Øvingsforelesning Magnus Haug magnhaug@idi.ntnu.no Alg. Dat Øvingsforelesning Magnus Haug magnhaug@idi.ntnu.no
Oversikt Grafer Hashing Øving 2: Redd Ratatosk Litt om terminologi Representasjon av grafer Bredde først søk (BFS) Dybde først søk (DFS) Hashing Hashfunksjoner, hashtabeller Kollisjonshåndtering Øving 2: Redd Ratatosk Øving 3: Kobra lærer å stave
Terminologi: Grafer Node Kant Nabo Sykel Rettet graf DAGs Trær
Generelle grafer vs. trær Grafer kan ha sykler Kan oppdage grå eller svarte noder på nytt Vi må huske hvilke noder vi har sett Her blir ”farging” nyttig
Representasjon av grafer En graf defineres ofte som to mengder G = (V, E). V er alle nodene, E er alle kantene Nabolister Hver node i grafen har en liste over sine naboer Raskest hvis det er få kanter (”sparse graph”) Nabomatrise Én stor matrise holder alle nabo-relasjoner Raskest hvis det er mange kanter (”dense graph”)
Bredde først søk (BFS) Har en kø over oppdagede (grå) elementer Vi har et mengde/liste av besøkte noder Begynn med å legge startnoden i kø Så lenge det finnes elementer i køen: Plukk ut en node x fra starten av køen Legg alle naboer som ikke er besøkte eller oppdagede inn i køen (vi oppdager/gråfarger dem) Legg x inn i besøkt-settet (farge den sort)
Kode for BFS def bfs(root): queue = Queue() queue.put(root) while len(queue) > 0: node = queue.get() #gjør noe fancy med noden her node.colour = Black for adj in node.adjacent: if adj.colour == White: adj.colour = Grey queue.add(adj)
Bruk av BFS Enkel måte å traversere en sammenhengende graf Finne korteste vei fra en node til alle andre, i en uvektet graf Kan sjekke om en graf er bipartitt Kjøretid: O(V + E) Alle noder(V) må besøkes, og alle kanter(E) må sjekkes
Dybde først søk (DFS) Enklest å implementere rekursivt Se s. 541 i Cormen for utdyping Rekursjon har sine svakheter For mange rekursive kall kan gi programkrasj Rekursive kall går tregere enn det behøver
Kode for Rekursiv DFS def dfs(node): node.colour = Grey for adj in node.adjacent: if adj.colour == White: dfs(adj) #gjør noe fancy med noden her node.colour = Black
Dybde først søk (DFS) Iterativ (”Ikke-rekursiv”) variant: Simulerer rekursjon ved å bruke en stack Fordel: Raskere, tryggere Ulempe: Litt mindre intuitiv implementasjon Åsmund har laget notater om dette Fagsidene -> Notater -> 2006 -> ”Korrekt DFS” Alle bør lese dette notatet og prøve å forstå det
Bruk av DFS Løse oppgaver med én løsning, f.eks. labyrinter Strongly connected components (neste gang) Topologisk sortering (neste gang) Kjøretid: O(V + E) Alle noder(V) må besøkes, og alle kanter(E) må sjekkes
Hashing og hashtabeller Problemet vi søker en løsning på: Man har et lite/moderat antall elementer, i et stort verdiområde. Hvordan lagre og søke etter disse effektivt? Eks: Telefonnummer og navn på ansatte. Direkte-adressering vil kreve altfor stor plass.
Hvordan løser hashing dette? Hashing er en måte å konvertere verdier fra et stort utfallsrom til et som er mye mindre. Hashing gir et form for fingeravtrykk av en verdi. Vi kan bruke dette til å lagre og hente data effektivt fra en liten og kompakt tabell
Hashtabeller: Fordelene Oppslag i O(1) tid Innsetting i O(1) tid Sletting i O(1) tid O(1) betyr ”konstant tid” Dvs. at hastigheten på operasjonene er ikke avhengig av antall elementer i tabellen NB! Dette er average-case, ikke worst case
Hashtabeller En tabell hvor vi får en hash av dataene til å beskrive hvor vi lagrer dem.
Hashing Hashfunksjon: h(k) = x h er hashfunksjonen vi har valgt oss k er hashnøkkelen, hele eller deler av dataene x er hashen av nøkkelen, dvs. posisjonen der vi plasserer dataene i en hashtabell
Valg av hashfunksjon Mål: transformere potensielt store data til en indeks i en tabell Påkrevd egenskap: Deterministisk Ønsket egenskap: Uniform fordeling Ønsket egenskap: Kjapp å utføre
Valg av hashfunksjon Noen eksempler på enkle, gode funksjoner: Divisjonsmetoden (”modulo-metoden”) h(k) = k mod m Multiplikasjonsmetoden h(k) = m (k A mod 1)
Valg av hashfunksjon Noen eksempler på dårlige hashfunksjoner: En konstant funksjon: h(k) = 20 Java 1.1 (før 1998): java.lang.String.hashCode() benyttet kun de første 16 bokstavene i en string til å generere hashen.
Håndtering av kollisjoner Kjeding (”chaining”) Lagrer en lenket liste i hver hash-bøtte Hvis vi får mange kollisjoner tar det tid å lete etter elementene Fordel: Enkelt å implementere Ulempe: Kan bli tregt, og kan bli en del overhead
Håndtering av kollisjoner Lineær søking Hvis det er en kollisjon, prøv neste plass i tabellen Ulempe: ”Primary clustering” – yter enda dårligere enn kjeding hvis man har mange kollisjoner
Håndtering av kollisjoner Kvadratisk søking Hvis det er en kollisjon, prøv å hoppe videre slik: For hopp i: Posisjon = (h(k) + c1*i + c2*i2) mod m Fordel: Yter bedre enn de to forrige Ulempe: ”Secondary clustering” – kan fremdeles bli problemer hvis mange elementer hasher til samme posisjon
Håndtering av kollisjoner Dobbel hashing Bruker 2 hashfunksjoner, h1(k) og h2(k) Prøv først plass h1(k) i tabellen Hvis det oppstår kollisjon, prøv å hoppe h2(k) posisjoner videre helt til vi når en åpen plass Fordel: Enkel og kjapp å implementere
Bruksområder for hashing Hash tables Lagre og finne igjen data effektivt – brukes mye! Bloom filter Stavekontroll, søkemotorer, osv Ikke pensum, fremdeles verdt å nevne
Øving 2: Redd Ratatosk Hvorfor vil BFS være bedre enn DFS her? Ratatosk har lik sjanse til å være på hvert nivå Færre noder per nivå nært roten av treet BFS sjekker da først de mest sannsynlige nodene Løsningsforslag ligger ute BFS bruker kø DFS bruker stakk
Øving 2: Redd Ratatosk Tweak-løsning Vi vet allerede hvilken node Ratatosk er i Trenger ikke å lese all input, og konstruere tre Husk koblinger ”barn->forelder”, fremfor andre veien La Ratatosk ”klatre ned” treet ved å følge koblingene Denne spesifikke løsningen er ikke eksamensrelevant
Øving 3: Kobra lærer å stave
Øving 3: Kobra lærer å stave def bygg(ordliste): Skal bygge et tre ut fra ei liste av (ord, posisjon) Skal returnere rot-noden def posisjoner(ord, indeks, node): Skal returnere ei liste av posisjoner der ”ord” matcher Hvis man møter spørsmålstegn, må man sjekke alle subtrær rekursivt, ved å spesifisere indeks og node i nye kall til posisjoner