CZY WSZYSTKO MOŻNA POLICZYĆ NA KOMPUTERZE WSTĘP DO ZŁOŻONOŚCI OBLICZENIOWEJ
description
Transcript of CZY WSZYSTKO MOŻNA POLICZYĆ NA KOMPUTERZE WSTĘP DO ZŁOŻONOŚCI OBLICZENIOWEJ
CZY WSZYSTKO MOŻNA POLICZYĆ NA KOMPUTERZE
WSTĘP DO ZŁOŻONOŚCI OBLICZENIOWEJ
Maciej M. SysłoUniwersytet Wrocławski
Uniwersytet UMK w [email protected]
2informatyka +
Algorytm, algorytmika
Algorytm – opis rozwiązania krok po kroku postawionego problemu lub sposobu osiągnięcia jakiegoś celu
Pierwszy algorytm – algorytm Euklidesa 300 p.n.e
algorytm od Muhammad ibn Musa al-Chorezmi IX w.
Algorytmika – dziedzina zajmująca się algorytmami i ich własnościami
informatyka + 3
Algorytmy a informatyka
Informatyka – jedna z definicji: dziedzina wiedzy i działalności zajmująca się algorytmami
Donald E. Knuth: Mówi się często, że człowiek dotąd nie zrozumie czegoś,
zanim nie nauczy tego – kogoś innego.W rzeczywistości,
człowiek nie zrozumie czegoś (algorytmu) naprawdę,zanim nie zdoła nauczyć tego – komputera.
Ralf Gomory (IBM):Najlepszym sposobem przyspieszania komputerów jest obarczanie ich mniejszą liczbą działań (szybszymi algorytmami)
informatyka + 4
Czy wszystko można policzyć na komputerze
Plan:• Superkomputery, superkomputery a algorytmy
• Przykłady trudnych problemów– szukanie trasy objazdu
– podnoszenie do potęgi
– badanie złożoności liczb
– porządkowanie (?)
• Problemy, które mają efektywne algorytmy– problemy przeszukiwania zbioru – problemy wyszukiwania w zbiorach nieuporządkowanych i uporządkowanych– schemat Hornera– porządkowanie
• Znaczenie zasady dziel i zwyciężaj
• Problemy trudne, ponownie
informatyka + 5
IBM – początki dużych komputerów
informatyka + 6
Nie będą potrzebne duże komputery, najwyżej 5,
Thomas J. Watson, IBM, 1948
Rozwój elektroniki
informatyka + 7
Jednostki szybkości komputerów
FLOPS (FLoting point Operations Per Second) – liczba operacji zmiennopozycyjnych (+/–, *, / na liczbach rzeczywistych) na sekundę
KFlops (kilo flops) – 103
MFlops (mega flops) – 106
GFlops (giga flops) – 109
TFlops (tera flops) – 1012
PFlops (peta flops) – 1015
EFlops (exa flops) – 1018
ZFlops (zetta flops) – 1021
YFlops (yotta flops) – 1024
informatyka + 8
Zakładamy, że dysponujemy komputerem o mocy 1 PFlops, 1 000 000 000 000 000 op/sek
Superkomputery, 1 – początki
informatyka + 9
Z3, 1941 – 20 OPS (oper/sek.)
Colossus, 1943 – 5 kOPS
Superkomputer – najszybszy komputer w danej chwili
Superkomputery, 2 – ostatnie lata
informatyka + 10
Seymour Cray (1925-1996)
Earth Simulator (2002) – 35 TFlops
Cray-1 (1976) – 250 MFlops
IBM Blue Gine/L; 2005 – 180 TFlops2007 – 478 TFlops
Superkomputery, 3 – stan z 2010
informatyka + 11
1st. Jaguar Cray XT – 1.759 PFlops224162 procesory Opteron AMD macierz procesorów
2nd. Roadrunner IBM 1.105 PFlops
136th. Galera, TASK, Gdańsk 50 TFlops
Byłby 1st. w 2003 roku
Superkomputery, 4 – stan z 2010
informatyka + 12
Najszybszy procesor PC – Intel Core i7 980XE – 107.6 GFlops
Rozproszone komputery – GIMPS (najw. l. pierwsze) – 44 TFlops
Google – 300 TFlops
Folding@home (proteiny) – 3.8 PFlops
Przyszłość (przewidywania):
2010: 1 EFlops (1018) – Cray (?)
2019: 1 EFlops (1018)
2030: 1 ZFlops (1021) – przewidywanie pogody na 2 tygodnie
Superkomputery i algorytmy
informatyka + 13
Algorytmy o różnej złożoności, dla danych o różnych rozmiarach wykonywane na superkomputerze o mocy 1 PFlops (1015).
Algorytmy w dwóch ostatnich wierszach: • odpowiadają rzeczywistym problemom • zwiększenie mocy komputerów niewiele pomoże• cała nadzieja w szybkich algorytmach
Algorytmy wielomianowe (5 pierwszych wierszy) i niewielomianowe.
Problemy trudne, 1 – najkrótsza trasa premiera
Problem: Znajdź najkrótszą trasę dla Premiera przez wszystkie miasta wojewódzkie.
informatyka + 14
Rozwiązanie: Premier zaczyna w Stolicy a inne miasta może odwiedzać w dowolnej kolejności. Tych możliwości jest:
15*14*13*12*11*…*2*1 = 15! (15 silnia)
W 1990 roku było: 48*47*46*…*2*1 = 48! (48 silnia)
Problemy trudne, 1 – najkrótsza trasa premiera
informatyka + 15
Na superkomputerze o mocy 1 PFlops – ile trwa obliczanie n!
15! = 1307674368000/1015 sek. = ok. 0.01 sek.
48! = 1,2413915592536072670862289047373*1061/1015 = 3*1038 lat
25! = 15511210043330985984000000/1015 sek. = 15511210043 sek. = = 179528 dni = 491 lat
Wartości funkcji n! Rosną BARDZO SZYBKO
Prezydent Stanów Zjednoczonych ma problem ze znalezieniem najkrótszej trasy objazdu Stanów.
Problemy trudne, 1 – najkrótsza trasa premiera
informatyka + 16
Algorytmy przybliżone szukania rozwiązań:
1.Metoda zachłanna – najbliższy sąsiad – mogą być bardzo złe
2.Meta-heurystyki: • algorytmy genetyczne – krzyżowanie i mutowanie rozwiązań• algorytmy mrówkowe – modelowanie feromonów
Trudno sprawdzić, jak dobre jest to rozwiązanie w stosunku do najlepszego, bo go nie znamy.
Zły wybór
Problemy trudne, 2 – liczby pierwsze
Problemy dotyczące liczb pierwszych:
1.Dana jest liczba n – czy n jest liczbą pierwszą (złożoną)?
Istnieją teoretycznie efektywne algorytmy, ale gdy n złożona, to nie dają rozkładu na czynniki
Istnieją szybkie algorytmy probabilistyczne – odpowiedź jest poprawna z prawdopodobieństwem np. 1 – 1/2100
2.Dana jest liczba n – rozłóż n na czynniki
Nie jest znana szybka metoda – dobrze dla kryptografii:
Klucze RSA: (n, e) – publiczny, (n, d) – prywatny.
n – jest znane, i wiadomo, że n = p*q, p, q – pierwsze
informatyka + 17
Szyfr RSA
informatyka + 18
Ciekawa – Ewa
Nadawca – Alicja Odbiorca – Bogdan
Algorytm szyfrujący
P=Me mod n
Tekst zaszyfrowany P
Tekst jawny M
Algorytm deszyfrującyM=Pd mod n
Tekst jawny M
Klucz publiczny: n, e Klucz prywatny: n, d
.
Liczby:n = p*q, p, q – duże liczby pierwsze e – względnie pierwsza z (p – 1)(q – 1) d – spełnia e*d = 1 mod (p – 1)(q – 1)
Działania (przy szyfrowaniu): Podnoszenie dużych liczb do dużych potęg i branie reszty z dzielenia (mod)
Bezpieczeństwo szyfru RSA – nawet najmocniejszy komputer nie jest w stanie znaleźć d, znając n i e, gdy nie zna rozkładu n = p*q
Problemy trudne, 2 – liczby pierwsze
Problemy dotyczące liczb pierwszych:
3.Dana jest liczba n – znajdź wszystkie liczby pierwsze mniejsze od n – sito Eratosthenesa – raczej ciekawostka, mało praktyczna
4.Poszukiwanie największych liczb pierwszych
Największa znana liczba pierwsza (liczba Mersenne’a):
243112609 – 1
Zawiera: 12 978 189 cyfr. Zajmuje 3461 stron.
Serwis internetowy: http://www.mersenne.org/
Great Internet Mersenne Prime Search (GIMPS) – moc 44 TFlops
informatyka + 19
Problemy trudne, 3 – podnoszenie do potęgi
Kryptografia: Szyfr RSA bazuje na podnoszeniu do dużej potęgi dużych liczb, np.
12345678909876543212345678909876543211234567899876543211234567890123456789098765432112345678909876543211234567890987654321
Jak można szybko obliczać takie potęgi?
Algorytm szkolny: xn = x*x*x* … * x n – 1 mnożeń
Obliczenie małej potęgi: x12345678912345678912345678912345
trwałoby: 3*108 lat
informatyka + 20
Problem porządkowania (sortowania)Dane: Liczba naturalna n i ciąg n liczb x1, x2, ..., xn
Wynik: Uporządkowanie tego ciągu liczb od najmniejszej do największej
Przestrzeń możliwych rozwiązań: n! – możliwych permutacji
Ale znamy algorytmy wykonujące: n2 lub n log n porównań
informatyka + 21
Problemy trudne, 4 – porządkowanie
Problemy, które są bardzo często rozwiązywane przez komputery, więc potrzebne są szybkie algorytmy:
1.Poszukiwanie elementów w zbiorze uporządkowanym
2.Znajdowanie najmniejszego/największego elementu
3.Znajdowanie drugiego największego elementu w zbiorze
4.Jednoczesne znajdowanie minimum i maksimum
5.Porządkowanie elementów
6.Obliczanie wartości wielomianu – Schemat Hornera
informatyka + 22
Proste problemy i ich efektywne algorytmy
Poszukiwanie elementu w zbiorze
Problem poszukiwania elementu w zbiorze – specyfikacja Dane: Zbiór elementów w postaci ciągu n liczb x1, x2, ..., xn.
Wyróżniony element y
Wynik: Jeśli y należy do tego zbioru, to podaj jego miejsce (indeks) w ciągu, a w przeciwnym razie – sygnalizuj brak takiego elementu w zbiorze
Dwa przypadki: • Nieuporządkowany ciąg liczb x1, x2, ..., xn
• Uporządkowany ciąg liczb x1, x2, ..., xn
Nasz cel:Jakie są korzyści z uporządkowania?
Jak utrzymywać porządek wśród informacji?
informatyka + 23
– wstaw y do ciągu
Poszukiwanie elementu w zbiorze – przykład
Przeszukiwanie książki telefonicznej
Poszukiwanie numeru telefonu danej osobyDane: Nazwiska, adresy, numery telefonów … – książka telefoniczna.
Ciąg danych x1, x2, ..., xn – kartki książki z danymi o numerach
Wyróżniony element y – nazwisko osoby, której numeru szukamy
Wynik: Jeśli osoba y ma numer telefony w książce, to podaj na której stronie, a w przeciwnym razie – sygnalizuj brak danych o y
Poszukiwanie osoby o danym numerze telefonuDane: Książka telefoniczna.
Ciąg danych x1, x2, ..., xn – kartki książki z danymi o numerach
Wyróżniony element y – numer telefonu osoby, której szukamy
Wynik: Jeśli istnieje osoba z numerem telefonu y, to podaj jej nazwisko, a w przeciwnym razie – sygnalizuj brak takiej osoby
informatyka + 24
Książka telefoniczna uporządkowana alfabetycznie nazwiskami
Książka telefoniczna nieuporządkowana alfabetycznie
numerami
Poszukiwania w zbiorze nieuporządkowanym
Algorytm – Poszukiwanie linioweKrok 1. Dla i = 1, 2, ..., n, jeśli xi = y, to przejdź do kroku 3.
Krok 2. Komunikat: W ciągu danych nie ma elementu równego y. Zakończ algorytm: – wynik: –1
Krok 3. Element równy y znajduje się na miejscu i w ciągu danych. Zakończ algorytm: wynik: i
begin
i:=1;
while (x[i]<>y) and (i<n) do i:=i+1;
if x[i]=y then PrzeszukiwanieLiniowe:=i
else PrzeszukiwanieLiniowe:=-1
endinformatyka + 25
Pewna niedogodność – sprawdzanie, czy koniec ciągu.
Przykład: Dane: ciąg: 2, 5, 1, 4, 10, 7. y = 1Wynik: i = 3
Poszukiwania w zbiorze nieuporządkowanymz wartownikiem
Algorytm – Poszukiwanie liniowe z wartownikiemTakie same kroki algorytmu inna implementacja, czyli komputerowa
realizacja:
na końcu ciągu:
x1 x2 x3 x4 … xn
begin
i:=1;
x[n+1]:=y;
while x[i]<>y do i:=i+1;
if i<=n then PrzeszukiwanieLinioweWartownik:=i
else PrzeszukiwanieLinioweWartownik:=-1
end
informatyka + 26
wstawiamy wartownika – pilnuje końca ciąguxn+1
Nie ma sprawdzania, czy koniec ciągu
Poszukiwanie w zbiorze uporządkowanymZabawa w zgadywanie liczby
informatyka + 27
Zgadywana liczba: 17 w przedziale [1 : 20]Metoda: połowienia przedziału Kolejne kroki: strzałka wskazuje wybór;
kolor czerwony – ciąg do przeszukania:
5 porównań zamiast 20 !!!
Liczba kroków w algorytmie połowienia:Ile razy należy przepołowić ciąg o danej długości, aby znaleźć element lub miejsce dla niego?
Przykład dla n = 1200
Kolejne długości ciągu:
1200, 600, 300, 150, 75, 38, 19, 10, 5, 3, 2, 1
11 razy dzielono ciąg o długości 1200, by pozostał 1 element
Liczba porównań w algorytmach poszukiwania dla n = 1200:• przez połowienie 11 • liniowy 1200
informatyka + 28
Poszukiwanie przez połowienieZłożoność (1)
Porównaj, jaka jest potęga uporządkowania !!!
Dla n = 1200 liczba porównań w algorytmie połowienia wyniosła 11
Pytania: •Jak liczba porównań zależy od n?•Jak dobry jest to algorytm?
Liczba porównań dla różnych n:
informatyka + 29
Poszukiwanie przez połowieniezłożoność (2)
n liczba porównań
100 7 1 000 10 10 000 14 100 000 17 1 000 000 2010 000 000 24
ok.log2 n
Funkcja logarytm, bardzo ważna w algorytmice
logarytm to anagram od
algorytm
Algorytm poszukiwania przez połowienie jest optymalny, czyli najszybciej przeszukuje zbiory uporządkowane.
informatyka + 30
Poszukiwanie interpolacyjne
function PrzeszukiwanieBinarne(x:tablicax; k,l:integer; y:integer):integer;
{Przeszukiwanie binarne ciagu x[k..l] w poszukiwaniu elementu y.}
var Lewy,Prawy,Srodek:integer;begin Lewy:=k; Prawy:=l; while Lewy<=Prawy do begin Srodek:=(Lewy+Prawy) div 2; if x[Srodek]=y then begin PrzeszukiwanieBinarne:=Srodek; exit end; {element y nalezy do przeszukiwanego ciagu} if x[Srodek]<y then Lewy:=Srodek+1 else Prawy:=Srodek-1 end; PrzeszukiwanieBinarne:=-1end
Srodek = lewy + (y – x[lewy])(prawy – lewy)/(x[prawy] – x[lewy])
Srodek = lewy + (prawy – lewy)/2
Przeciętny czas interpolacyjnego umieszczania wynosi ok. log log n
Suwaki logarytmiczne
informatyka + 31
Na wyposażeniu każdego inżyniera
do 1972 roku
Skala 30 cm
Skala 150 cm
Skala 12 m
Znajdowanie elementu w zbiorze
Znajdź w zbiorze element o pewnych własnościach:• najwyższego ucznia w swojej klasie – metoda spaghetti • jak zmieni się Twój algorytm, jeśli chciałbyś znaleźć w klasie
najniższego ucznia• znajdź w swojej klasie ucznia, któremu droga do szkoły zabiera
najwięcej czasu • znajdź najstarszego (lub najmłodszego) ucznia w swojej szkole• znajdź największą kartę w potasowanej talii kart• znajdź najlepszego tenisistę w swojej klasie – nie ma remisów• znajdź najlepszego gracza w warcaby w swojej klasie – możliwe
są remisy
Podstawowa operacja – porównanie: • dwóch liczb lub kombinacji liczb (data, karty): czy x < y ?• dwóch zawodników: rozegranie meczu
informatyka + 32
Znajdowanie elementu w zbiorze
Czy zbiór zawiera y?
Dane: Ciąg n liczb x1, x2, ..., xn
Wyróżniony element y
Wynik: Czy w ciągu jest element y ?
Przeszukujemy ciąg aż znajdziemy y, Przeglądamy cały ciąg, by stwierdzić, że nie zawiera y.
Uporządkowanie ciągu ułatwia.
informatyka + 33
Różnica między dwoma problemami:
Znajdź w zbiorze element o pewnych własnościach
Dane: Ciąg n liczb x1, x2, ..., xn
Wynik: Najmniejsza wśród liczb x1, x2, ..., xn
Trzeba przejrzeć cały ciąg.
Zakładamy, że ciąg nie jest uporządkowany.
Specyfikacja problemu
Specyfikacja problemu – dokładne opisanie problemu
Problem Min – Znajdowanie najmniejszego elementu w zbiorzeDane: Liczba naturalna n i zbiór n liczb dany w ciągu x1, x2, ..., xn
Wynik: Najmniejsza wśród liczb x1, x2, ..., xn – oznaczmy ją min
Metoda rozwiązania: przeszukiwanie liniowe – od lewej do prawej
Algorytm Min – Znajdowanie najmniejszego elementu w zbiorzeKrok 1. Przyjmij za min pierwszy element w zbiorze (w ciągu),
czyli przypisz min := x1.
Krok 2. Dla kolejnych elementów xi, gdzie i = 2, 3, ..., n, jeśli min > xi, to przypisz min := xi.
Algorytm Max – prosta modyfikacja: zamiana > na <
Wyznaczanie imin – indeksu elementu o wartości min
informatyka + 34
imin := 1
imin := i
Pracochłonność algorytmu Min
• Porównanie – podstawowa operacja w algorytmie Min.
•Pracochłonność (złożoność obliczeniowa) algorytmu – liczba podstawowych operacji wykonywanych przez algorytm.
• Pytanie: Ile porównań wykonuje algorytm Min?
• Odpowiedź: o jedno mniej niż jest elementów, czyli n – 1
Pytania:
• Czy można szybciej?
• Czy istnieje szybszy algorytm znajdowania min?
•A może metoda pucharowa wyłaniania zwycięzcy w turnieju jest szybsza?
informatyka + 35
Wyłanianie najlepszego zawodnika w turniejuczyli inny sposób znajdowania max (lub min)
informatyka + 36
Bartek Romek Bolek Witek Tomek
Zenek Tolek Felek
Bartek Witek Tomek
Tolek
Bartek Tomek
Tomek
Porównania – mecze Ośmiu zawodników: 7 meczyn zawodników: n – 1 meczy
a więc nie jest szybsza
Jednak jest szybciej. Gdy liczmy równolegle
A może mamy algorytm najlepszy?
Podsumowanie:
Mamy dwa algorytmy znajdowania min lub max:• przeszukiwanie liniowe
• rozegranie turnieju
które na zbiorze n elementów wykonują n – 1 porównań
Może nie ma szybszego algorytmu?
TAK! Hugo Steinhaus tak to uzasadnił:Jeśli Tomek jest zwycięzcą turnieju, w którym startuje n zawodników, to każdy inny spośród n – 1 zawodników musiał przegrać przynajmniej raz, a zatem rozegrano przynajmniej n – 1 meczy. Zatem każdy algorytm musi wykonać przynajmniej n – 1 porównań, czyli nasze algorytmy są najszybsze – są optymalne.
informatyka + 37
A jak znaleźć drugiego najlepszego zawodnika w turnieju?
informatyka + 38
Bartek Romek Bolek Witek Tomek
Zenek Tolek Felek
Bartek Witek Tomek
Tolek
Bartek Tomek
TomekCzy jest nim Bartek?
Bo przegrał z Tomkiem?
Ale Bartek nie grał z drugą połową!
???
???Tylko dwa dodatkowe mecze!
3 1 2 2 5 3 4 8 2 5
Jednoczesne znajdowanie min i max
informatyka + 39
Obserwacja: jeśli x y, to x kandydatem na min, a y kandydatem na max
Algorytm „dziel i zwyciężaj”:Krok 1. Podział na kandydatów na min i kandydatów na max
Kandydaci na max
Kandydaci na min
max = 8
min = 1
Krok 2. Znajdź min i max
Liczba porównań: • algorytm naiwny: n – 1 (min) + n – 2 (max) = 2n – 3 • algorytm dziel i zwyciężaj: n/2(podział)+ (n/2–1)(min) + (n/2–1)(max)
ok. 3n/2 – 2 – jest to algorytm optymalny
Porównania parami
3↑3 ? 1 ↓ 1
2↑2 ? 2 ↓ 2
5↑5 ? 3 ↓ 3
8 ↑4 ? 8↓4
5 ↑2 ? 5↓2
Problem porządkowania (sortowania)
Problem porządkowania (sortowania)Dane: Liczba naturalna n i ciąg n liczb x1, x2, ..., xn
Wynik: Uporządkowanie tego ciągu liczb od najmniejszej do największej
Algorytm: porządkowanie przez wybór – Selection SortIdea: najmniejszy wśród nieuporządkowanych daj na początek
Krok 1. Dla i = 1, 2, ..., n – 1 wykonaj kroki 2 i 3, a następnie zakończ algorytm
Krok 2. Znajdź k takie, że xk jest najmniejszym elementem w ciągu xi, ..., xn
Krok 3. Zamień miejscami elementy xi oraz xk
informatyka + 40
Złożoność porządkowania przez wybór
Liczba zamian elementów w kolejnych krokach:
1 + 1 + 1 + … + 1 = n – 1
Liczba porównań w kolejnych krokach:
(n – 1) + (n – 2) + (n – 3) + … + 3 + 2 + 1 = ?
informatyka + 41
5
4
3
2
1
Przykładn = 6
6 = n
5 = n – 1
Pole prostokąta: 5 x 6
Suma = pole czarnych diamentów:
5 x 6
2
Ogólnie suma:
(n – 1) x n
2
Liczby trójkątne
Sortowanie przez scalanie – scalanie
informatyka + 42
Scalanie – z dwóch uporządkowanych ciągów utwórz jeden uporządkowany
Algorytm scalania. Scal. Dane: dwa ciągi uporządkowaneWynik: scalony ciąg uporządkowany Krok: do tworzonego ciągu pobieraj najmniejszy element
z czoła scalanych ciągów
1 3 5 7 10 12
1 2 6 9 11 15 17 20
1 3 5 7 10 121 2 6 9 11 15 17 20
Scalane ciągiScalanie
1 1 2 3 5 6 7 9 10 11 12 15 17 20 Scalony ciąg
Sortowanie przez scalanie – scalanie
informatyka + 43
Scalane ciągi
Scalone ciągi, w innym miejscu
informatyka + 44
Algorytm porządkowania przez scalanie MergeSort(l,p,x)
Dane: Ciąg liczb xl, xl+1, …, xp Wynik: Uporządkowanie tego ciągu liczb od najmniejszej do największej.
Krok 1. Jeśli l < p, to przyjmij s:=(l+p) div 2 i wykonaj trzy następne kroki. { s w połowie ciągu}Krok 2. MergeSort(l,s,x) – sortowanie pierwszej połowy ciąguKrok 3. MergeSort(s+1,p,x) – sortowanie drugiej połowy ciąguKrok 4. Zastosuj algorytm Scal do ciągów (xl, …, xs) i (xs+1, …, xp) i wynik umieść w ciągu (xl, …, xp).
Rekurencyjne wywołania na podciągach
Sortowanie przez scalanie – opis
Metoda dziel i zwyciężaj
informatyka + 45
2 1 2 9 5 0
2 1 29 5 0
dziel
dziel
2 1dziel
9
0
1 2
9 5
1 2 2 0 5 9
0 1 2 2 5 9
Sortowanie przez scalanie DEMO
dziel
2 1
2
scal
scal
scal
scal
scal5
dziel
5 9
Sortowanie przez scalanie DEMO
informatyka + 46
Scalane ciągi
Wynik scalania dodatkowym miejscu
Posortowana pierwsza połowa ciągu
Posortowana jest już pierwsza połowa ciągu i w trakcie sortowania drugiej połowy, scalane są dwa podciągi z pierwszej części drugiej połowy, uporządkowane wcześniej rekurencyjnie tą samą metodą
1. Poszukiwanie elementów w zbiorze: – nieuporządkowanym n porównań optymalny
– uporządkowanym n log n optymalny
2. Znajdowanie najmniejszego/największego elementu– n – 1 porównań optymalny
3. Znajdowanie pierwszego i drugiego największego elementu w zbiorze– n + log2n – 2 optymalny
4. Jednoczesne znajdowanie minimum i maksimum – 3n/2 – 2 optymalny
5. Porządkowanie elementów – n 2 – przez wybór; n log n – przez scalanie – optymalny
6. Schemat Hornera– n mnożeń i n dodawań optymalny
informatyka + 47
Proste problemy i ich efektywne algorytmy
Problemy trudne, 2 – liczby pierwsze, ponownie
Problemy dotyczące liczb pierwszych:
1.Dana jest liczba n – czy n jest liczbą pierwszą (złożoną)?
2.Dana jest liczba n – rozłóż n na czynniki
Algorytm kolejnego dzielenia: i : = 2;while i*i <= n do begin if n mod i = 0 then return 1 {n dzieli się przez i} i := i + 1 end;return 0 {n jest liczbą pierwszą}
Złożoność: n1/2 mnożeń (*) i dzieleń (mod)
Wniosek: jeśli liczba jest np. 10200, to złożoność 10100 – to trwałoby lata nawet na Cray
informatyka + 48
Szyfr RSA jest bezpieczny!
Problemy trudne, 3 – podnoszenie do potęgi, again
Kryptografia: Chcemy obliczać:
12345678909876543212345678909876543211234567899876543211234567890123456789098765432112345678909876543211234567890987654321
Algorytm szkolny: xn = x*x*x* … * x n – 1 mnożeńObliczenie małej potęgi: x12345678912345678912345678912345 – 3*108 lat
Algorytm rekurencyjny, korzysta ze spostrzeżenia:jeśli m jest parzyste, to xm = (xm/2)2 jeśli m jest nieparzyste, to xm = (xm –1)x (m – 1 staje się parzyste).
Przykład: m = 22 x22 = (x11)2 = ((x10) x)2 = ((x5)2 x)2 = (((x4)x)2x)2 = (((x2)2x)2x)2 = x22
Kolejne mnożenia: x2, x4 = (x2)2, x5 = (x4)x, x10 = (x5)2, x10x = x11, (x11)2 = x22
Liczba mnożeń: 6 zamiast 21
informatyka + 49
Podnoszenie do potęgi – łatwy problem
informatyka + 50
Potega(x,n) { xn }
if n=1 then Potega:=x
else if n – parzyste then
Potega:=Potega (x,n/2)^2 {xn = (xn/2)2}
else Potega:=Potega (x,n–1)*x {xn = (xn–1)x}
Złożoność (liczba mnożeń):
liczba bitów w rozwinięciu n – podnoszenie do kwadratu – ok. log2n plus
liczba jedynek w rozwinięciu n – mnożenie przez x – nie więcej niż log2nRazem: nie więcej niż 2*log2n
Długość rozwinięcia binarnego liczb:A zatem, obliczenie
x12345678901234567890123456789012345
algorytmem rekurencyjnym to ok.… 200 mnożeń
Najlepszym sposobem przyspieszania komputerów
jest obarczanie ich mniejszą liczbą działań (szybszymi algorytmami)
[Ralf Gomory, IBM]
51
Konkluzja
Pokrewne zajęcia w Projekcie Informatyka +
Wykład+Warsztaty (Wszechnica Poranna):• Wprowadzenie do algorytmiki i programowania – wyszukiwanie i
porządkowanie informacji • Proste rachunki wykonywane za pomocą komputera.• Techniki algorytmiczne – przybliżone (heurystyczne) i dokładne.
Wykłady (Wszechnica Popołudniowa): • Czy wszystko można policzyć na komputerze? • Porządek wśród informacji kluczem do szybkiego wyszukiwania. • Dlaczego możemy się czuć bezpieczni w sieci, czyli o szyfrowaniu
informacji. • Znajdowanie najkrótszych dróg, najniższych drzew, najlepszych
małżeństw
informatyka + 52
Pokrewne zajęcia w Projekcie Informatyka +
Kursy (24 godz.) – Wszechnica na Kołach:• Algorytmy poszukiwania i porządkowania. Elementy języka
programowania• Różnorodne algorytmy obliczeń i ich komputerowe realizacje• Grafy, algorytmy grafowe i ich komputerowe realizacje
Kursy (24 godz.) – Kuźnia Informatycznych Talentów – KIT dla Orłów:• Przegląd podstawowych algorytmów• Struktury danych i ich wykorzystanie• Zaawansowane algorytmy
Tendencje – Wykłady • Algorytmy w Internecie, K. Diks • Czy P = NP, czyli jak wygrać milion dolarów w Sudoku, J. Grytczuk• Między przeszłością a przyszłość informatyki, M.M Sysło
informatyka + 53