var ände av kön. D) När något läggs in skapas en ny nod sist i kön. Uppgift 3 Antag att vi vill lagra 666 namn i en hashtabell av längden 1000 där kollisionerna hanteras med enkellänkade listor. Hur många jämförelser behövs det i medeltal för att hitta ett givet namn? A) Drygt en. B) Knappt 10. C) Cirka 333. D) Cirka 500. Hashtabeller utan krocklistor har en viss dålig egenskap. A) Mera minneskrävande. B) Längre söktid. C) Mer komplicerad programmering. D) Borttagning tillåts inte. Uppgift 5 Vilken av nedan föreslagna hashfunktioner är bäst? Du kan anta att nyckeln namn är ett efternamn. Parametern n är hashtabellens storlek, ett primtal i intervallet 1000 < n < Pseudokoden bör vara lätt att förstå. Med ord(tkn) menas bokstavens ordningsnummer i alfabetet. A) sum = 0 for tkn in namn: sum = sum + ord(tkn) return sum % n B) sum = 0 for tkn in namn: sum = (sum * ord(tkn)) return sum % n C) sum = 0 for tkn in namn: sum = sum * ord(tkn) return sum % n D) sum = 0 for tkn in namn: sum = sum*17 + ord(tkn) return sum % n
2 Uppgift 6 En datalog som lagrar ett medlemsregister i ett binärt sökträd i stället för i en hashtabell har förmodligen följande skäl. A) Lättare att ta bort poster. B) Snabbare sökning för poster nära roten. C) Lättare att lagra på fil. D) Enklare att skriva ut i bokstavsordning. Uppgift 7 Sökning i ett binärt sökträd eller i en ordnad vektor, vilket går fortast? A) Sökträd. B) Vektor. C) Lika fort om trädet är balanserat. D) Lika fort om trädet är helt obalanserat (en tarm). Uppgift 8 För att hitta de hundra största av tiotusen värden är följande metod bäst. A) Sortera med quicksort, ta ut dom hundra första. B) Insättningssortera, avbryt när dom hundra första inte ändras. C) Lägg in alla i en trappa (heap) med största överst, ta sedan ut hundra. D) Lägg in hundra i en trappa med minsta överst, gå igenom resten och byt ibland ut trappans topptal. Uppgift 9 Antag att vi har en liten hashtabell med plats för 13 element. Antag vidare att linjär probning (med steget ett) används för att hantera kollisioner. Vad blir slutresultatet när strängarna Sverige, Norge, Danmark, Finland och Island i denna ordning succesivt läggs in i tabellen. Vår hash-funktion, h, ger följande svar: h( Sverige ) 3 h( Finland ) 28 h( Danmark ) 15 h( Norge ) 25 h( Island ) 12 A) 0: Island 2: Finland 3: Sverige 4: Danmark 12: Norge B) 0: Island 2: Danmark 3: Finland 4: Sverige 12: Norge C) 2: Finland, Danmark 3: Sverige 12: Norge, Island D) 2: Finland 3: Sverige 4: Danmark 12: Island 13: Norge Uppgift 10 Vilken av följande kodningar är en korrekt Huffmankodning för data med dessa förekomstsekvenser: a 35% b 21% c 15% d 13% e 11% f 5% A) a :0 b :1 c :01 d :10 e :101 f :010 B) a :10 b :00 c :11 d :101 e :100 f :01 C) a :00 b :10 c :010 d :011 e :110 f :111 D) a :0 b :1 c :01 d :10 e :10 f :01 Uppgift 11 Syntaxen för en binär siffra är så här. <bit> ::= 0 1 Hur är syntaxen för ett binärt heltal? A) <tal> ::= <tal><bit> B) <pos> ::= 1 <pos><bit> <tal> ::= 0 <pos> -<pos> C) <bitföljd> ::= <bit> <bitföljd><bit> <tal> ::= 0 1<bitföljd> -1<bitföljd> D) <tecken> ::= - <tal> ::= <tecken><bit> <tal><bit> 2
3 Uppgift 12 Boyer-Moore s textsökningsalgoritm är särskilt lämplig om söksträngen är A) lång och består av ovanliga bokstäver. B) kort och består av ovanliga bokstäver. C) lång och består av vanliga bokstäver. D) kort och består av vanliga bokstäver. Uppgift 16 Vilken sorteringsmetod kan man relativt enkelt modifiera så att den snabbt räknar ut medianvärdet av ett stort antal tal? A) Heapsort B) Bubblesort C) Quicksort D) Mergesort Uppgift 13 Viggos rättstavningsprogram Stava har ingen ordlista, utan A) en boolesk hashtabell. B) fjorton booleska hashtabeller. C) ett bloomfilterträd. D) fjorton bloomfilterträd. Uppgift 14 När man tar ut översta posten ur en trappa (heap) uppstår ett tomrum. Vilken post ska man fylla det med? A) Bästa barnet. B) Sista posten. C) Vänstra barnet. D) Bästa posten på sista nivån. Uppgift 15 Vilken algoritm är inte exempel på principen divideand-conquer? A) Quicksort. B) Mergesort: C) Binärsökning. D) Breddenförstsökning. Uppgift 17 Stockholmsbörsen har en aktieförteckning ordnad efter aktiernas aktuella köpkurs. Det är en vektor med den dyraste aktien först. Efter varje kursändring måste programmet kolla om omsortering behövs. Vilken sorteringsmetod är lämpligast? A) Quicksort B) Bubbelsort C) Heapsort D) Mergesort Uppgift 18 Vilken ort i världen tar det längst tid att nå från Stockholm, om man ger sig av klockan idag? Ett program för att ta reda på svaret använder lämpligen A) rekursiv djupetförstsökning. B) breddenförstsökning med kö. C) djupetförstsökning med stack. D) bästaförstsökning med prioritetskö. Uppgift 19 Ett allmänt träd representeras lämpligen med följande struktur. A) Ett binärt träd. B) En länkad struktur med många pekare i varje post. C) En kö av stackar. D) En stack av köer. 3
4 Uppgift 20 Uppgift 23 I vilken ordning behandlar man noderna vid en postorder-genomgång av följande träd? Att vända upp och ner på en abstrakt stack är svårt, men det går med en av följande metoder. D A) D, B, E, A, C, F B) A, B, D, E, C, F C) D, E, F, B, C, A D) D, E, B, F, C, A Uppgift 21 E A C B F Vad menas med att ett binärt träd är balanserat? A) Alla noder i vänster delträd är mindre än roten och alla i höger delträd är större. B) Summan av nyckelvärdena i höger och vänster delträd är lika. C) Alla vägar från roten till löven är ungefär lika långa. D) Alla noder har antingen två eller inga barn. Uppgift 22 Antag att man lagrar en heap i form av en vektor så att noden vid index i har vänster barn vid 2i och höger barn vid 2i + 1. Heapen har från början följande innehåll: (första elementet har index 1) Vad blir resultatet ifall man tar bort rotelementet och återställer heapegenskaperna? A) B) C) D) A) En extra kö. B) En extra stack. C) En rekursiv metod. D) En extra pekare i varje stackpost. Uppgift 24 Vad är körtiden (värsta fallet) för denna algoritm? algoritm värdebredd(v): In: vektor v med längden n bredd = abs(v[0]-v[1]) for i=0..n-2: for j=i+1..n-1: if abs(v[i]-v[j]) > bredd: bredd = abs(v[i]-v[j]) return bredd A) O(log n) B) O(n) C) O(n log n) D) O(n 2 ) Uppgift 25 Vilken datastruktur använder Google för att hitta alla webbsidor som innehåller angivna sökord? A) En hashtabell för varje lagrad webbsida. B) En hashtabell för varje förekommande ord. C) En hashtabell med alla lagrade webbsidor. D) En hashtabell med alla förekommande ord. 4
5 Uppgift 26 Det vetenskapsteoretiska stödet för att solen kommer att gå upp även i morgon, vad kallas det? A) Abstraktion. B) Ockhams rakkniv. C) Induktion. D) Falsifierbarhet. Uppgift 27 För att testa alla fyrsiffriga portkoder med bara tryckningar krävs en datorberäknad sifferföljd. Hur gör man bäst beräkningen? A) Rekursiv djupetförstsökning. B) Djupetförstsökning med stack. C) Breddenförstsökning. D) Bästaförstsökning. Uppgift 28 Maximala komprimeringen bestäms av en viss egenskap. A) Frekvensfunktionen. B) Entropin. C) Huffmanträdets djup. D) Antalet löv i Huffmanträdet. Uppgift 29 Komprimeringsalgoritmen i Winzip är följande. A) RLE B) LZ C) Huffman D) Boyer-Moore Uppgift 30 En ADT specificerar följande. A) En datastruktur. B) En modul som kan importeras.. C) En eller flera operationer. D) En abstrakt klass. Uppgift 31 Reguljära uttryck kan bland annat användas i följande situation. A) Vid rekursiv beräkning av fibonnaccital. B) När ett sårfall (exception) har uppstått. C) För att beskriva en ADT. D) Söka ord med stavningsvarianter. Uppgift 32 Antag att vi representerar en stack i form av en vektor (array) samt ett index som håller reda på stackens topp. Vektorn och indexvariablerna är från början nollställda. Vad kommer vektorn att innehålla efter nedanstående operationer? s = Stack() s.push(17) s.push(4711) x = s.pop() s.push(666) s.push(7) A) B) C) D) Uppgift 33 Hur lagrar man ett binärt sökträd på fil för att kunna återskapa det? A) Skriv ut det i preordning. 5
6 B) Skriv ut det i inordning. C) Skriv ut det i postordning. D) Skriv ut det breddenförst. Uppgift 34 En automat specificeras av följande. A) Tillståndsvektorn. B) En funktion från indata till utdata. C) Övergångsmatrisen. D) En riktad graf där kanterna är märkta med tillstånd. Uppgift 35 Uppgift 38 Vilken metod kan användas för att sortera en abstrakt kö? A) Mergesort. B) Heapsort. C) Insättningssortering. D) Bubbelsortering. Uppgift 39 Vad gör denna algoritm? Rekursiv medåkning kan användas i följande situation. A) Komprimering av bild- och ljudfiler. B) Beskrivning av syntax med BNF-notation. C) Listig omvandling från decimala till binära tal. D) Parsning. Uppgift 36 Vad är dynamisk programmering? A) Objekt skapas under körningens gång. B) Rekursiv beräkning där delresultat sparas. C) Programmet kompileras bara till en plattformsoberoende bytekod. D) Minnet återanvänds genom skräpsamling. Uppgift 37 För att sortera om befolkningen (cirka nio miljoner) efter födelsedag (alla födda första januari först etc) skulle det krävas så här många jämförelseoperationer. (Nio miljoner är ungefär två upphöjt till tjugotre.) A) Cirka tvåhundra miljoner. B) Cirka arton miljoner. C) Cirka fyrtiosex miljoner. D) Cirka tjugo biljoner. algoritm OK(x, y): p = x while not p is None: if p.data == y: return True if p.data > y: p = p.left else p = p.right return False A) Kollar att nyckeln x finns i ett binärt sökträd B) Kollar att nyckeln y finns i ett binärt sökträd C) Sätter in nyckeln x i det binära sökträdet D) Sätter in nyckeln y i det binära sökträdet Uppgift 40 En skipplista är ett alternativ till binärträd med följande egenskap. A) Tar mindre plats. B) Kräver färre pekare. C) Enklare att spara på fil. D) Mindre risk för obalans. 6
7 Uppgift 41 Uppgift 44 En bra rekursiv tanke för siffersumman av talet x kan se ut nåt så här. A) Sista siffran i x plus siffersumman av x/10 B) Första siffran plus andra osv... men 0 har summan noll. C) Första siffran plus siffersumman av resten. D) Lägg siffrorna i en stack, poppa sedan och addera.. Uppgift 42 Antag att man har ett binärt sökträd. Vilken av följande algoritmer skriver ut nyckelvärdena i sorterad ordning? Vilken sorteringsalgoritm används när man succesivt får dessa mellanresultat i den sorterade vektorn? A) Mergesort B) Bubbelsort C) Heapsort D) Quicksort A) algoritm Mysko(root) if not empty(root) Mysko(root.left) Mysko(root.right) B) algoritm Mysko(root) if not empty(root) Mysko(root.left) Mysko(root.right) C) algoritm Mysko(root) if not empty(root) Mysko(root.left) Mysko(root.right) D) algoritm Mysko(root) if not empty(root) Mysko(root.left) Mysko(root.right) Uppgift 43 Om man använder bredden-först för att hitta ut ur en labyrint, vad riskerar man då? A) Den lösning man hittar är inte optimal. B) Algoritmen kan ta oändlig tid. C) Lösningen kan besöka samma punkt flera gånger. D) Algoritmen är svår att genomföra i praktiken. Uppgift 45 Antag att man lagrat 1000 element i en ordnad vektor och konstaterar att det i medeltal tar 17 ms att hitta ett element från dess nyckelvärde. Hur lång tid kan man förvänta sig att det tar om man istället lagrar element? A) 34 ms B) 170 ms C) 289 ms D) 17 s Uppgift 46 Vilket namn dyker upp i samband med felkorrektion? A) Huffman B) Hamming C) Knuth D) Rabin 7
8 Uppgift 47 Uppgift 50 En Knuth-Morris-Pratt-automat för söksträngen har följande nextvektor. A) B) C) D) Uppgift 48 Vilken sorteringsmetod kräver mest minne. A) Urval B) Mergesort C) Heapsort D) Distributionsräkning Uppgift 49 Vad menas när man säger att en algoritm är girig (Greedy)? A) Den gör ett lokalt bästa drag i varje steg. B) Den utnyttjar maximalt med resurser. C) Den går igenom alla möjliga fall. D) Den utnyttjar minimalt med resurser. Antag att vi har en n n-matris A med bara nollor och ettor som värden, där alla ettor kommer före nollorna på varje rad. Vilken av följande algoritmer hittar snabbast (för stora n, värsta fallet) den rad som har flest ettor och returnerar detta antal? A) max = 0 for i = 1..n j = max+1 while j<=n and A[i,j]==1 j = j+1 max = j-1 return max B) for i = n..1 for j = 1..n if A[j,i] == 1 return i return 0 C) max = 0 for i = 1..n count = 0 for j = 1..n if A[i,j] == 1 count = count+1 if count > max max = count return max D) max = 0 for i = 1..n for j = 1..n if A[i,j] == 1 if j > max max = j return max 8
Grundläggande Datalogi för F
2D1344 Grundläggande Datalogi för F Tentamen 2004-03-13 kl 9.00 13.00 (inräknat rättningstid) Inga hjälpmedel. Endast ett svarsalternativ på varje fråga är korrekt. Felaktigt svar eller felaktigt antal
Tentamen kl Uppgift 4. Uppgift 5
2D344 Grundläggande Datalogi för F Tentamen 2003-03-0 kl 4.00 9.00 Inga hjälpmedel. Endast ett svarsalternativ på varje fråga är korrekt. Felaktigt svar eller felaktigt antal ikryssade svarsalternativ
KTH, NADA, Vahid Mosavat. 1. Flervalsfrågor (5p)
KTH, NADA, Vahid Mosavat 2D1343, TENTAMEN I DATALOGI FÖR ELEKTRO Onsdagen den 31 mars 2004 kl 8-13 Maxpoäng: tenta+bonus = 50+7. Betygsgränser: 25 poäng ger trea, 35 ger fyra, 45 ger femma. Otydliga/svårlästa
Exempeltenta GruDat 2002/2003
Exempeltenta GruDat 2002/2003 Endast ett svarsalternativ på varje fråga är korrekt. Felaktigt svar eller felaktigt antal ikryssade svarsalternativ ger noll poäng på uppgiften. Obs: Den riktiga tentan kommer
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:
DD1320 Tillämpad datalogi. Lösning (skiss) till tenta 20 okt 2011
DD1320 Tillämpad datalogi Lösning (skiss) till tenta 20 okt 2011 1 KMP P I P P I N i 1 2 3 4 5 6 Next[i] 0 1 0 2 1 3 2 Huffmankodning: Algoritmen 1. Sortera tecknen som ska kodas i stigande förekomstordning.
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:
Tildatenta Lösningsskiss
Tildatenta 2017-10-20 Lösningsskiss E-delen 1. KMP PAPPAPARTY next[i] = 0 1 0 2 1 0 4 3 1 1 2. Parent-pekare Utskriftfunktionen fungerar så här: 1. Om noden inte är None a. gör vi först ett rekursivt anrop
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
Fredag 10 juni 2016 kl 8 12
KTH CSC, Alexander Baltatzis DD1320/1321 Lösningsförslag Fredag 10 juni 2016 kl 8 12 Hjälpmedel: En algoritmbok (ej pythonkramaren) och ditt eget formelblad. För betyg E krävs att alla E-uppgifter är godkända,
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,
3. Toppkvinnor på hög Låt lådan och de två kvinnornas famnar utgöra stackarna L, K1 respektive K2. Från början finns alla kort i L.
KTH, Nada, Erik Forslin 2D1343, LÖSNING TILL TENTAMEN I DATALOGI FÖR ELEKTRO Lördagen den 8 mars 2003 kl 14 19 Maxpoäng tenta+bonus = 50+7. Betygsgränser: 25 poäng ger trea, 35 ger fyra, 45 ger femma.
Träd Hierarkiska strukturer
Träd Hierarkiska strukturer a 1 a 2 a 3 a 4 a 2 a 5 a 6 a 7 Hierarki: Korta vägar till många Hur korta? Linjär lista: n 2 Träd: Antal element på avståndet m: g m a 1 a 3 a 8 a 12 m = log g n a 9 a 10 Väglängden
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
Tentamen'('Datastrukturer,'algoritmer'och'programkonstruktion.'
Tentamen'('Datastrukturer,'algoritmer'och'programkonstruktion.' Skrivtid: 08.30 13.30 Hjälpmedel: Inga Lärare: Betygsgränser DVA104' Akademin)för)innovation,)design)och)teknik) Onsdag)2014:01:15) Caroline
DD1320 Tillämpad datalogi. Lösnings-skiss till tentamen 2010-10-18
DD1320 Tillämpad datalogi Lösnings-skiss till tentamen 2010-10-18 1. Mormors mobil 10p M O R M O R S M O B I L M O R M O R S M O B I L i 1 2 3 4 5 6 7 8 9 10 11 12 next[i] 0 1 1 0 1 1 4 0 1 3 1 1 Bakåtpilarna/next-värde
Innehåll. Föreläsning 12. Binärt sökträd. Binära sökträd. Flervägs sökträd. Balanserade binära sökträd. Sökträd Sökning. Sökning och Sökträd
Innehåll Föreläsning 12 Sökträd Sökning Sökning och Sökträd 383 384 Binärt sökträd Används för sökning i linjära samlingar av dataobjekt, specifikt för att konstruera tabeller och lexikon. Organisation:
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
Föreläsning 13 Datastrukturer (DAT037)
Föreläsning 13 Datastrukturer (DAT037) Fredrik Lindblad 1 2016-12-14 1 Slides skapade av Nils Anders Danielsson har använts som utgångspunkt. Se http://www.cse.chalmers.se/edu/year/2015/course/dat037 Sammanfattning
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,
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
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
Tentamen TEN1 HI
Tentamen TEN1 HI1029 2014-03-14 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
Föreläsning Datastrukturer (DAT037)
Föreläsning Datastrukturer (DAT037) Nils Anders Danielsson 2015-12-14 Idag Frågor? Är något oklart inför tentan? Sammanfattning Exempel från föreläsning 1 Dåligt val av datastruktur public class Bits {
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.)
Föreläsning 13 Datastrukturer (DAT037)
Föreläsning 13 Datastrukturer (DAT037) Fredrik Lindblad 1 11 december 2017 1 Slides skapade av Nils Anders Danielsson har använts som utgångspunkt. Se http://www.cse.chalmers.se/edu/year/2015/course/dat037
Övning 2. (Länkade) Listor, noder
Per Sedholm DD30 (tilda3) 03-09-03 Övning Listor, pekare, binära träd, rekursion, komplexitet (Länkade) Listor, noder. Ta bort andra noden (a) Skriv en sats som tar bort andra noden ur en länkad lista.
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:
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
Föreläsning Datastrukturer (DAT036)
Föreläsning Datastrukturer (DAT036) Nils Anders Danielsson 2013-11-25 Idag Starkt sammanhängande komponenter Duggaresultat Sökträd Starkt sammanhängande komponenter Uppspännande skog Graf, och en möjlig
DAI2 (TIDAL) + I2 (TKIEK)
TNTMN KURSNMN PROGRM: KURSTKNING XMINTOR lgoritmer och datastrukturer I2 (TIL) + I2 (TKIK) 2017/2018, lp 4 LT75 Uno Holmer TI ÖR TNTMN redagen den 1/8 2018, 08.0-12.0 HJÄLPML NSVRIG LÄRR atastrukturer
Sökning. Översikt. Binärt sökträd. Linjär sökning. Binär sökning. Sorterad array. Linjär sökning. Binär sökning Hashtabeller
Översikt Linjär sökning Sökning Binär sökning Hashtabeller Programmering tillämpningar och datastrukturer 2 Linjär sökning Binärt sökträd Undersök ett element i taget tills du hittar det sökta Komplexitet
Övning 7 - Tillämpad datalogi DD1320, TENTAMEN I TILLÄMPAD DATALOGI Tisdagen den 12 januari 2010 kl 14 18
/afs/nada.kth.se/home/w/uyxbcfw/teaching/dd/exercise/exercise.py October 4, KTH, CSC/CB, Mikael Lindahl Övning - Tillämpad datalogi Sammanfattning Idag räknade vi igenom en tentamen från januari. OBS i
Seminarium 13 Innehåll
Seminarium 13 Innehåll Prioritetsköer och heapar Prioritetsköer ADTn Klassen PriorityQueue i java.util Implementering med lista Heapar ADTn För implementering av prioritetskö För sortering Efter seminariet
Föreläsning 5 Innehåll. Val av algoritm och datastruktur. Analys av algoritmer. Tidsåtgång och problemets storlek
Föreläsning 5 Innehåll Val av algoritm och datastruktur Algoritmer och effektivitet Att bedöma och jämföra effektivitet för algoritmer Begreppet tidskomplexitet Det räcker inte med att en algoritm är korrekt
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
Föreläsning 7: Prioritetskö, trappa heapsort, hashning
Föreläsning 7: Prioritetskö, trappa heapsort, hashning Prioritetskö, Trappa Heapsort Bästaförstsökning Implementation hashning Prioritetskö När man poppar en stack får man ut det senast inpushade. När
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
Datastrukturer. Föreläsning 5. Maps 1
Datastrukturer Föreläsning 5 Maps 1 Traversering av träd Maps 2 Preordningstraversering Traversera = genomlöpa alla noderna i ett träd Varje nod besöks innan sina delträd Preordning = djupet först Exempel:
TDDC30. Objektorienterad programmering i Java, datastrukturer och algoritmer. Föreläsning 8 Erik Nilsson, Institutionen för Datavetenskap, LiU
TDDC30 Objektorienterad programmering i Java, datastrukturer och algoritmer. Föreläsning 8 Erik Nilsson, Institutionen för Datavetenskap, LiU På denna föreläsning: Träd Traversering Insättning, borttagning
ADT Prioritetskö. Föreläsning 13 Innehåll. Prioritetskö vs FIFO-kö. Prioritetskö Exempel på användning. Prioritetsköer och heapar
Föreläsning 1 Innehåll ADT Prioritetskö Prioritetsköer och heapar Prioritetsköer och heapar ADT prioritetskö Klassen PriorityQueue i java.util ar Implementering av prioritetskö med heap Sortering med hjälp
Övning 4. Hashning, sortering, prioritetskö, bästaförstsökning. Hitta på en perfekt hashfunktion för atomer. Hur stor blir hashtabellen?
Per Sedholm DD1320 (tilda12) 2012-09-20 Övning 4 Hashning, sortering, prioritetskö, bästaförstsökning 1. Perfekt hashfunktion Hitta på en perfekt hashfunktion för atomer. Hur stor blir hashtabellen? Vi
ADT Prioritetskö. Föreläsning 12 Innehåll. Prioritetskö. Interface för Prioritetskö. Prioritetsköer och heapar
Föreläsning 1 Innehåll Prioritetsköer och heapar Prioritetsköer och heapar ADT prioritetskö Klassen PriorityQueue i java.util Heapar Implementering av prioritetskö med heap Sortering med hjälp av heap
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:
Måndag 13 mars 2017 kl Rita en KMP-automat för CAMCORDERCAMERA samt ange next-vektorn.
KTH CSC, Alexander Baltatzis DD1320/1325 TENTAMEN I TILLÄMPAD DATALOGI Måndag 13 mars 2017 kl 14 18 Hjälpmedel: Fem handskrivna formelblad. För betyg E krävs att alla E-uppgifter är godkända (upp till
Datastrukturer. föreläsning 10. Maps 1
Datastrukturer föreläsning 10 Maps 1 Minsta uppspännande träd Maps 2 Minsta uppspännande träd Uppspännande träd till graf fritt delträd innehåller alla noderna Minsta uppspännande träd (MST) är det uppspännande
Föreläsning 10 Innehåll. Prioritetsköer och heapar. ADT Prioritetskö. Interface för Prioritetskö. Exempel på vad du ska kunna
Föreläsning Innehåll Prioritetsköer och heapar Prioritetsköer och heapar ADT prioritetskö Klassen PriorityQueue i java.util Implementering med lista ar Implementering av prioritetskö med heap Sortering
Tentamen i Algoritmer & Datastrukturer i Java
Tentamen i Algoritmer & Datastrukturer i Java Hjälpmedel: Skrivhjälpmedel, miniräknare. Ort / Datum: Halmstad / 2010-03-16 Skrivtid: 4 timmar Kontaktperson: Nicolina Månsson Poäng / Betyg: Max 44 poäng
Abstrakta datatyper. Primitiva vektorer. Deklarera en vektor
Abstrakta datatyper 1 Primitiva vektorer Vektorer kan skapas av primitiva datatyper, objektreferenser eller andra vektorer. Vektorer indexeras liksom i C från 0. För att referera en vektor används hakparenteser.
Föreläsning 13 Innehåll
Föreläsning 13 Innehåll Prioritetsköer och heapar Prioritetsköer och heapar ADT prioritetskö Heapar Implementering av prioritetskö med heap Klassen PriorityQueue i java.util Programexempel LPT-algoritmen
Programmering för Språkteknologer II. Innehåll. Associativa datastrukturer. Associativa datastrukturer. Binär sökning.
Programmering för Språkteknologer II Markus Saers markus.saers@lingfil.uu.se Rum -040 stp.lingfil.uu.se/~markuss/ht0/pst Innehåll Associativa datastrukturer Hashtabeller Sökträd Implementationsdetaljer
Hitta k största bland n element. Föreläsning 13 Innehåll. Histogramproblemet
Föreläsning 13 Innehåll Algoritm 1: Sortera Exempel på problem där materialet i kursen används Histogramproblemet Schemaläggning Abstrakta datatyper Datastrukturer Att jämföra objekt Om tentamen Skriftlig
Hashtabeller! (& kanske lite sortering)
Datalogiövning 24/1 2007 Hashtabeller! (& kanske lite sortering) Allmänt om hashtabeller: Snabb lösning för sökningar, O(1). Man lagrar par av nycklar och värden. En hashfunktion beräknar ur nyckeln ett
Teoretisk del. Facit Tentamen TDDC kl (6) 1. (6p) "Snabba frågor" Alla svar motiveras väl.
Facit Tentamen TDDC30 2015-08-28 kl 08-12 1 (6) Teoretisk del 1. (6p) "Snabba frågor" Alla svar motiveras väl. a) Vad är syftet med ett interface? (1p) Svar:Att ange vilka metoder som ska finnas, utan
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
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
Lösningsförslag DD1320/DD
1. KMP för IT-support K Ö A R I K Ö N 0 1 1 1 1 0 1 3 eller 0 1 1 1 1 1 1 0 1 3 Lösning med eller utan mellanslag godkänns 5 ettor i följd godkänd (slarvfel) sista siffran (3) ett krav men kan avvika om
Föreläsning 9 Innehåll
Föreläsning 9 Innehåll Träd, speciellt binära träd egenskaper användningsområden implementering Datavetenskap (LTH) Föreläsning 9 HT 2017 1 / 31 Inlämningsuppgiften De föreläsningar som inlämningsuppgiften
Vad har vi pratat om i kursen?
Vad har vi pratat om i kursen? Föreläsning 1 & 2 Systemminnet och systemstacken Rekursion Abstrakta datatyper Föreläsning 3 ADT:n Länkad lista Föreläsning 4 ADT:n Kö ADT:n Stack Föreläsning 5 Komplexitet
Tentamen, Algoritmer och datastrukturer
UNDS TEKNISKA ÖGSKOA (6) Institutionen för datavetenskap Tentamen, Algoritmer och datastrukturer 23 8 29, 8. 3. Anvisningar: Denna tentamen består av fem uppgifter. Totalt är skrivningen på 36 poäng och
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
Datastrukturer, algoritmer och programkonstruktion (DVA104, VT 2015) Föreläsning 6
Datastrukturer, algoritmer och programkonstruktion (DVA104, VT 2015) Föreläsning 6? DAGENS AGENDA Komplexitet Ordobegreppet Komplexitetsklasser Loopar Datastrukturer Några nyttiga regler OBS! Idag jobbar
Föreläsning Datastrukturer (DAT036)
Föreläsning Datastrukturer (DAT036) Nils Anders Danielsson 2013-11-18 Idag Mer om grafer: Minsta uppspännande träd (för oriktade grafer). Prims algoritm. Kruskals algoritm. Djupet först-sökning. Cykel
TDDC30/725G63. Objektorienterad programmering i Java, datastrukturer och algoritmer
Tentamen i... TDDC30/725G63 Objektorienterad programmering i Java, datastrukturer och algoritmer Datum 2011-12-19 Tid 14-18 Provkod DAT1 Institution Institutionen för Datavetenskap (IDA) Jour Johan Janzén
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
Tommy Färnqvist, IDA, Linköpings universitet. 1 ADT Map/Dictionary 1 1.1 Definitioner... 1 1.2 Implementation... 2
Föreläsning 4 ADT Map/Dictionary, hashtabeller, skip-listor TDDC91: DALG Utskriftsversion av föreläsning i Datastrukturer och algoritmer 9 september 2015 Tommy Färnqvist, IDA, Linköpings universitet 4.1
Sortering. Brute-force. Sortering Ordna element enligt relation mellan nyckelvärden
Sortering Brute-force Sortering Ordna element enligt relation mellan nyckelvärden Flera olika algoritmer med olika fördelar Brute-force Gå igenom alla permutationer och hitta den där elementen ligger i
Föreläsning 13 och 14: Binära träd
Föreläsning 13 och 14: Binära träd o Binärträd och allmänna träd o Rekursiva tankar för binärträd o Binära sökträd Binärträd och allmänna träd Stack och kö är två viktiga datastrukturer man kan bygga av
Grundläggande datalogi - Övning 4
Grundläggande datalogi - Övning 4 Björn Terelius November 21, 2008 Definitioner Olika mått på komplexitet Definition En funktion f sägs vara O(g) om det existerar konstanter c, N så att f (n) < cg(n) för
Datastrukturer i kursen. Föreläsning 8 Innehåll. Träd rekursiv definition. Träd
Föreläsning 8 Innehåll Datastrukturer i kursen Träd, speciellt binära träd egenskaper användningsområden implementering Undervisningsmoment: föreläsning 8, övningsuppgifter 8, lab 4 Avsnitt i läroboken:
Föreläsning Datastrukturer (DAT037)
Föreläsning Datastrukturer (DAT037) Nils Anders Danielsson 2015-11-23 Idag Mer om grafer: Minsta uppspännande träd (för oriktade grafer). Djupet först-sökning. Minsta uppspännande träd Träd (utan rot)
Inlämningsuppgiften. Föreläsning 9 Innehåll. Träd. Datastrukturer i kursen
Föreläsning 9 Innehåll Inlämningsuppgiften De föreläsningar som inlämningsuppgiften bygger på är nu klara. Det är alltså dags att börja arbeta med inlämningsuppgiften. Träd, speciellt binära träd egenskaper
TDDC30. Objektorienterad programmering i Java, datastrukturer och algoritmer. Föreläsning 9 Jonas Lindgren, Institutionen för Datavetenskap, LiU
TDDC30 Objektorienterad programmering i Java, datastrukturer och algoritmer. Föreläsning 9 Jonas Lindgren, Institutionen för Datavetenskap, LiU På denna föreläsning: Prioritetskö Heap Representation som
Teoretisk del. Facit Tentamen TDDC kl (6) 1. (6p) "Snabba frågor" Alla svar motiveras väl.
Facit Tentamen TDDC30 2015-03-19 kl 08-12 1 (6) Teoretisk del 1. (6p) "Snabba frågor" Alla svar motiveras väl. a) Varför väljer man ofta synligheten private hellre än public för medlemsvariabler i en klass?
Föreläsning 9. Sortering
Föreläsning 9 Sortering Föreläsning 9 Sortering Sortering och Java API Urvalssortering Instickssortering Söndra och härska Shellsort Mergesort Heapsort Quicksort Bucketsort Radixsort Läsanvisningar och
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
Magnus Nielsen, IDA, Linköpings universitet
Föreläsning 7 Introduktion till sortering TDDC91,TDDE22,725G97: DALG Utskriftsversion av föreläsning i Datastrukturer och algoritmer 24 september 2018 Magnus Nielsen, IDA, Linköpings universitet 7.1 1
Tentamen i Algoritmer & Datastrukturer i Java
Tentamen i Algoritmer & Datastrukturer i Java Hjälpmedel: Skrivhjälpmedel, miniräknare. Ort / Datum: Halmstad / 2007-03-13 Skrivtid: 4 timmar Kontakt person: Nicolina Månsson, tel. 035-167487 Poäng / Betyg:
Datastrukturer. föreläsning 9. Maps 1
Datastrukturer föreläsning 9 Maps 1 Minsta uppspännande träd Maps 2 Minsta uppspännande träd Uppspännande träd till graf fritt delträd innehåller alla noderna Minsta uppspännande träd (MST) är det uppspännande
DD1321, Tentamen i tillämpad programmering och datalogi Lördagen den 18 dexember 2010 kl 13 18
KTH, Nada, Alexander Baltatzis DD1321, Tentamen i tillämpad programmering och datalogi Lördagen den 18 dexember 2010 kl 13 18 Maxpoäng 100p, godkänt 50p. Bonus max 10p adderas. Resultatet anslås på mina
TDDC30/725G63. Objektorienterad programmering i Java, datastrukturer och algoritmer
Tentamen i.. TDDC30/725G63 Objektorienterad programmering i Java, datastrukturer och algoritmer Datum 2012-12-21 Tid 14-18 Provkod DAT1 Institution Institutionen för Datavetenskap (IDA) Jour Johan Janzén
Föreläsning 11 - Automater, textsökning, tillstånd
Föreläsning 11 - Automater, textsökning, tillstånd Automater Textsökning KMP-automat (Knuth-automat) Boyer-Moore Rabin-Karp Sökning på webben Automater En portkodsautomat med nio knappar kan se ut så här:
13 Prioritetsköer, heapar
Prioritetsköer, heapar 31 13 Prioritetsköer, heapar U 101. En prioritetskö är en samling element där varje element har en prioritet (som används för att jämföra elementen med). Elementen plockas ut i prioritetsordning
Föreläsning 2 Datastrukturer (DAT037)
Föreläsning 2 Datastrukturer (DAT037) Fredrik Lindblad 1 2016-11-02 1 Slides skapade av Nils Anders Danielsson har använts som utgångspunkt. Se http://www.cse.chalmers.se/edu/year/2015/course/dat037 Tidskomplexitet
Algoritmer och effektivitet. Föreläsning 5 Innehåll. Analys av algoritmer. Analys av algoritmer Tidskomplexitet. Algoritmer och effektivitet
Föreläsning 5 Innehåll Algoritmer och effektivitet Algoritmer och effektivitet Att bedöma, mäta och jämföra effektivitet för algoritmer Begreppet tidskomplexitet Undervisningsmoment: föreläsning 5, övningsuppgifter
Programkonstruktion och. Datastrukturer
Programkonstruktion och Datastrukturer Repetitionskurs, sommaren 2011 Datastrukturer (hash-tabeller och heapar) Elias Castegren elias.castegren.7381@student.uu.se Arrayer igen En array är en linjär datastruktur
Datastrukturer. föreläsning 10. Maps 1
Datastrukturer föreläsning 10 Maps 1 AVL-träd 1 2 5 2 0 4 1 8 3 2 1 11 1 7 Lecture 6 2 Insättning i AVL-träd Sätt först in det nya elementet på samma sätt som i ett vanligt BST! Det nya trädet kan bli
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.
Föreläsning 10 Datastrukturer (DAT037)
Föreläsning 10 Datastrukturer (DAT037) Fredrik Lindblad 1 29 november 2017 1 Slides skapade av Nils Anders Danielsson har använts som utgångspunkt. Se http://www.cse.chalmers.se/edu/year/2015/course/dat037
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
Datastrukturer och algoritmer
Datastrukturer och algoritmer Föreläsning 16 2 Innehåll Snabbrepetition Exempeltentamen Kursutvärdering Mina målsättningar Kursens mål: 3 Rolig och viktig kurs Bli en bättre programmerare och inse att
Föreläsning 4 Datastrukturer (DAT037)
Föreläsning 4 Datastrukturer (DAT07) Fredrik Lindblad 1 november 2017 1 Slides skapade av Nils Anders Danielsson har använts som utgångspunkt Se http://wwwcsechalmersse/edu/year/2015/course/dat07 1 Innehåll
Föreläsning 4 Datastrukturer (DAT037)
Föreläsning 4 Datastrukturer (DAT037) Fredrik Lindblad 1 2016-11-10 1 Slides skapade av Nils Anders Danielsson har använts som utgångspunkt Se http://wwwcsechalmersse/edu/year/2015/course/dat037 Förra
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:
Datastrukturer. föreläsning 9. Maps 1
Datastrukturer föreläsning 9 Maps 1 Grafer och grafalgoritmer Hur implementerar man grafer? Hur genomsöker (traverserar) man grafer? Hur genomsöker man viktade grafer (och hittar kortaste vägen)? Hur beräknar
Upplägg. Binära träd. Träd. Binära träd. Binära träd. Antal löv på ett träd. Binära träd (9) Binära sökträd (10.1)
Binära träd Algoritmer och Datastrukturer Markus Saers markus.saers@lingfil.uu.se Upplägg Binära träd (9) Binära sökträd (0.) Träd Många botaniska termer Träd, rot, löv, gren, Trädets rot kan ha ett antal
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
Ett generellt träd är. Antingen det tomma trädet, eller en rekursiv struktur: rot /. \ /... \ t1... tn
Träd allmänt Träd allmänt Ett generellt träd är Antingen det tomma trädet, eller en rekursiv struktur: rot /. \ /... \ t1... tn där t1,..., tn i sin tur är träd och kallas subträd, vars rotnoder kallas
Föreläsning 13. Träd
Föreläsning 13 Träd Träd Ett träd är en datastruktur som tillåter oss att modellera sådant som vi inte kan modellera med linjära datastrukturer. Ett datavetenskapligt träd består av noder med pilar emellan.