STROMY A KOSTRY. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze. BI-GRA, LS 2010/2011, Lekce 6
|
|
- Ludmila Marešová
- před 6 lety
- Počet zobrazení:
Transkript
1 STROMY A KOSTRY Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze BI-GRA, LS 010/011, Lekce 6 Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce / 35 15
2 Stromy a kostry Seznámíme se (připomeneme si) následujícími pojmy: kostra rafu, cyklomatické číslo rafu, hodnost rafu kořenový strom, hloubka stromu kořenová kostra orientovaného rafu uspořádaný strom, pravidelný strom stupně r, úplný pravidelný strom vnější/vnitřní délka stromu, binární strom průchody preorder/inorder/postorder Skripta odst. 3., str Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 / 15 35
3 Stromy a kostry Připomeňme si nejprve, co je to strom... a co je to kostra rafu... Co lze říci o stromech? Nechť G = H,U je prostý raf. Potom a) G je strom b) u,v U existuje právě jedna cesta u v c) G je souvislý, ale G - {h} není pro libovolnou h H d) G je souvislý a platí H = U - 1 e) G neobsahuje kružnice a platí H = U - 1 f) G neobsahuje kružnice, ale G {h} ano jsou ekvivalentní tvrzení Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 3 / 15 35
4 Větve a tětivy Kostra rafu rozdělí hrany na větve a tětivy Fundamentální soustava kružnic odpovídající dané kostře Cyklomatické číslo (počet nezávislých kružnic = počet tětiv) µ(g) = H - U +p (p je počet komponent) Hodnost rafu (počet hran kostry nebo lesa rafu) h(g) = U -p Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 4 / 15 35
5 Orientované stromy (připomenutí) strom orientovaný strom kořenový strom Kořenový strom T u (s kořenem u) - orientovaný strom, kde každá cesta C(u,v) je orientovanou cestou. Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 5 / 15 35
6 Kořenová kostra OG orient. raf jeho kostra kořenová kostra Kořenová kostra - kostra, která je kořenovým stromem. Hloubka hl(x) uzlu x v kořenovém stromu = vzdálenost od kořene Hloubka kořenového stromu = max hl(x) x U Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 6 / 15 35
7 orientace hran orientace hran uspořádání následníků toto jsou různé uspořádané stromy Uspořádaný (kořenový) strom následníci (podstromy každého uzlu) jsou pevným způsobem uspořádáni (první, druhý,...) Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 7 / 15 35
8 Pravidelné stromy stupeň 3 hloubka stupeň 3 hloubka 4 Pravidelný strom stupně r ( 1) (δ + (u) = 0 nebo r) Úplný pravidelný strom stupně r hloubky k - všechny listy jsou v hloubce k od kořene Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 8 / 15 35
9 Pravidelné stromy Statistika: 7 listů (k) 6 vnitřních uzlů (m) 1 hran (h) Zjištění: Pro každé k N existuje pravidelný strom stupně s k listy (má k-1 vnitřních uzlů a (k-1) hran: k / k-1 / (k-1) )?Jak je to pro jiné stupně? m.(r-1)+1 / m / m.r 15/7/1 9/4/1 Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 9 / 15 35
10 Pravidelné stromy Statistika (r=): E(T)= = 1 I(T)= = Statistika (r=3): E(T)= = 36 I(T)= =9 vnější délka vnitřní délka E(T u ) = hl(v) sčítá se přes listy v I(T u ) = hl(v) sčítá se přes vnitřní uzly v E = I. (r-1) + r. m, kde m je počet vnitřních uzlů r=: 1= r=3: 36= Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce / 15 35
11 Pravidelné vs. n-ární stromy pravidelný strom stupně binární strom Binární strom Průchody binárním stromem - žádný uzel (prázdný) - preorder: kořen, LS, PS - kořen, levý podstrom, pravý podstrom - inorder: LS, kořen, PS - postorder: LS, PS, kořen Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce / 15 35
12 Kontrolní otázky 6.1 Určete, jakou podmínku musí splňovat uzel u souvislého orientovaného rafu, aby existovala kořenová kostra tohoto rafu s kořenem u. 6. Pro obecný počet uzlů n (n 3) určete, jak vypadá strom s n uzly, který má maximální (resp. minimální) počet listů. 6.3 Kolik různých kružnic vznikne, přidáme-li do kostry rafu dvě tětivy? 6.4 Zdůvodněte, proč se při libovolném z průchodů preorder, inorder, postorder binárního stromu navštíví jeho listy ve stejném relativním pořadí. 6.5 Předpokládejme, že uzly pravidelného stromu stupně jsou nějak očíslovány pořadovými čísly 1 až n. Ukažte, že strukturu tohoto pravidelného stromu lze jednoznačně rekonstruovat, pokud jsou k dispozici alespoň dvě z posloupností získaných průchodem preorder, inorder a postorder tohoto stromu. 6.6 Neorientovaný strom T má k listů a součet stupňů jeho vnitřních uzlů je s. Určete, co z toho bezprostředně plyne pro vlastnosti čísel k a s počet vnitřních uzlů stromu T v závislosti na k a s. 6.7 Šířkou kořenového stromu se nazývá maximum počtu uzlů nacházejících se ve stejné hloubce. Navrhněte aloritmus pro určení šířky zadaného kořenového stromu. Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 1 / 15 35
13 Minimální kostry Seznámíme se s následujícími pojmy: enerování všech koster rafu množinový rozklad minimální kostra rafu Borůvkův-Kruskalův aloritmus Jarníkův-Primův aloritmus hladové aloritmy, Huffmanovo kódování Skripta kap. 5, str Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce / 15 35
14 Doc. Josef Kolář (ČVUT) Prohledávání rafů GRA, LS 010/11, Lekce 4 14 / 15 Doc. Josef Kolář (ČVUT) Stromy a kostry GRA, LS 010/11, Lekce 6 14 / 35?Jak bychom enerovali všechny kostry rafu? Pomocí stromu všech koster - efektivní test vzniku kružnic! b c a d e f e d b a f f f e f e d c f e f f f e f e f f f e d f e d c b f e d f e f 4 hrany bez kružnic Generování koster rafu f
15 Generování koster rafu Rekapitulace: K tomu se hodí... Přidáváme hrany a testujeme vznik kružnice. Množinový rozklad - dynamický soubor podmnožin dané množiny s následujícími operacemi: - MAKE-SET(x) vytvoří jednoprvkovou podmnožinu - UNION(x,y) sjednocení podmnožin s prvky x a y - FIND(x) určí reprezentanta podmnožiny s prvkem x Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce / 15 35
16 Množinový rozklad Další použití: void KOMP(Graph G) { // určení komponent NG for (Node u in U(G)) MAKE-SET(u); for (Ede (u,v)in H) if (FIND(u)!= FIND(v)) UNION(u,v); } a b {a} {b} {c} {d} {e} {f} {} {h} {i} (a,b) {a,b} {c} {d} {e} {f} {} {h} {i} c e h d f i (e,f) {a,b} {c} {d} {e,f} {} {h} {i} (d,b) {a,b,d} {c} {e,f} {} {h} {i} (h,i) {a,b,d} {c} {e,f} {} {h,i} (a,c) {a,b,d,c} {e,f} {} {h,i} (e,) {a,b,d,c} {e,f,} {h,i} (b,c) {a,b,d,c} {e,f,} {h,i} (f,) {a,b,d,c} {e,f,} {h,i} (a,d) {a,b,d,c} {e,f,} {h,i}? Složitost : Ω( U + H )? Výhoda : dynamika! Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce / 15 35
17 Množinový rozklad Jak implementujeme množinový rozklad? Pomocí seznamů s odkazy na reprezentanta: MAKE-SET, FIND... O(1) UNION... O(min(m,n)) (pro vyvažování) (vyžaduje uchovávat další pomocné údaje) Areovaná složitost m operací, z toho n x MAKE-SET: O(m + n.l n) Při použití na určení kostry provedeme: U -krát MAKE-SET max.. H -krát FIND ( U -1)-krát UNION n = U, m.( U + H ) O( H + U + U.l U ) = O( H + U.l U )? Dokážeme to ještě lépe? ANO! Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce / 15 35
18 Množinový rozklad Další heuristiky pro množinový rozklad zkracování cesty při FIND UNION podle hodností Datové struktury: p[x] - předchůdce uzlu x hod[x] - hodnost (aproximace výšky) Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce / 15 35
19 Množinový rozklad void MAKE-SET (int x) { p[x] = x; hod[x] = 0; } void UNION (int x, int y) { LINK(FIND(x), FIND(y)); } void LINK(int x,int y) { if (hod[x] > hod[y]) p[y] = x; else { p[x] = y; if (hod[x] == hod[y]) hod[y]++; } } void FIND(int x) { if (x!= p[x]) p[x] = FIND(p[x]); return p[x]; } Složitost m operací MAKE-SET, FIND, UNION, když počet MAKE-SET je přesně n: O(m. l* n) neboli O(( U + H ). l* U ) Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce / 15 35
20 Minimální kostra (neorientovaného) rafu? Jaká kostra je minimální? Každá má přece U -1 hran! G = H,U je souvislý NG s nezáporným ohodnocením hran w: H R +. Hledáme kostru T = H v,u takovou, že? K čemu to bude dobré? w(h) (součet přes h H v ) je minimální celkem má koster? Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 0 / 15 35
21 Minimální kostry? Jak poznáme, že kostra je minimální? prohledáme všechny kostry rafu??? uhádneme kostru a ověříme její minimálnost (JAK?) V: Kostra T rafu G je minimální pro každou tětivu t je (kde K je jediná kružnice v T {t}) w(t) max w(h) pro h K Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 1 / 15 35
22 Hledání minimální kostry? Praktické možnosti? odebírat hrany z původního rafu??? najít libovolnou kostru a postupně ji upravovat??? vytvářet minimální kostru přidáváním vhodných hran!!! Generický aloritmus pro minimální kostru void GENERIC-MST(Graph G,Weihts w) { T = ; while ("T netvoří kostru") { "najdi vhodnou hranu [u,v] pro T" T = T [u,v] } return T; } TOHLE je ten problém Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 / 15 35
23 Hledání minimální kostry Jak hledat hranu pro přidání do minimální kostry? V: Nechť P je podstrom vytvořenéčásti minimální kostry rafu G, [p,q] je hrana taková, že - p P, q P - w([p,q]) = min w([u,v]) pro vš. hrany [u,v], u P, v P. Pak lze hranu [p,q] přidat k minimální kostře. kandidáti na přidání do kostry P G-P Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 3 / 15 35
24 Borůvkův - Kruskalův aloritmus void BK-MST(Graph G, Weihts w) { 1 T = ; for (Node u in U(G)) MAKE-SET(u); 3 "seřaď H(G) podle neklesajících vah w(h)" 4 for (Ede [u,v] in H(G)) { // v daném pořadí 5 if (FIND(u)!= FIND(v)) { 6 T = T [u,v]; 7 UNION(u,v); 8 } } 9 return T; } O( H.l H ) řazení, O( H. l* U ) dyn. rozklad Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 4 / 15 35
25 Použítí Borůvkova-Kruskalova aloritmu H O T O V O! Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 5 / 15 35
26 Jarníkův - Primův aloritmus void JP-MST(Graph G, Weihts w, Node r) { 1 Q = U; for (Node u in Q) d[u] = ; 3 d[r] = 0; p[r] = null; 4 while ( Q!= ) { 5 u = Q.ExtMin(); 6 for (Node v in Adj[u]) { 7 if ((v Q) && (w(u,v) < d[v])) { 8 p[v] = u; d[v] = w(u,v); 9 } } } } POZOR! Nemají konstantní složitost!!! O( U ) + O( U. l U ) + O( H. l U ) Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 6 / 15 35
27 Použítí Jarníkova-Primova aloritmu H O T O V O! Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 7 / 15 35
28 Srovnání výsledků Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 8 / 15 35
29 Kontrolní otázky 6.8 Nechť G je souvislý neorientovaný raf s nezáporným ohodnocením hran w, nechť H 1 je nějaká podmnožina jeho hran, která neobsahuje kružnice. Navrhněte aloritmus nalezení kostry s minimálním ohodnocením hran takové, že obsahuje všechny hrany z množiny H Zjistěte, zda jsou následující tvrzení pravdiváči nikoliv. Pravdivá tvrzení dokažte, nepravdivá vyvraťte co nejjednodušším protipříkladem: Jsou-li ohodnocení všech hran v souvislém neorientovaném rafu navzájem různá, je jeho minimální kostra určena jednoznačně. Jsou-li ohodnocení všech hran v souvislém neorientovaném rafu navzájem různá, pak mají každé dvě jeho různé kostry různá ohodnocení. Nechť je ohodnocení hrany h v souvislém neorientovaném rafu menší než ohodnocení každé jiné hrany. Pak je hrana h obsažena v každé jeho minimální kostře Graf G vzniknul tak, že jsme do stromu přidali hranu spojující nějakou dvojici jeho nesousedních uzlů. Čím je určen počet různých koster takto vytvořeného rafu G? 6.11 Ukažte na příkladu, že popsanými aloritmy hledání minimální kostry neorientovaného rafu nelze obecně získat minimální kořenovou kostru orientovaného rafu. V čem spočívá hlavní obtíž? Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 9 / 15 35
30 Hladové aloritmy (Greedy Alorithms) Požadavky na úlohu vlastnost hladového výběru - výběr podproblému a pak jeho řešení optimální podstruktura - optimální řešení problému obsahuje optimální řešení podproblému Postup shora dolů (dynamické proramování zdola nahoru) Příklad - Jarník-Prim aloritmus: výběr "nejlepšího" z n uzlů mimo dílčí podstrom pro přidání úprava kritéria pro jeho sousedy pak totéž pro (n-1) uzlů, atd. Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce / 15 35
31 Hladové aloritmy - příklad Příklad návrh optimální větvící struktury proramu test1 test test Známe relativníčetnost průchodu jednotlivými větvemi? Jaký bude průměrný počet testů potřebných k větvení? w i. hl(u i ) Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce / 15 35
32 Hladové aloritmy - příklad Obecná formulace: Pravidelný kořenový strom T u stupně r s n listy, které jsou ohodnoceny reálnými čísly w i = w(u i ) vnější w-délka E w (T u ) = w i. hl(u i ) Jak vypadá strom s minimální vnější w-délkou? Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce 46 3 / 15 35
33 Hladové aloritmy - příklad Jiná aplikace - enerování optimálního prefixového kódu prefixový kód - žádné slovo není prefixem jiného slova Jsou dány znaky a jejich četnosti (absolutní/relativní) v textu znak A B C D E F G H I J kód četnost I:35 A: C:18 D: E:1 průměrná délka kódu.75 (proti 4.0) B:5 F: G: H:3 1 J:7 Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce / 15 35
34 Huffmanův aloritmus (pro r=) void Huffman(Weihts w, int n) { Q.Init(); for (int i=1; i<=n; i++) { u = MakeNode(w[i]); Q.Push(u); } for (int i=1; i<n; i++) { x = Q.ExtMin(); y = Q.ExtMin(); z = MakeNode(w[x]+w[y]); z.left = x; z.riht = y; Q.Push(z); } return Q.ExtMin(); } Zobecnění pro libovolné r (stupeň stromu) je přímočaré... Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce / 15 35
35 Kontrolní otázky 6.1 Upravte Huffmanův aloritmus tak, aby vytvářel minimální pravidelný strom se zadaným stupněm r Dokažte, že hodnotu E w vnější w-délky pravidelného stromu vytvořeného Huffmanovým aloritmem lze spočítat jako součet ohodnocení všech jeho vnitřních uzlů. Doc. Josef Kolář (ČVUT) Prohledávání Stromy a kostry rafů GRA, LS 010/11, Lekce / 15 35
STROMY A KOSTRY. Stromy a kostry TI 6.1
STROMY A KOSTRY Stromy a kostry TI 6.1 Stromy a kostry Seznámíme se s následujícími pojmy: kostra rafu, cyklomatické číslo rafu, hodnost rafu (kořenový strom, hloubka stromu, kořenová kostra orientovaného
Použití dalších heuristik
Použití dalších heuristik zkracování cesty při FIND-SET UNION podle hodností Datové struktury... p[x] - předchůdce uzlu x MAKE-SET(x) p[x] := x hod[x] := 0 hod[x] - hodnost (aprox. výšky) UNION(x,y) LINK(FIND-SET(x),
NEJKRATŠÍ CESTY I. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze
NEJKRATŠÍ CESTY I Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze BI-GRA, LS 2010/2011, Lekce 7 Evropský sociální fond Praha & EU: Investujeme do vaší
PROHLEDÁVÁNÍ GRAFŮ. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze
PROHLEDÁVÁNÍ GRAFŮ Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze BI-GRA, LS 2010/2011, Lekce 4 Evropský sociální fond Praha & EU: Investujeme do
TOKY V SÍTÍCH II. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze
TOKY V SÍTÍCH II Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze BI-GRA, LS 010/011, Lekce 10 Evropský sociální fond Praha & EU: Investujeme do vaší
ORIENTOVANÉ GRAFY, REPREZENTACE GRAFŮ
ORIENTOVANÉ GRAFY, REPREZENTACE GRAFŮ Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze BI-GRA, LS 2/2, Lekce Evropský sociální fond Praha & EU: Investujeme
VLASTNOSTI GRAFŮ. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze. BI-GRA, LS 2010/2011, Lekce 5
VLASTNOSTI GRAFŮ Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze BI-GRA, LS 2010/2011, Lekce 5 Evropský sociální fond Praha & EU: Investujeme do vaší
VLASTNOSTI GRAFŮ. Vlastnosti grafů - kap. 3 TI 5 / 1
VLASTNOSTI GRAFŮ Vlastnosti grafů - kap. 3 TI 5 / 1 Pokrytí a vzdálenost Každý graf je sjednocením svých hran (jak je to přesně?).?lze nalézt složitější struktury stejného typu, ze kterých lze nějaký graf
PLANARITA A TOKY V SÍTÍCH
PLANARITA A TOKY V SÍTÍCH Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze BI-GRA, LS 2010/2011, Lekce 9 Evropský sociální fond Praha & EU: Investujeme
Základní datové struktury III: Stromy, haldy
Základní datové struktury III: Stromy, haldy prof. Ing. Pavel Tvrdík CSc. Katedra počítačových systémů Fakulta informačních technologií České vysoké učení technické v Praze c Pavel Tvrdík, 2010 Efektivní
Stromy. Strom: souvislý graf bez kružnic využití: počítačová grafika seznam objektů efektivní vyhledávání výpočetní stromy rozhodovací stromy
Stromy úvod Stromy Strom: souvislý graf bez kružnic využití: počítačová grafika seznam objektů efektivní vyhledávání výpočetní stromy rozhodovací stromy Neorientovaný strom Orientovaný strom Kořenový orientovaný
Stromy, haldy, prioritní fronty
Stromy, haldy, prioritní fronty prof. Ing. Pavel Tvrdík CSc. Katedra počítačů FEL České vysoké učení technické DSA, ZS 2008/9, Přednáška 6 http://service.felk.cvut.cz/courses/x36dsa/ prof. Pavel Tvrdík
Algoritmy na ohodnoceném grafu
Algoritmy na ohodnoceném grafu Dvě základní optimalizační úlohy: Jak najít nejkratší cestu mezi dvěma vrcholy? Dijkstrův algoritmus s t Jak najít minimální kostru grafu? Jarníkův a Kruskalův algoritmus
Vzdálenost uzlů v neorientovaném grafu
Vzdálenosti a grafy Vzdálenost uzlů v neorientovaném grafu Je dán neorientovaný neohodnocený graf G = (V,E,I) vzdálenost uzlů u a v v neorientovaném souvislém grafu G je délka nejkratší cesty spojující
NP-ÚPLNÉ PROBLÉMY. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze
NP-ÚPLNÉ PROBLÉMY Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze BI-GRA, LS 2010/2011, Lekce 13 Evropský sociální fond Praha & EU: Investujeme do
Drsná matematika III 10. demonstrovaná cvičení Kostry grafů
Drsná matematika III 10. demonstrovaná cvičení Kostry grafů Martin Panák Masarykova univerzita Fakulta informatiky 21.11. 2006 1 Domácí úlohy z minulého týdne Příklad 1 Příklad 2 Příklad 3 2 Borůvkův algoritmus
Grafové algoritmy. Programovací techniky
Grafové algoritmy Programovací techniky Grafy Úvod - Terminologie Graf je datová struktura, skládá se z množiny vrcholů V a množiny hran mezi vrcholy E Počet vrcholů a hran musí být konečný a nesmí být
Grafové algoritmy. Programovací techniky
Grafové algoritmy Programovací techniky Grafy Úvod - Terminologie Graf je datová struktura, skládá se z množiny vrcholů V a množiny hran mezi vrcholy E Počet vrcholů a hran musí být konečný a nesmí být
Rekurzivní algoritmy
Rekurzivní algoritmy prof. Ing. Pavel Tvrdík CSc. Katedra počítačových systémů Fakulta informačních technologií České vysoké učení technické v Praze c Pavel Tvrdík, 2010 Efektivní algoritmy (BI-EFA) ZS
07 Základní pojmy teorie grafů
07 Základní pojmy teorie grafů (definice grafu, vlastnosti grafu, charakteristiky uzlů, ohodnocené grafy) Definice grafu množina objektů, mezi kterými existují určité vazby spojující tyto objekty. Uspořádaná
STROMOVE ALGORITMY Prohledavani do sirky (level-order) Po vodorovnejch carach fronta
STROMOVE ALGORITMY Prohledavani do sirky (level-order) Po vodorovnejch carach vlož do fronty kořen opakuj, dokud není fronta prázdná 1. vyber uzel z fronty a zpracuj jej 2. vlož do fronty levého následníka
Kostry. 9. týden. Grafy. Marie Demlová (úpravy Matěj Dostál) 16. dubna 2019
Grafy 16. dubna 2019 Tvrzení. Je dán graf G, pak následující je ekvivalentní. 1 G je strom. 2 Graf G nemá kružnice a přidáme-li ke grafu libovolnou hranu, uzavřeme přesně jednu kružnici. 3 Graf G je souvislý
Jan Březina. 7. března 2017
TGH03 - stromy, ukládání grafů Jan Březina Technical University of Liberec 7. března 2017 Kružnice - C n V = {1, 2,..., n} E = {{1, 2}, {2, 3},..., {i, i + 1},..., {n 1, n}, {n, 1}} Cesta - P n V = {1,
Úvod do teorie grafů
Úvod do teorie grafů Neorientovaný graf G = (V,E,I) V množina uzlů (vrcholů) - vertices E množina hran - edges I incidence incidence je zobrazení, buď: funkce: I: E V x V relace: I E V V incidence přiřadí
Algoritmy a datové struktury
Algoritmy a datové struktury Stromy 1 / 32 Obsah přednášky Pole a seznamy Stromy Procházení stromů Binární stromy Procházení BS Binární vyhledávací stromy 2 / 32 Pole Hledání v poli metodou půlení intervalu
Stromy. Příklady. Rekurzivní datové struktury. Základní pojmy
Základní pojmy Stromy doc. Ing. Miroslav Beneš, Ph.D. katedra informatiky FEI VŠB-TUO A-1007 / 597 324 213 http://www.cs.vsb.cz/benes Miroslav.Benes@vsb.cz Graf uzly hrany orientované / neorientované Souvislý
Grafy. doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava. Prezentace ke dni 13.
Grafy doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava Prezentace ke dni 13. března 2017 Jiří Dvorský (VŠB TUO) Grafy 104 / 309 Osnova přednášky Grafy
6. Tahy / Kostry / Nejkratší cesty
6. Tahy / Kostry / Nejkratší cesty BI-EP2 Efektivní programování 2 LS 2017/2018 Ing. Martin Kačer, Ph.D. 2011-18 Martin Kačer Katedra teoretické informatiky Fakulta informačních technologií České vysoké
1. Převeďte dané číslo do dvojkové, osmičkové a šestnáctkové soustavy: a) 759 10 b) 2578 10
Úlohy- 2.cvičení 1. Převeďte dané číslo do dvojkové, osmičkové a šestnáctkové soustavy: a) 759 10 b) 2578 10 2. Převeďte dané desetinné číslo do dvojkové soustavy (DEC -> BIN): a) 0,8125 10 b) 0,35 10
Základy algoritmizace c2005, 2007 Michal Krátký, Jiří Dvorský1/39
Základy algoritmizace Michal Krátký 1, Jiří Dvorský 1 1 Katedra informatiky VŠB Technická univerzita Ostrava Základy algoritmizace, 2006/2007 Základy algoritmizace c2005, 2007 Michal Krátký, Jiří Dvorský1/39
TGH05 - aplikace DFS, průchod do šířky
TGH05 - aplikace DFS, průchod do šířky Jan Březina Technical University of Liberec 31. března 2015 Grafová formulace CPM (critical path method) Orientovaný acyklický graf (DAG) je orientovaný graf neobsahující
Stromy. Karel Richta a kol. Katedra počítačů Fakulta elektrotechnická České vysoké učení technické v Praze Karel Richta a kol.
Stromy Karel Richta a kol. Katedra počítačů Fakulta elektrotechnická České vysoké učení technické v Praze Karel Richta a kol., 2018, B6B36DSA 01/2018, Lekce 9 https://cw.fel.cvut.cz/wiki/courses/b6b36dsa/start
Zdůvodněte, proč funkce n lg(n) roste alespoň stejně rychle nebo rychleji než než funkce lg(n!). Symbolem lg značíme logaritmus o základu 2.
1 3 4 5 6 7 8 9 10 11 1 13 14 15 16 17 18 19 0 1 3 4 5 6 7 8 9 30 31 3 Zdůvodněte, proč funkce f(n) = n log(n) 1 n 1/ roste rychleji než funkce g(n) = n. Zdůvodněte, proč funkce f(n) = n 3/ log(n) roste
Dynamické datové struktury III.
Dynamické datové struktury III. Halda. Tomáš Bayer bayertom@natur.cuni.cz Katedra aplikované geoinformatiky a kartografie, Přírodovědecká fakulta UK. Tomáš Bayer bayertom@natur.cuni.cz (Katedra aplikované
TGH07 - Chytré stromové datové struktury
TGH07 - Chytré stromové datové struktury Jan Březina Technical University of Liberec 1. dubna 2014 Prioritní fronta Datová struktura s operacemi: Odeber Minum (AccessMin, DeleteMin) - vrat prvek s minimálním
Volné stromy. Úvod do programování. Kořenové stromy a seřazené stromy. Volné stromy
Volné stromy Úvod do programování Souvislý, acyklický, neorientovaný graf nazýváme volným stromem (free tree). Často vynecháváme adjektivum volný, a říkáme jen, že daný graf je strom. Michal Krátký 1,Jiří
Dynamické programování
Dynamické programování prof. Ing. Pavel Tvrdík CSc. Katedra počítačových systémů Fakulta informačních technologií České vysoké učení technické v Praze c Pavel Tvrdík, 2010 Efektivní algoritmy (BI-EFA)
Grafové algoritmy III.
Grafové algoritmy III. Minimální kostra. Borůvkův/Kruskalův algoritmus. Jarníkův/Primův algoritmus. Tomáš Bayer bayertom@natur.cuni.cz Katedra aplikované geoinformatiky a kartografie, Přírodovědecká fakulta
Dynamické datové struktury IV.
Dynamické datové struktury IV. Prioritní fronta. Tomáš Bayer bayertom@natur.cuni.cz Katedra aplikované geoinformatiky a kartografie, Přírodovědecká fakulta UK. Tomáš Bayer bayertom@natur.cuni.cz (Katedra
Binární vyhledávací stromy II
Binární vyhledávací stromy II doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava Prezentace ke dni 19. března 2019 Jiří Dvorský (VŠB TUO) Binární vyhledávací
Dynamicky vázané metody. Pozdní vazba, virtuální metody
Dynamicky vázané metody Pozdní vazba, virtuální metody Motivace... class TBod protected: float x,y; public: int vrat_pocet_bodu() return 1; ; od třídy TBod odvodíme: class TUsecka: public TBod protected:
4EK311 Operační výzkum. 5. Teorie grafů
4EK311 Operační výzkum 5. Teorie grafů 5. Teorie grafů definice grafu Graf G = uspořádaná dvojice (V, E), kde V označuje množinu n uzlů u 1, u 2,, u n (u i, i = 1, 2,, n) a E označuje množinu hran h ij,
Algoritmy výpočetní geometrie
Algoritmy výpočetní geometrie prof. Ing. Pavel Tvrdík CSc. Katedra počítačových systémů Fakulta informačních technologií České vysoké učení technické v Praze c Pavel Tvrdík, 2010 Efektivní algoritmy (BI-EFA)
Matice sousednosti NG
Matice sousednosti NG V = [ v ij ] celočíselná čtvercová matice řádu U v ij = ρ -1 ( [u i, u j ] )... tedy počet hran mezi u i a u j?jaké vlastnosti má matice sousednosti?? Smyčky, rovnoběžné hrany? V
TURINGOVY STROJE. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze
TURINGOVY STROJE Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze BI-GRA, LS 2010/2011, Lekce 12 Evropský sociální fond Praha & EU: Investujeme do vaší
TGH05 - aplikace DFS, průchod do šířky
TGH05 - aplikace DFS, průchod do šířky Jan Březina Technical University of Liberec 28. března 2017 Grafová formulace CPM (critical path method) Orientovaný acyklický graf (DAG) je orientovaný graf neobsahující
TGH07 - Chytré stromové datové struktury
TGH07 - Chytré stromové datové struktury Jan Březina Technical University of Liberec 5. dubna 2017 Prioritní fronta Datová struktura s operacemi: Odeber Minum (AccessMin, DeleteMin) - vrat prvek s minimálním
5 Orientované grafy, Toky v sítích
Petr Hliněný, FI MU Brno, 205 / 9 FI: IB000: Toky v sítích 5 Orientované grafy, Toky v sítích Nyní se budeme zabývat typem sít ových úloh, ve kterých není podstatná délka hran a spojení, nýbž jejich propustnost
Matematika III 10. přednáška Stromy a kostry
Matematika III 10. přednáška Stromy a kostry Michal Bulant Masarykova univerzita Fakulta informatiky 20. 11. 2007 Obsah přednášky 1 Izomorfismy stromů 2 Kostra grafu 3 Minimální kostra Doporučené zdroje
Teorie grafů BR Solutions - Orličky Píta (Orličky 2010) Teorie grafů / 66
Teorie grafů Petr Hanuš (Píta) BR Solutions - Orličky 2010 23.2. 27.2.2010 Píta (Orličky 2010) Teorie grafů 23.2. 27.2.2010 1 / 66 Pojem grafu Graf je abstraktní pojem matematiky a informatiky užitečný
8 Přednáška z
8 Přednáška z 3 12 2003 Problém minimální kostry: Dostaneme souvislý graf G = (V, E), w : E R + Našim úkolem je nalézt strom (V, E ) tak, aby výraz e E w(e) nabýval minimální hodnoty Řešení - Hladový (greedy)
4 Stromy a les. Definice a základní vlastnosti stromů. Kostry grafů a jejich počet.
4 Stromy a les Jedním ze základních, a patrně nejjednodušším, typem grafů jsou takzvané stromy. Jedná se o souvislé grafy bez kružnic. Přes svou (zdánlivou) jednoduchost mají stromy bohatou strukturu a
Přijímací zkouška - matematika
Přijímací zkouška - matematika Jméno a příjmení pište do okénka Číslo přihlášky Číslo zadání 1 Grafy 1 Pro který z následujících problémů není znám žádný algoritmus s polynomiální časovou složitostí? Problém,
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2015
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 05 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
GRAFOVÉ MODELY. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky FIT České vysoké učení technické v Praze. BI-GRA, LS 2010/2011, Lekce 1
GRAFOVÉ MODELY Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky FIT České vysoké učení technické v Praze BI-GRA, LS 2010/2011, Lekce 1 Evropský sociální fond. Praha & EU: Investujeme do vaší
TEORIE GRAFŮ TEORIE GRAFŮ 1
TEORIE GRAFŮ 1 TEORIE GRAFŮ Přednášející: RNDr. Jiří Taufer, CSc. Fakulta dopravní ČVUT v Praze, letní semestr 1998/99 Zpracoval: Radim Perkner, tamtéž, v květnu 1999 ZÁKLADNÍ POJMY Říkáme, že je dán prostý
Programování 3. hodina. RNDr. Jan Lánský, Ph.D. Katedra informatiky a matematiky Fakulta ekonomických studií Vysoká škola finanční a správní 2015
Programování 3. hodina RNDr. Jan Lánský, Ph.D. Katedra informatiky a matematiky Fakulta ekonomických studií Vysoká škola finanční a správní 2015 Umíme z minulé hodiny Implementace zásobníku a fronty pomocí
ALGORITMIZACE 2010/03 STROMY, BINÁRNÍ STROMY VZTAH STROMŮ A REKURZE ZÁSOBNÍK IMPLEMENTUJE REKURZI PROHLEDÁVÁNÍ S NÁVRATEM (BACKTRACK)
ALGORITMIZACE 2010/03 STROMY, BINÁRNÍ STROMY VZTAH STROMŮ A REKURZE ZÁSOBNÍK IMPLEMENTUJE REKURZI PROHLEDÁVÁNÍ S NÁVRATEM (BACKTRACK) Strom / tree uzel, vrchol / node, vertex hrana / edge vnitřní uzel
Algoritmizace Dynamické programování. Jiří Vyskočil, Marko Genyg-Berezovskyj 2010
Dynamické programování Jiří Vyskočil, Marko Genyg-Berezovskyj 2010 Rozděl a panuj (divide-and-conquer) Rozděl (Divide): Rozděl problém na několik podproblémů tak, aby tyto podproblémy odpovídaly původnímu
TGH08 - Optimální kostry
TGH08 - Optimální kostry Jan Březina Technical University of Liberec 14. dubna 2015 Problém profesora Borůvky řešil elektrifikaci Moravy Jak propojit N obcí vedením s minimální celkovou délkou. Vedení
Návrh Designu: Radek Mařík
1. 7. Najděte nejdelší rostoucí podposloupnost dané posloupnosti. Použijte metodu dynamického programování, napište tabulku průběžných délek částečných výsledků a tabulku předchůdců. a) 5 8 11 13 9 4 1
Programování v C++ 1, 16. cvičení
Programování v C++ 1, 16. cvičení binární vyhledávací strom 1 1 Fakulta jaderná a fyzikálně inženýrská České vysoké učení technické v Praze Zimní semestr 2018/2019 Přehled 1 2 Shrnutí minule procvičené
TGH06 - Hledání nejkratší cesty
TGH06 - Hledání nejkratší cesty Jan Březina Technical University of Liberec 26. března 2013 Motivační problémy Silniční sít reprezentovaná grafem. Najdi nejkratší/nejrychlejší cestu z místa A do místa
0. ÚVOD - matematické symboly, značení,
0. ÚVOD - matematické symboly, značení, číselné množiny Výroky Výrok je každé sdělení, u kterého lze jednoznačně rozhodnout, zda je či není pravdivé. Každému výroku lze proto přiřadit jedinou pravdivostní
ALGEBRA. Téma 5: Vektorové prostory
SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 5: Vektorové prostory Základní pojmy Vektorový prostor nad polem P, reálný (komplexní)
Union-Find problém. Kapitola 1
Kapitola 1 Union-Find problém Motivace: Po světě se toulá spousta agentů. Často se stává, že jeden agent má spoustu jmen/přezdívek, které používá například při rezervaci hotelu, restaurace, na návštěvě
Pokročilé haldy. prof. Ing. Pavel Tvrdík CSc. Fakulta informačních technologií České vysoké učení technické v Praze c Pavel Tvrdík, 2010
Pokročilé haldy prof. Ing. Pavel Tvrdík CSc. Katedra počítačových systémů Fakulta informačních technologií České vysoké učení technické v Praze c Pavel Tvrdík, 2010 Efektivní algoritmy (I-EFA) ZS 2010/11,
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2014
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 204 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
Základy informatiky. Teorie grafů. Zpracoval: Pavel Děrgel Úprava: Daniela Szturcová
Základy informatiky Teorie grafů Zpracoval: Pavel Děrgel Úprava: Daniela Szturcová Obsah přednášky Barvení mapy Teorie grafů Definice Uzly a hrany Typy grafů Cesty, cykly, souvislost grafů Barvení mapy
H {{u, v} : u,v U u v }
Obyčejný graf Obyčejný graf je dvojice G= U, H, kde U je konečná množina uzlů (vrcholů) a H {{u, v} : u,v U u v } je (konečná) množina hran. O hraně h={u, v} říkáme, že je incidentní s uzly u a v nebo
Řešení rekurentních rovnic 2. Základy diskrétní matematiky, BI-ZDM ZS 2011/12, Lekce 11
Řešení rekurentních rovnic 2 doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky FIT České vysoké učení technické v Praze c Josef Kolar, 2011 Základy diskrétní matematiky, BI-ZDM ZS 2011/12, Lekce
ALGORITMIZACE 2010/03 STROMY, BINÁRNÍ STROMY VZTAH STROMŮ A REKURZE ZÁSOBNÍK IMPLEMENTUJE REKURZI PROHLEDÁVÁNÍ S NÁVRATEM (BACKTRACK)
ALGORITMIZACE 2010/03 STROMY, BINÁRNÍ STROMY VZTAH STROMŮ A REKURZE ZÁSOBNÍK IMPLEMENTUJE REKURZI PROHLEDÁVÁNÍ S NÁVRATEM (BACKTRACK) Strom / tree uzel, vrchol / node, vertex hrana / edge vnitřní uzel
zejména Dijkstrův algoritmus pro hledání minimální cesty a hladový algoritmus pro hledání minimální kostry.
Kapitola Ohodnocené grafy V praktických aplikacích teorie grafů zpravidla graf slouží jako nástroj k popisu nějaké struktury. Jednotlivé prvky této struktury mají často přiřazeny nějaké hodnoty (může jít
řádově různě rostoucí rostou řádově stejně rychle dvě funkce faktor izomorfismus neorientovaných grafů souvislý graf souvislost komponenta
1) Uveďte alespoň dvě řádově různě rostoucí funkce f(n) takové, že n 2 = O(f(n)) a f(n) = O(n 3 ). 2) Platí-li f(n)=o(g 1 (n)) a f(n)=o(g 2 (n)), znamená to, že g 1 (n) a g 2 (n) rostou řádově stejně rychle
Binární vyhledávací stromy pokročilé partie
Binární vyhledávací stromy pokročilé partie KMI/ALS lekce Jan Konečný 30.9.204 Literatura Cormen Thomas H., Introduction to Algorithms, 2nd edition MIT Press, 200. ISBN 0-262-5396-8 6, 3, A Knuth Donald
Matematika pro informatiky
(FIT ČVUT v Praze) Konvexní analýza 13.týden 1 / 1 Matematika pro informatiky Jaroslav Milota Fakulta informačních technologíı České vysoké učení technické v Praze Letní semestr 2010/11 Extrémy funkce
ALG 04. Zásobník Fronta Operace Enqueue, Dequeue, Front, Empty... Cyklická implementace fronty. Průchod stromem do šířky
LG 04 Zásobník Fronta Operace nqueue, equeue, Front, mpty... yklická implementace fronty Průchod stromem do šířky Grafy průchod grafem do šířky průchod grafem do hloubky Ořezávání a heuristiky 1 Zásobník
bin arn ı vyhled av an ı a bst Karel Hor ak, Petr Ryˇsav y 23. bˇrezna 2016 Katedra poˇ c ıtaˇ c u, FEL, ˇ CVUT
binární vyhledávání a bst Karel Horák, Petr Ryšavý 23. března 2016 Katedra počítačů, FEL, ČVUT Příklad 1 Naimplementujte binární vyhledávání. Upravte metodu BinarySearch::binarySearch. 1 Příklad 2 Mysĺım
5. Dynamické programování
5. Dynamické programování BI-EP1 Efektivní programování 1 ZS 2011/2012 Ing. Martin Kačer, Ph.D. 2010-11 Martin Kačer Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické
Grafy (G) ρ(h) = [u,v]
Grafy (G) Neorientované: (NG) H hrany, U-uzly, ρ-incidence (jestli k němu něco vede) ρ: H UΞU Ξ neuspořádaná dvojice ρ(h) = [u,v] Teoretická informatika Str.1 Izolovaný uzel neinciduje s ním žádná hrana
Teorie grafů. Kostra grafu. Obsah. Radim Farana Podklady pro výuku pro akademický rok 2013/2014
Teorie grafů Radim Farana Podklady pro výuku pro akademický rok 013/014 Obsah Kostra grafu. Tahy,. Úloha čínského pošťáka. Zdroj: Vítečková, M., Přidal, P. & Koudela, T. Výukový modul k předmětu Systémová
Aproximativní algoritmy UIN009 Efektivní algoritmy 1
Aproximativní algoritmy. 14.4.2005 UIN009 Efektivní algoritmy 1 Jak nakládat s NP-těžkými úlohami? Speciální případy Aproximativní algoritmy Pravděpodobnostní algoritmy Exponenciální algoritmy pro data
Hledáme efektivní řešení úloh na grafu
Hledáme efektivní řešení úloh na grafu Mějme dán graf následující úlohy: G = ( V, E), chceme algoritmicky vyřešit Je daný vrchol t dosažitelný z vrcholu s? Pokud ano, jaká nejkratší cesta tyto vrcholy
Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze
Dobývání znalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Bayesovské modely Doc. RNDr. Iveta Mrázová, CSc.
Paralelní grafové algoritmy
Paralelní grafové algoritmy Značení Minimální kostra grafu Nejkratší cesta z jednoho uzlu Nejkratší cesta mezi všemi dvojicemi uzlů Použité značení Definition Bud G = (V, E) graf. Pro libovolný uzel u
prof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. BI-ZMA ZS 2009/2010
Základní pojmy prof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. Katedra matematiky České vysoké učení technické v Praze c Čestmír Burdík, Edita Pelantová 2009 Základy matematické analýzy
5 Rekurze a zásobník. Rekurzivní volání metody
5 Rekurze a zásobník Při volání metody z metody main() se do zásobníku uloží aktivační záznam obsahující - parametry - návratovou adresu, tedy adresu, kde bude program pokračovat v metodě main () po skončení
Informatika navazující magisterské studium Přijímací zkouška z informatiky 2018 varianta A
Informatika navazující magisterské studium Přijímací zkouška z informatiky 2018 varianta A Každá úloha je hodnocena maximálně 25 body. Všechny své odpovědi zdůvodněte! 1. Postavte na stůl do řady vedle
Dynamické programování
ALG 0 Dynamické programování zkratka: DP Zdroje, přehledy, ukázky viz https://cw.fel.cvut.cz/wiki/courses/a4balg/literatura_odkazy 0 Dynamické programování Charakteristika Neřeší jeden konkrétní typ úlohy,
Úlohy k procvičování textu o svazech
Úlohy k procvičování textu o svazech Číslo za pomlčkou v označení úlohy je číslo kapitoly textu, která je úlohou procvičovaná. Každá úloha je vyřešena o několik stránek později. Kontrolní otázky - zadání
Dynamické datové struktury II.
Dynamické datové struktury II. Stromy. Binární vyhledávací strom. DFS. BFS. Tomáš Bayer bayertom@natur.cuni.cz Katedra aplikované geoinformatiky a kartografie, Přírodovědecká fakulta UK. Tomáš Bayer bayertom@natur.cuni.cz
Množinu všech slov nad abecedou Σ značíme Σ * Množinu všech neprázdných slov Σ + Jazyk nad abecedou Σ je libovolná množina slov nad Σ
Abecedou se rozumí libovolná konečná množina Σ. Prvky abecedy nazýváme znaky (symboly) Slovo (řetězec) v nad abecedou Σ je libovolná konečná posloupnost znaků této abecedy. Prázdné posloupnosti znaků odpovídá
1. Minimální kostry. 1.1. Od mìsteèka ke kostøe
. Minimální kostry Napadl sníh a přikryl peřinou celé městečko. Po ulicích lze sotva projít pěšky, natož projet autem. Které ulice prohrneme, aby šlo dojet odkudkoliv kamkoliv, a přitom nám házení sněhu
Výroková a predikátová logika - II
Výroková a predikátová logika - II Petr Gregor KTIML MFF UK ZS 2017/2018 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - II ZS 2017/2018 1 / 17 Předběžnosti Základní pojmy n-ární relace a funkce
Cvičení z logiky II.
Cvičení z logiky II. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı České vysoké učení technické v Praze c Kateřina Trlifajová, 2010 BI-MLO, ZS 2011/12 https://edux.fit.cvut.cz/courses/bi-mlo/lectures/
které je z různých pohledů charakterizují. Několik z nich dokážeme v této kapitole.
Kapitola 7 Stromy Stromy jsou jednou z nejdůležitějších tříd grafů. O tom svědčí i množství vět, které je z různých pohledů charakterizují. Několik z nich dokážeme v této kapitole. Představíme také dvě
BI-EP1 Efektivní programování 1
BI-EP1 Efektivní programování 1 ZS 2011/2012 Ing. Martin Kačer, Ph.D. 2010-11 Martin Kačer Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v Praze Evropský
4 Pojem grafu, ve zkratce
Petr Hliněný, FI MU Brno, 2014 1 / 24 FI: IB000: Pojem grafu 4 Pojem grafu, ve zkratce Třebaže grafy jsou jen jednou z mnoha struktur v matematice a vlastně pouze speciálním případem binárních relací,
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2017
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 207 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2016
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2016 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia