Algoritmiske metoder Innhold: Effektivitetsbetraktninger Programmeringsteknikker Datastrukturer Algoritmer tilknyttet datastrukturene Lærebok: Hafting/Ljosland:

Slides:



Advertisements
Liknende presentasjoner
Repetisjon innkapsling static tabell av primitiv datatype LC191D Videregående programmering Høgskolen i Sør-Trøndelag, Avdeling for informatikk og e-læring.
Advertisements

@ TDT4120 Algoritmer og datastrukturer Trær og søking i dem, samt litt diverse emner Åsmund Eldhuset asmunde idi.ntnu.no.
Unit testing Gruppe 2: Kjartan Haugen Jon Gunnar Bjørkmo
Programmering i Java versjon januar 2005 Kun til bruk i tilknytning til læreboka ”Programmering i Java” skrevet av Else.
Algoritmer for søk og sortering Førsteamanuensis Alf Inge Wang
Kap 5 - Prediksjonsmodeller
Ulike sorteringsmetoder Kompleksitet av dem
Variasjoner i subklasser.  Prinsippskissen er meget enkel  En abstrakt klasse har en konkret metode og en abstrakt metode  Hver subklasse realiserer.
Charles Babbage •Liv •Difference Engine •Analytical Engine •Arv •Hvorfor ikke •Grüner.
Kapittel Q Reaksjonskinetikk.
IS-102 Klassedefinisjoner
Algoritme for design av turbinblad
@ TDT4120 Algoritmer og datastrukturer Trær og søking i dem, samt litt diverse emner Åsmund Eldhuset asmunde idi.ntnu.no.
1 Øvingsforelesning Andreas Knudsen Nils Grimsmo
Alg. Dat Øvingsforelesning 5 Kompleksitetsanalyse Torbjørn Moralnd
Kompleksitetsanalyse
Forside Motivasjon Analyse Forside Motivasjon Analyse  -notasjon O og  Relasjoner Klasser Fallgruver Spørsmål Kompleksitetsanalyse Åsmund Eldhuset asmunde.
Filer Finne minste Finne Største Beregne gjennomsnitt Variabler Tabeller – Arrays Lage frekvenstabell.
INF 295 Forelesning 15 - kap 9 Grafer Hans Fr. Nordhaug (Ola Bø)
Automatisert SMOKE-test
Se ellers læreboka, kap , side
Klargjøring fra forrige gang
Oppgaver 1)Vi anser hvert av de seks utfallene på en terning for å være like sannsynlig og at to ulike terningkast er uavhengige. a)Hva er sannsynligheten.
Automated Testing Tool & When to Stop Testing
Programmering i Java versjon Kun til bruk i tilknytning til læreboka ”Programmering i Java” skrevet av Else Lervik.
Programmering i Java versjon Kun til bruk i tilknytning til læreboka ”Programmering i Java” skrevet av Else Lervik.
Programmering i Java versjon desember 2002 Kun til bruk i tilknytning til læreboka ”Programmering i Java” skrevet av Else.
Flash og ActionScript - Nye muligheter Jostein Nordengen.
Trenger vi IT-faget i den videregående skolen i Norge
INF 295 Algoritmer og datastrukturer Forelesning 7 ADT Lister, Stakker og Køer Hans Fr. Nordhaug (Ola Bø)
INF 295 Algoritmer og datastrukturer Forelesning 1 - kapittel 1 Introduksjon Hans F. Nordhaug (Ola Bø) (Ketil Danielsen, 2007)
INF 295 forelesning 14 - kap 8 Disjunkt mengde ADT Hans Fr. Nordhaug (Ola Bø)
INF 295 Algoritmer og datastrukturer Forelesning 9a Søketrær Hans Fr. Nordhaug (Ola Bø)
INF 295 forelesning 13 - kap 6 Prioritetskø (Heap) Hans Fr. Nordhaug (Ola Bø)
INF 295 Algoritmer og datastrukturer Forelesning 11 Når RAM ikke strekker til - B-trær og Utvidbar hashing Hans Fr. Nordhaug (Ola Bø)
INF 295 Forelesning 20 - Kapittel 7 Boble-, innstikk-, Shell-, Heap-, Quick-, Mergesortering Hans Fr. Nordhaug (Ola Bø)
INF 295 Algoritmer og datastrukturer Forelesning 4 Algoritmeanalyse Hans Fr. Nordhaug (Ola Bø)
INF 295 Algoritmer og datastrukturer Forelesning 6 ADT Lister, Stakker og Køer Hans Fr. Nordhaug (Ola Bø)
INF 295 Algoritmer og datastrukturer Forelesning 10 Invarianter og Hashing Hans Fr. Nordhaug (Ola Bø)
Studentliv - Kurs i PR og markedsføring - Modul 10 1 Arbeid på PC Fortrolighet i arbeidet med PC Skikk og bruk IT-kontrakten Spørsmål?
Diskrete stokastiske variable
AI - Kunstig Intelligens
Jæger: Robuste og sikre systemer INF150 Programmering Kapittel 2: Problemløsning Kapittel 3.1 og 3.2.
Java 5 Litt mer om løkker Arrayer Metoder Ole Christian Lingjærde
Parallellisering av Coin3D for Systems in Motion av Sveinung Thunes.
Se ellers læreboka, kap , side
Regresjonsanalyse Del 2
Grid Computing AliEn og Condor. Hvem, hva, hvor Jeg heter André Waage Sørensen Er tilknyttet Alice prosjektet på CERN Jobber med Grid teknologier som.
Objektorientert utforming In 140 Sommerville kap. 12.
INF 295 Algoritmer og datastrukturer Forelesning 22 Teknikker for algoritmeutvikling Hans Fr. Nordhaug/ Ola Bø.
Bayesiansk statistikk Petter Mostad Overblikk Tilbakeblikk på sannsynlighetsbegrepet Hvordan gjøre Bayesianske analyser Analyser ved hjelp.
Jæger: Robuste og sikre systemer Høgskolen i Molde Velkommen til INF150 Programmering Foreleser Bjørn Jæger.
Jæger: Robuste og sikre systemer INF150 Programmering mandag 25.9 MER OM: Sub-prosedyrer og sub-funksjoner Kap 4.
Objektorientert utforming In 140 Forelesning Nr 11 Sommerville kap 12 – del 1.
Mer avansert kryptering Mål: Kode et dokument slik at det blir uleselig for de som ikke har kodenøkkelen.
Forelesning 6 HSTAT1101 Ola Haug Norsk Regnesentral
Kapittel 9 Polymorfi. 9.1 Sein binding Ofte er det perfekt match mellom typen til ein variabel og objektet han refererer til ChessPiece bishop;... bishop.
Objektorientert design In 140 Sommerville kap 12 – del 1.
Kapittel 7 Array (lister og tabellar). 7.1 Arrayelement Array (lister, tabellar) er kjent frå VB Blir brukt til å organisere data når vi har mange dataelement.
INF 295 Algoritmer og datastrukturer Forelesning 23 Kompleksitet Hans Fr. Nordhaug/ Ola Bø.
SINTEF Fiskeri og havbruk AS Fartøydesign og beslutningsstøtte Karl-Johan Reite, SINTEF Fiskeri og havbruk.
Automatisering av rettslige beslutninger, særlig enkeltvedtak
TDT4105 Informasjonsteknologi, grunnkurs
Kompleksitetsanalyse
De fire regneartene.
Dag Wiese Schartum, AFIN
INF5110 – 5. og 7. mai 2015 Stein Krogdahl, Ifi, UiO
Roboter – EV3.
SIV : t-testen for to stikkprøver
IN3030 – Effektiv parallellprogrammering Uke 1 2. del, våren 2019
Utskrift av presentasjonen:

Algoritmiske metoder Innhold: Effektivitetsbetraktninger Programmeringsteknikker Datastrukturer Algoritmer tilknyttet datastrukturene Lærebok: Hafting/Ljosland: Algoritmer og datastrukturer med eksempler i C og Java Webside:

Målsetting Lage ”gode” program –Er mest mulig feilfrie –Bruker minst mulig dataressurser Kjøretid Lagerplass –Er raske å lage Bruker kjente algoritmer og datastrukturer

Dataressurser Hvor mye tid (eventuelt plass) brukes ved kjøring av dette programmet? Viktig når vi har mye data som skal behandles. Vil avhenge av –Problemet –Algoritmen –Dataene –Datamaskinen

Kompleksitetsanalyse Et matematisk uttrykk for hvor mye tid (eller plass) som brukes når en bestemt algoritme kjøres –Uavhengig av maskintype –Avhengig av antall data (n) –Avhengig av hvordan dataene ”ser ut” Beregner verste, beste og/eller gjennomsnittlig kjøretid/plassforbruk

Tidskompleksitet Omtrentlig antall elementære instruksjoner som blir utført når programmet kjører Elementær instruksjon: En instruksjon som i en vanlig datamaskin gjøres som én operasjon Antar at alle elementære operasjoner tar like lang tid Antall elementære operasjoner gir et tilnærmet uttrykk for hvor lang tid programmet tar

Asymptotisk analyse Ser på hva som skjer når datamengden (n) går mot uendelig f(n) є O(g(n)): g(n) er en øvre grense for f(n) f(n) є Ω(g(n)): g(n) er en nedre grense for f(n) f(n) є Θ(g(n)): g(n) er både øvre og nedre grense for f(n) Se læreboka for nøyaktig definisjon