Gliederung. 5. Compiler. 6. Sortieren und Suchen. 7. Graphen
|
|
- Edmund Hoch
- vor 7 Jahren
- Abrufe
Transkript
1 5. Compiler Gliederung 1. Struktur eines Compilers 2. Syntaxanalyse durch rekursiven Abstieg 3. Ausnahmebehandlung 4. Arrays und Strings 6. Sortieren und Suchen 1. Binäre Bäume 2. B-Bäume und Tries 3. Sortieren in Vektoren 4. Streuspeicherung 7. Graphen 1. Darstellung und Topologisches Sortieren 2. Kürzeste Wege 3. Fluß- und Zuordnungsprobleme
2 Überblick Arrays und Strings Wie können mehrere Elemente eines gleichen Datentyps in einem Bezeichner zusammengefasst werden? Wie werden Zeichenketten in Java unterstützt?
3 Besonderheiten von Arrays und Strings Arrays und Strings sind in Java Objekte Sowohl bei Strings als auch bei Arrays kennt der Compiler Literale, die einen expliziten Aufruf des new -Operators überflüssig machen Arrays sind "klassenlose" Objekte Arrays besitzen aber keine explizite Klassendefinition Arrays haben sie eine öffentliche Instanzvariable length und werden vom Laufzeitsystem wie normale Objekte behandelt.
4 Besonderheiten von Objekten Zuweisung: kopiert den Verweis, nicht das Objekt. Objekte kopieren: Methode clone() verwenden Test auf Gleichheit: testet auf Gleichheit der Referenzen, also auf Gleichheit des Objekts, nicht auf inhaltliche Gleichheit. Inhaltliche Gleichheit überprüfen: Methode equals() verwenden Ein besonderes Objekt null bezeichnet das leere Objekt null ist die Standard-Initialisierung von Objekten
5 Arrays (1) Fassen mehrere Elemente eines gleichen Datentyps in einem Bezeichner zusammen Deklaration von Arrays <Array-Type> ::= <Type> [] Beispiele int[] arr; String[] stringarray; Array-Objekte erzeugen <Array-Creation> ::= new <Type> [<Size>] Beispiele int[] arr = new int[15] String[] stringarray = new String[9];
6 int[] pin = {2, 5, 1, 7}; äquivalent zu: int[] pin = new int[4]; pin[0] = 2; pin[1] = 5; pin[2] = 1; pin[3] = 1; Initialisieren von Arrays String[] raubtier = { loewe, tiger, hai }; äquivalent zu: String[] raubtier = new String[3]; raubtier[0] = loewe ; raubtier[1] = tiger ; raubtier[2] = hai ;
7 Arrays (2) Typische Operationen auf Arrays Anzahl der Elemente abfragen Selektion eines Elementes aus einem Array Zugriff auf einzelnes Element über eckige Klammern und ganzzahligen, positiven Indexausdruck z.b. a[0], a[1], a[3] Der Index eines Arrays kann durch einen Ausdruck berechnet werden int i=5; a[i+1] = a[i]+a[i-1] In Java ist der erste Index immer 0, der letzte immer <Size> - 1 Wird ein falscher Index angegeben, tritt eine Ausnahme (ArrayIndexOutOfBoundsException) auf Jedes Array speichert automatisch seine Größe, Zugriff über <Arrayname>.length
8 Semantik der Zuweisung int[] a=null; b[] = { 4, 5, 6 }; a b Ẋ a = b; a b
9 Arrays (3) Prüfen, ob Element in Array enthalten ist mit for-schleife <For-Schleife> ::= for(<init>; <Weitertest>; <update>) { <Anweisung> } wiederholt eine bestimmte Anzahl von Schritten mit einem Zähler. Der Zähler wird häufig lokal deklariert Schrittweite und Richtung kann angegeben werden for(i = START; i > ENDEWERT; i = i - SCHRITT)... for(int i = 0; i < 10; i++) { System.out.println( "i: "+i); } Lokale Schleifenvariable
10 Arrays (4) Prüfen ob ein Element im Array enthalten ist Deklaration eines Arrays mit 5 Elementen Int[] a = new int[42];... boolean contains(int wert) { boolean value = false; for (int i = 0; i < a.length; i++) { if (a[i] == wert) { value = true; } } return value; } Bildung eines Arrays für 42 ganze Zahlen Größe des Arrays
11 Mehrdimensionale Arrays Mehrdimensionale Arrays sind Arrays, deren Elemente Arrays sind. Deklaration: int[][] tabelle; Anlegen: tabelle = new int[3][2]; tabelle = new int[3][]; tabelle[0] = new int[2];
12 Mehrdimensionale Arrays (2) statische Initialisierung: int multiarray[][] = { { 1 }, {1, 2, 1}, {1, 3, 3, 1 }, {1, 4, 6, 4, 1}};
13 Strings (1) Strings Können über ein Literal definiert werden. Überladener Operator: Konkatenation über + möglich Strings sind Zeichenketten: Interne Datenspeicherung als char[] Typische Operationen auf Strings Länge abfragen Testen auf Gleichheit Aneinanderhängen Selektion des i-ten Zeichens Teilstrings extrahieren
14 Strings: Besonderheiten Methoden können auch direkt bei einem String-Literal ausgeführt werden System.out.println( Hello Students.length() ); Sonderzeichen sind über Escape Sequenzen zu notieren System.out.println( \n ); // gib einen Zeilenvorschub aus
15 Strings (2)... void StringTest(){ String s1; s1 = "Auf der Mauer"; s1 += ", auf der Lauer"; s1 += ", sitzt \'ne kleine Wanze"; System.out.println(s1); for (int i = 1; i <= 5; ++i) { s1 = s1.substring(0,s1.length()-1); System.out.println(s1); } }... 15
16 5. Compiler Gliederung 1. Struktur eines Compilers 2. Syntaxanalyse durch rekursiven Abstieg 3. Ausnahmebehandlung 4. Referenztypen 6. Sortieren und Suchen 1. Binäre Bäume 2. B-Bäume und Tries 3. Sortieren in Vektoren 4. Streuspeicherung 7. Graphen 1. Darstellung und Topologisches Sortieren 2. Kürzeste Wege 3. Fluß- und Zuordnungsprobleme
17 Suchen in sortierten Folgen Folgen als Arrays repräsentiert Beispiel: Finden eines Eintrags im Telefonbuch Annahme im Folgenden: Wir betrachten nur den für die Suche relevanten Teil des Eintrags (= Schlüssel) Für Schlüssel sind die Vergleichsoperationen (=,<,>) definiert Die Schlüssel sind ganze Zahlen Beim Telefonbuch: Name des Teilnehmers 17
18 Sequenzielle Suche Einfachste Variante des Suchens: Folge sequenziell durchlaufen In jedem Schritt wird das aktuelle Element mit dem Suchschlüssel verglichen Eingabe: Folge F der Länge n, Suchschlüssel k Ausgabe: Position p des ersten Elements aus F, das gleich k ist, sonst NO_KEY Algorithmus (Pseudocode-Notation) for i:=1 to n do if F[i]=k then return i fi od; return NO_KEY 18
19 Aufwand Sequenzielle Suche (2) Kriterium für die Beurteilung von Suchverfahren Hier: Anzahl der notwendigen Vergleichsoperationen In Abhängigkeit der Länge n der sortierten Folge 19
20 Aufwand (Übersicht) Sequenzielle Suche (3) Anzahl der Vergleiche Bester Fall 1 Schlechtester Fall n Durchschnitt (erfolgreiche Suche) Durchschnitt (erfolglose Suche) n/2 n 20
21 Sequenzielle Suche (4) Algorithmus (Java-Implementierung)... int NO_KEY = -1; int SeqSuche (int[] array, int key) { for (int i=0; i<array.length; i++) if (array[i] == key) return i; return NO_KEY; }... 21
22 Binäre Suche Motivation: Sequentielle Suche ist aufwendig So schlägt man im Telefonbuch nach: 1. Schlage an zufälliger Stelle auf (in etwa die Mitte) 2. Wenn der Eintrag nicht auf dieser Seite, dann prüfe, ob der gesuchte Eintrag in der ersten oder in der zweiten Hälfte liegt und fahre für diese mit 1. fort. Ansonsten: Fertig. Beobachtung: Der zu durchsuchende Bereich wird immer halbiert (Daher die Bezeichnung binäres Suchen) 22
23 Binäre Suche (2) Eingabe: Folge F der Länge n, Suchschlüssel k Ausgabe: Position p des ersten Elementes aus F, das gleich k ist, sonst NO_KEY Algorithmus (Pseudocode-Notation) u:=1, o:=n; while u<=o do m:=(u+o)/2; if F[m]=k then return m else if k<f[m] then o:=m else u:=m fi od; return NO_KEY 23
24 Binäre Suche (3) Suchen nach dem Schlüssel u m o u m o u m o 24
25 Aufwand der binären Suche (1) Günstigster Fall: Das gesuchte Element ist in der Mitte der Folge und wird nach dem 1. Schritt gefunden Sonst Nach dem 1. Aufteilen der Folge müssen noch n/2 Elemente durchsucht werden Nach dem 2. Aufteilen der Folge müssen noch n/4 durchsucht werden Nach dem 3. Aufteilen der Folge müssen noch n/8 Elemente durchsucht werden... Nach dem i. ten Aufteilen der Folge müssen noch n/2 i Elemente durchsucht werden 25
26 Aufwand der binären Suche (2) Aufwand (ld ist der Logarithmus zur Basis 2) Anzahl der Vergleiche Bester Fall Schlechtester Fall Durchschnitt (erfolgreiche Suche) Durchschnitt (erfolglose Suche) 1 ld n ld n ld n 26
27 Algorithmus (Java-Implementierung)... int NO_KEY = -1; Binäre Suche (5) int BinSuche (int[] array, int key) { int u=0, o=array.length 1; while (u<=o) { int m = (u+o) / 2; if (array[m] == key) return m; else if (array[m] > key) o = m; else u = m; } return NO_KEY; }... } 27
28 Vergleich sequentielle vs. Binäre Suche (6) Anzahl der durchgeführten Vergleiche für unterschiedliche Eingaben Verfahren sequentiell ~5 ~50 ~500 ~5000 binär ~3.3 ~6.6 ~9.9 ~
29 Klassen von Sortierverfahren Sortieren Interne Verfahren: Sortierung von Datensätzen (z.b. Arrays, Listen), die im Hauptspeicher gehalten werden können Externe Verfahren: Sortierung von Massendaten, die auf externen Speichermedien gehalten werden Typisch für Datenbanken 29
30 Sortieren durch Einfügen (1) Als InsertionSort bekannt Umsetzung des typisch menschlichen Vorgehens beim Sortieren eines Stapels von Karten Starte mit der ersten Karte einen neuen Stapel Nimm jeweils die nächste Karte des Originalstapels und füge diese an der richtigen Stelle in den neuen Stapel ein 30
31 Sortieren durch Einfügen (2) 1. Durchlauf Durchlauf Durchlauf Durchlauf Durchlauf Durchlauf
32 Sortieren durch Einfügen (2) Algorithmus (Java-Implementierung)... void insertionsort (int[] array) { for (int i=1;i<array.lengh;i++) { int j=i; int m = array[i]; // für alle Elemente links vom Marker-Feld while (j>0 && array[j-1]>m { // verschiebe alle größeren Elemente nach hinten array[j] = array[j-1]; j--; } // setze m auf das freie Feld array[j] = m; } }... 32
33 Vorgehen Sortieren durch Selektion (1) Wähle das größte Element der Folge und bringe es ans Ende. Verfahre weiter so, wobei die Folge in jedem Schritt um eine Position verkürzt wird 33
34 Sortieren durch Selektion (2) 1. Durchlauf Durchlauf Durchlauf Durchlauf Durchlauf Durchlauf
35 Sortieren durch Selektion (3) Algorithmus (Java-Implementierung)... void swap (int[] array, int idx1, int idx2) { int tmp = array[idx1]; array[idx1] = array[idx2]; array[idx2] = tmp; }... void selectionsort (int[] array) { int marker = array.length 1; while (marker>=0) { // bestimme größtes Element int max = 0; for (int i = 1; i<=marker; i++) { if (array[i] > array[max]) max = i; // tausche das markierte mit dem größten swap (array, marker, max); marker--; } }... 35
36 Vorgehen: Sortieren durch Vertauschen: BubbleSort Folge immer wieder durchlaufen und dabei benachbarte Elemente in die richtige Reihenfolge bringen Größere Elemente überholen so die kleineren und drängen ans Ende der Folge Vorstellung: Bei einer vertikalen Anordnung der Elemente der Folge sortieren sich diese selbst wie aufsteigende Blasen in einer Flüssigkeit, da die großen die kleinen überholen 36
37 Sortieren durch Vertauschen (1) 1. Durchlauf Durchlauf Durchlauf Durchlauf Durchlauf
38 Sortieren durch Vertauschen (2) Algorithmus (Java-Implementierung)... static void bubblesort (int[] array) { boolean swapped; do { swapped = false; for (int i=0; i<array.length 1; i++) { if (array[i] > array[i+1]) { // Elemente vertauschen swap(array, i, i+1); swapped = true; } } // solange Vertauschung auftritt } while (swapped); }... 38
39 Sortieren durch Mischen: MergeSort Bisherige Verfahren benötigten direkten Zugriff, d.h. nur für internes Sortieren geeignet Was wenn die Daten nicht in den Hauptspeicher passen? Sortieren in zwei Phasen Die Folge wird in Teile zerlegt, die jeweils in den Hauptspeicher passen und daher getrennt voneinander mit internen Verfahren sortiert werden können. Diese sortierten Teilfolgen werden wieder in Dateien ausgelagert Anschließend werden die Teilfolgen parallel eingelesen und gemischt, indem jeweils das kleinste Element aller Teilfolgen gelesen und in die neue Folge (d.h. wieder in eine Datei) geschrieben wird Auch für internes Sortieren anwendbar Mischen der Teilfolgen durch rekursiven Aufruf von MergeSort 39
40 Sortieren durch Mischen (1) Eingabe: eine zu sortierende Folge F Ausgabe: eine sortierte Folge Fsorted Algorithmus (Pseudocode-Notation) if F einelementig then return F else Teile F in F1 und F2; F1 := MergeSort(F1); F2 := MergeSort(F2); return Merge(F1,F2); fi 40
41 Sortieren durch Mischen (2) Split Merge
42 Merge(F1,F2) Sortieren durch Mischen (3) Eingabe: zwei zu sortierende Folgen F1, F2 Ausgabe: eine sortierte Folge F Algorithmus (Pseudocode-Notation) F := leere Folge; while F1 oder F2 nicht leer do Entferne das kleinere der Anfangselemente aus F1 bzw. F2; Füge dieses Element an F an od; Füge die verbliebene nichtleere Folge F1 oder F2 an F an; return F 42
43 Sortieren durch Mischen (4) Algorithmus (Java-Implementierung) void msort (int[] array, int le, int ri) { int i, j, k; int[] b = new int[array.length]; if (ri > le) { int mid = (ri+le)/2; msort(array,le,mid); msort(array, mid+1, ri); // Hilfsfeld konstruieren for (k=le; k<=mid; k++) b[k] = array[k]; for (k=mid; k<ri;k++) b[ri+mid-k] = array[k+1]; // Mischen i = le; j = ri; for (k=le;k<=ri;k++) if (b[i]<b[j]) array[k] = b[i++]; else array[k] = b[j--]; } } void mergesort (int[] array) { msort(array,0,array.length-1); } 43
44 Quicksort (1) Rekursiver Algorithmus, der von C. A. R. Hoare erfunden wurde Häufig eingesetztes Sortierverfahren In den meisten Fällen ist Quicksort sehr effizient Ähnliches Prinzip wie Mergesort: Teile und herrsche Verbesserung gegenüber Mergesort: Mischvorgang wird vermieden 44
45 Vorgehen: Quicksort (2) Folge [E l,..., E r ] in zwei Teilen zerlegen, E p ist dabei das Referenzelement (Pivot-Element) Auswahl des Pivot-Elements: typischerweise wird das mittlere Element ausgewählt Folge [E l,..., E p-1 ] von links nach rechts durchlaufen, bis ein Element E i gefunden wurde mit E i E p Folge [E p+1,..., E r ] von rechts nach links durchlaufen, bis ein Element E k gefunden wurde mit k E p Vertausche E k und E i Wiederhole bis alle Elemente [E l,..., E p-1 ] kleiner oder gleich E p sind Wiederhole bis alle Elemente [E p+1,..., E r ] größer oder gleich E p sind Sortiere die Folgen [E l,..., E p-1 ] und [E p+1,..., E r ] E 45
46 Quicksort (3) 46
47 QuickSort(F,u,o) Quicksort (4) Eingabe: eine zu sortierende Folge F Ausgabe: eine sortierte Folge F, die untere und obere Grenze u, o Algorithmus (Pseudocode-Notation) if 0>u then i:= Zerlege (F,u,o) Quicksort(F,u,i-1) Quicksort(F,i+1,o) fi 47
48 Quicksort (5) Zerlege (F,u,o) Eingabe: eine zu zerlegende Folge F, die untere und obere Grenze u und o Ausgabe: Position z der Zerlegung p:=(u+o)/2 while u<= o do l:= Index des ersten Elementes aus dem Bereich u...p-1 mit F[l]>= F[p]; r:= Index des ersten Elements aus dem Bereich p+1...o mit F[r]<F[p]; if l<=r then Tausche F[l] und F[r]; u:= l+1; o:= r-1; fi od return o 48
49 Quicksort Algorithmus (Java-Implementierung) void qsort (int[] array, int le, int ri) { int lo = le, hi = ri; if (hi > lo) { // Pivotelement bestimmen int mid = array[(lo + hi) / 2]; while (lo <= hi) { // Erstes Element suchen, das größer oder gleich dem // Pivotelement ist, beginnend vom linken Index while (lo < ri && array[lo] < mid) ++lo; // Element suchen, das kleiner oder gleich dem // Pivotelement ist, beginnend vom rechten Index while (hi > le && array[hi] > mid) --hi; // Wenn Indexe nicht gekreuzt --> Inhalte vertauschen if (lo <= hi) { swap(array, lo, hi); ++lo; --hi;} } // Linke Partition sortieren if (le < hi) qsort (array, le, hi); // Rechte Partition sortieren if (lo < ri) qsort( array, lo, ri); } } void quicksort (int[] array) { qsort (array, 0, array.length - 1); } 49
50 Aufwand von Algorithmen (1) Die Ausführung von Algorithmen verursacht Aufwand in Form von Zeit Speicherverbrauch In zeitkritischen Anwendungen (z.b. Flugzeugsteuerung) ist die Bestimmung des Aufwands unerlässlich Die Komplexität eines Algorithmus bezeichnet die Abschätzung des Aufwands seiner Ausführung auf einem Rechner. 50
51 Aufwand von Algorithmen (2) Bei der Aufwandsschätzung werden typischerweise folgende Abschätzungsfälle betrachtet Best-case: Aufwand im besten Fall Worst-case: Aufwand im schlechtesten Fall Average-case: Aufwand im durchschnittlichen Fall Abschätzung der Rechenzeit: Zählen, wie häufig eine bestimmte Art von Operationen ausgeführt wird, z.b. Vergleiche Vertauschungen Multiplikationen 51
52 Aufwand von Algorithmen (3) Die Aufwandsschätzung wird durch die O-Notation ausgedrückt Ab einem bestimmten n wächst f(n) nicht stärker als g(n), damit kann g als Abschätzung für f verwendet werden 52
53 Komplexitätsklassen O(1): konstanter Aufwand (z. B. Ausdrucksberechnungen) O(log n): logarithmischer Aufwand (z. B. allgemeine Suchverfahren) O(n): linearer Aufwand (z. B. syntaktische Programmanalyse) O(n log n) quasilinearer Aufwand (z. B. Sortierung) O(n2): quadratischer Aufwand (z. B. Vektormultiplikation) O(nk): polynomialer Aufwand (z. B. Matrizenmultiplikation (n3)) O(2 n ): exponentieller Aufwand (z. B. entscheidungsbasierte Spiele) 53
54 Grundideen von Algorithmen (1) Teile und herrsche Zerlege das Problem in kleinere Teilprobleme Löse diese Teilprobleme Setze die Teillösungen zusammen. Beispiele: Quicksort, Mergesort Dynamische Programmierung Zerlege das Problem in kleinere Teilprobleme und bilde alle möglichen Kombinationen Löse diese Teilproblem-Kombinationen Wähle die beste Kombination Beispiele: Wortproblem bei beliebigen kontextfreien Sprachen 54
55 Grundideen von Algorithmen (2) Schrittweise Verfeinerung Verbessere eine Näherungslösung. Beispiel: Maximaler Fluss in Netzen Exhaustive Suche ( brute force ) Konstruiere der Reihe nach alle zulässigen Lösungen wähle die optimale Beispiele: Problem des Handlungsreisenden, Wortproblem bei kontextsensitiven Sprachen 55
56 Such- und Sortierverfahren Suche Binäre Suche Sequentielle Suche Sortierverfahren InsertionSort Selectionsort Bubblesort Mergesort Quicksort Zusammenfassung Aufwand von Algorithmen Entwurfsparadigmen von Algorithmen 56
a) Erläutern Sie die Vorteile der Konstrukte zur Fehlerbehandlung in Java.
Aufgabe 11 Ausnahmebehandlung a) Erläutern Sie die Vorteile der Konstrukte zur Fehlerbehandlung in Java. Lösungsvorschlag: Wartbarkeit und Übersichtlichkeit des Programmcodes: Durch die Fehlerbehandlung
MehrKapitel 10. Komplexität von Algorithmen und Sortieralgorithmen
Kapitel 10 Komplexität von Algorithmen und Sortieralgorithmen Arrays 1 Ziele Komplexität von Algorithmen bestimmen können (in Bezug auf Laufzeit und auf Speicherplatzbedarf) Sortieralgorithmen kennenlernen:
MehrSortieren durch Mischen (Mergesort; John von Neumann 1945)
Sortieren durch Mischen (Mergesort; John von Neumann 1945) Gegeben folgendes Feld der Größe 10. 3 8 9 11 18 1 7 10 22 32 Die beiden "Hälften" sind hier bereits vorsortiert! Wir können das Feld sortieren,
MehrJAVA - Suchen - Sortieren
Übungen Informatik I JAVA - Suchen - Sortieren http://www.fbi-lkt.fh-karlsruhe.de/lab/info01/tutorial Übungen Informatik 1 Folie 1 Inhalt Suchen/Sortieren binary search mergesort bubblesort Übungen Informatik
MehrKapitel 9. Komplexität von Algorithmen und Sortieralgorithmen
Kapitel 9 Komplexität von Algorithmen und Sortieralgorithmen Arrays 1 Ziele Komplexität von Algorithmen bestimmen können (in Bezug auf Laufzeit und auf Speicherplatzbedarf) Sortieralgorithmen kennenlernen:
MehrKapitel 9. Komplexität von Algorithmen und Sortieralgorithmen
1 Kapitel 9 Komplexität von Algorithmen und Sortieralgorithmen Ziele 2 Komplexität von Algorithmen bestimmen können (in Bezug auf Laufzeit und auf Speicherplatzbedarf) Sortieralgorithmen kennenlernen:
MehrGrundlegende Sortieralgorithmen
Grundlegende Sortieralgorithmen Prof. Dr. Christian Böhm in Zusammenarbeit mit Gefei Zhang http://www.dbs.ifi.lmu.de/lehre/nfinfosw WS 07/08 2 Ziele Grundlegende Sortieralgorithmen auf Reihungen kennen
Mehr3.2. Divide-and-Conquer-Methoden
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE 3.2. Divide-and-Conquer-Methoden Divide-and-Conquer-Methoden Einfache Sortieralgorithmen reduzieren die Größe des noch
MehrGrundlagen der Programmierung
Grundlagen der Programmierung Algorithmen und Datenstrukturen Die Inhalte der Vorlesung wurden primär auf Basis der angegebenen Literatur erstellt. Darüber hinaus sind viele Teile direkt aus der Vorlesung
MehrGrundlegende Sortieralgorithmen
Grundlegende Sortieralgorithmen Martin Wirsing in Zusammenarbeit mit Michael Barth, Philipp Meier und Gefei Zhang 01/05 2 Ziele Grundlegende Sortieralgorithmen auf Reihungen kennen lernen 3 Klassifizierung
Mehr(08 - Einfache Sortierverfahren)
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (08 - Einfache Sortierverfahren) Prof. Dr. Susanne Albers Sortieren Motivation, Einführung Datenbestände müssen sehr oft sortiert werden, etwa um
MehrDatenstrukturen Kurzanleitung
Datenstrukturen Kurzanleitung Insertionsort p = (7, 5, 4, 83, 6, 6) n = 6 Start: K ist sortierte Folge. Für i =, 3, 4,..., n: Füge ki in eine sortierte Folge ( k, k, k 3,..., k n ) in der richtigen Position
MehrInformatik II Sortieren
lausthal Sortieralgorithmen Informatik II Sortieren Preprocessing fürs Suchen sind für kommerzielle Anwendungen häufig die Programmteile, die die meiste Rechenzeit verbrauchen viele raffinierte Methoden
MehrInformatik II Sortieren
lausthal Informatik II Sortieren. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Sortieralgorithmen Preprocessing fürs Suchen sind für kommerzielle Anwendungen häufig die Programmteile, die
MehrMartin Unold INFORMATIK. Geoinformatik und Vermessung
Wiederholung So sieht ein leeres Java-Programm aus public class Programmname { public static void main (String[] args) { // Hier stehen die Anweisungen Welche Arten von Anweisungen gibt es? Anweisungen
MehrGrundlegende Sortieralgorithmen
Grundlegende Sortieralgorithmen Martin Wirsing in Zusammenarbeit mit Matthias Hölzl und Nora Koch Sortieren in Java Man kann Sortierverfahren in einem imperativem oder einem objektorientierten Stil programmieren.
MehrMartin Unold INFORMATIK. Geoinformatik und Vermessung
Wiederholung So sieht ein leeres Java-Programm aus public class Programmname { public static void main (String[] args) { // Hier stehen die Anweisungen Anweisungen mit Variablen Wiederholung Deklaration
MehrUE Algorithmen und Datenstrukturen 1 UE Praktische Informatik 1. Übung 9. Sortieren
UE Algorithmen und Datenstrukturen 1 UE Praktische Informatik 1 Übung 9 Sortieren Institut für Pervasive Computing Johannes Kepler Universität Linz Altenberger Straße 69, A-4040 Linz Sortieren :: Problemstellung
Mehr4. Sortieren 4.1 Vorbemerkungen
. Seite 1/21 4. Sortieren 4.1 Vorbemerkungen allgemeines Sortierproblem spezielle Sortierprobleme Ordne a 1,..., a n so um, dass Elemente in aufsteigender Reihenfolge stehen. Die a i stammen aus vollständig
MehrGliederung. 5. Compiler. 6. Sortieren und Suchen. 7. Graphen
5. Compiler Gliederung 1. Struktur eines Compilers 2. Syntaxanalyse durch rekursiven Abstieg 3. Ausnahmebehandlung 4. Arrays und Strings 6. Sortieren und Suchen 1. Grundlegende Datenstrukturen 2. Bäume
Mehr7. Sortieren Lernziele. 7. Sortieren
7. Sortieren Lernziele 7. Sortieren Lernziele: Die wichtigsten Sortierverfahren kennen und einsetzen können, Aufwand und weitere Eigenschaften der Sortierverfahren kennen, das Problemlösungsparadigma Teile-und-herrsche
MehrZiele. Kapitel 10: Komplexität von Algorithmen und Sortierverfahren. Beispiel: Lineare Suche eines Elements in einem Array (1)
Einführung in die Informatik: Programmierung und Softwareentwicklung Wintersemester 2018/19 Ziele Kapitel 10: Komplexität von Algorithmen und Sortierverfahren Prof. Dr. David Sabel Lehr- und Forschungseinheit
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen A7. Sortieren III Marcel Lüthi and Gabriele Röger Universität Basel 14. März 2018 Untere Schranke Sortierverfahren Sortieren Vergleichsbasierte Verfahren Nicht vergleichsbasierte
MehrDie Schnittstelle Comparable
Die Schnittstelle Comparable Wir wollen Such- und Sortieroperationen für beliebige Objekte definieren. Dazu verwenden wir die vordefinierte Schnittstelle Comparable: public interface Comparable { int compareto(object
MehrSuchen und Sortieren
Suchen und Sortieren Suchen Sortieren Mischen Zeitmessungen Bewertung von Sortier-Verfahren Seite 1 Suchverfahren Begriffe Suchen = Bestimmen der Position (Adresse) eines Wertes in einer Datenfolge Sequentielles
MehrSortieralgorithmen OOPM, Ralf Lämmel
Unterhaltet Euch mal mit Euren Großeltern wie Sortieren früher funktionierte! Sortieralgorithmen OOPM, Ralf Lämmel 230 Eine unsortierte Liste 7 3 2 5 2 3 5 7 Die sortierte Liste 231 Wiederholung: Das Problem
MehrÜbung: Algorithmen und Datenstrukturen SS 2007
Übung: Algorithmen und Datenstrukturen SS 2007 Prof. Lengauer Sven Apel, Michael Claÿen, Christoph Zengler, Christof König Blatt 5 Votierung in der Woche vom 04.06.0708.06.07 Aufgabe 12 Manuelle Sortierung
MehrInformatik II. Woche 15, Giuseppe Accaputo
Informatik II Woche 15, 13.04.2017 Giuseppe Accaputo g@accaputo.ch 1 Themenübersicht Repetition: Pass by Value & Referenzen allgemein Repetition: Asymptotische Komplexität Live-Programmierung Aufgabe 7.1
MehrProgrammiertechnik II
Sortieren: Einfache Algorithmen Sortieren Abstrakte Operation geg: Menge von items (Elemente) jedes Element besitzt Sortierschlüssel Schlüssel unterliegen einer Ordnung eventuell sind doppelte Schlüssel
MehrElementare Sortierverfahren
Algorithmen und Datenstrukturen I Elementare Sortierverfahren Fakultät für Informatik und Mathematik Hochschule München Letzte Änderung: 18.03.2018 18:16 Inhaltsverzeichnis Sortieren.......................................
MehrA7.1 Untere Schranke. Algorithmen und Datenstrukturen. A7.1 Untere Schranke. Algorithmen und Datenstrukturen. A7.2 Quicksort. A7.
Algorithmen und Datenstrukturen 14. März 2018 A7. III Algorithmen und Datenstrukturen A7. III Marcel Lüthi and Gabriele Röger Universität Basel 14. März 2018 A7.1 Untere Schranke A7.2 Quicksort A7.3 Heapsort
MehrProgrammierung 1 Studiengang MI / WI
Programmierung 1 Studiengang MI / WI Dipl.-Inf., Dipl.-Ing. (FH) Michael Wilhelm Hochschule Harz FB Automatisierung und Informatik mwilhelm@hs-harz.de http://mwilhelm.hs-harz.de Raum 2.202 Tel. 03943 /
MehrAbschnitt 19: Sortierverfahren
Abschnitt 19: Sortierverfahren 19. Sortierverfahren 19.1 Allgemeines 19.2 Einfache Sortierverfahren 19.3 Effizientes Sortieren: Quicksort 19.4 Zusammenfassung 19 Sortierverfahren Informatik 2 (SS 07) 758
MehrAlgorithmen und Datenstrukturen (Th. Ottmann und P. Widmayer) Folien: Suchverfahren Autor: Stefan Edelkamp / Sven Schuierer
Algorithmen und Datenstrukturen (Th. Ottmann und P. Widmayer) Folien: Suchverfahren Autor: Stefan Edelkamp / Sven Schuierer Institut für Informatik Georges-Köhler-Allee Albert-Ludwigs-Universität Freiburg
Mehr14. Sortieren II Heapsort. Heapsort. [Max-]Heap 7. Heapsort, Quicksort, Mergesort. Binärer Baum mit folgenden Eigenschaften
Heapsort, Quicksort, Mergesort 14. Sortieren II 14.1 Heapsort [Ottman/Widmayer, Kap. 2.3, Cormen et al, Kap. 6] 397 398 Heapsort [Max-]Heap 7 Inspiration von Selectsort: Schnelles Einfügen Binärer Baum
MehrMergesort. Inhaltsverzeichnis. Veranschaulichung der Funktionsweise. aus Wikipedia, der freien Enzyklopädie
Mergesort aus Wikipedia, der freien Enzyklopädie Mergesort ist ein rekursiver, stabiler Sortieralgorithmus, der ähnlich wie Quicksort nach dem Prinzip Teile und herrsche (engl. Divide and conquer) arbeitet.
Mehr(Digital) Sorting. October 25, Algorithms & Datastructures 2 Exercises WS 2016
(Digital) Sorting October 2, 2016 Algorithms & Datastructures 2 Exercises WS 2016 Dipl.-Ing. University Linz, Institute for Pervasive Computing Altenberger Straße 69, A-4040 Linz kurz@pervasive.jku.at
MehrInterne Sortierverfahren
Angewandte Datentechnik Interne Sortierverfahren Interne Sortierverfahren Ausarbeitung einer Maturafrage aus dem Fach A n g e w a n d t e D a t e n t e c h n i k Andreas Hechenblaickner 5CDH HTBLA Kaindorf/Sulm
MehrAbschnitt: Algorithmendesign und Laufzeitanalyse
Abschnitt: Algorithmendesign und Laufzeitanalyse Definition Divide-and-Conquer Paradigma Divide-and-Conquer Algorithmen verwenden die Strategien 1 Divide: Teile das Problem rekursiv in Subproblem gleicher
MehrÜbung Algorithmen I
Übung Algorithmen I 20.5.15 Christoph Striecks Christoph.Striecks@kit.edu (Mit Folien von Julian Arz, Timo Bingmann und Sebastian Schlag.) Roadmap Organisation Mergesort, Quicksort Dual Pivot Quicksort
MehrAlgorithms & Data Structures 2
Algorithms & Data Structures Digital Sorting WS B. Anzengruber-Tanase (Institute for Pervasive Computing, JKU Linz) (Institute for Pervasive Computing, JKU Linz) WIEDERHOLUNG :: UNTERE SCHRANKE FÜR SORTIEREN
MehrÜbung Algorithmen und Datenstrukturen
Übung Algorithmen und Datenstrukturen Sommersemester 017 Marc Bux, Humboldt-Universität zu Berlin Agenda 1. Vorrechnen von Aufgabenblatt 1. Wohlgeformte Klammerausdrücke 3. Teile und Herrsche Agenda 1.
MehrADS: Algorithmen und Datenstrukturen 1
ADS: Algorithmen und Datenstrukturen 1 Teil 15: Fragestunde Uwe Quasthoff Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 30. Januar 2018 [Letzte Aktualisierung: 30/01/2018,
MehrDatenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Sortieralgorithmen Einleitung Heapsort Quicksort 2 Motivation Sortieren ist Voraussetzung für viele Anwendungen Nach
MehrProgrammieren I. Kapitel 7. Sortieren und Suchen
Programmieren I Kapitel 7. Sortieren und Suchen Kapitel 7: Sortieren und Suchen Ziel: Varianten der häufigsten Anwendung kennenlernen Ordnung Suchen lineares Suchen Binärsuche oder Bisektionssuche Sortieren
MehrÜbersicht. Datenstrukturen und Algorithmen. Divide-and-Conquer. Übersicht. Vorlesung 9: Quicksort (K7)
Datenstrukturen und Algorithmen Vorlesung 9: (K7) Joost-Pieter Katoen Algorithmus Lehrstuhl für Informatik 2 Software Modeling and Verification Group http://moves.rwth-aachen.de/teaching/ss-5/dsal/ 2 7.
MehrUniversität München, Hans-Peter Kriegel und Thomas Seidl Informatik II a[0] a[1] a[2] a[3] a[n 1]
Universität München, Hans-Peter Kriegel und Thomas Seidl Informatik II -108 Kapitel 5: Arrays Einführung Ein Array ist eine Reihung gleichartiger Objekte. a: a[0] a[1] a[2] a[3] a[n 1] Bezeichner a steht
MehrEinführung in die Programmierung für NF. Arrays
Einführung in die Programmierung für NF Arrays ARRAY (REIHUNG) 4 Arrays 2 Array In der Programmierung werden o: Tupel verschiedener Länge benutzt. Beispiel: Vektoren (1.0, 1.0) (0.2, 1.2, 7.0) Beispiel:
MehrKomplexität von Algorithmen:
Komplexität von Algorithmen: Ansatz: Beschreiben/erfassen der Komplexität über eine Funktion, zur Abschätzung des Rechenaufwandes abhängig von der Größe der Eingabe n Uns interessiert: (1) Wie sieht eine
MehrQuickSort ist ein Sortieralgorithmus, der auf der Idee des Teile & Beherrsche beruht, und das gegebene Array an Ort und Stelle (in place) sortiert
4.3.6 QuickSort QuickSort ist ein Sortieralgorithmus, der auf der Idee des Teile & Beherrsche beruht, und das gegebene Array an Ort und Stelle (in place) sortiert QuickSort teilt das gegebene Array anhand
MehrReihungen. Prof. Dr. Christian Böhm. In Zusammenarbeit mit Gefei Zhang. WS 07/08
Reihungen Prof. Dr. Christian Böhm In Zusammenarbeit mit Gefei Zhang http://www.dbs.ifi.lmu.de/lehre/nfinfosw WS 07/08 2 Ziele Die Datenstruktur der Reihungen verstehen: mathematisch und im Speicher Grundlegende
MehrAufgabe (Schreibtischtest, lexikographische Ordnung)
Aufgabe (Schreibtischtest, lexikographische Ordnung) Führen Sie einen Schreibtischtest für den Algorithmus Bubblesort aus der VL für die folgenden Eingabe-Arrays durch. Geben Sie das Array S nach jedem
MehrSuchen. lineare Suche, binäre Suche, divide and conquer, rekursive und iterative Algorithmen, geordnete Daten, Comparable
Suchen lineare Suche, binäre Suche, divide and conquer, rekursive und iterative Algorithmen, geordnete Daten, Comparable Welche Nummer hat Herr Meier? Enthält Einträge (Elemente) der Form : Name, Vorname
MehrAufgabe 1 Basiswissen zur Vorlesung (8 Punkte)
Matrikelnummer: 1 Aufgabe 1 Basiswissen zur Vorlesung (8 Punkte) Kreuzen Sie an, ob die folgenden Aussagen richtig oder falsch sind. Bewertung: keine Antwort: 0 Punkte richtige Antwort: +0.5 Punkte falsche
MehrAufgabenblatt: Arrays
Aufgabenblatt: Arrays - Seite 1 Aufgabenblatt: Arrays (1.) (a.) Erstellen Sie eine Methode, die in einem Array von Zahlen nach einem bestimmten Wert sucht! static int LinearSearch(int searchvalue, int
MehrWiederholung. Bäume sind zyklenfrei. Rekursive Definition: Baum = Wurzelknoten + disjunkte Menge von Kindbäumen.
Wiederholung Baum: Gerichteter Graph, der die folgenden drei Bedingungen erfüllt: Es gibt einen Knoten, der nicht Endknoten einer Kante ist. (Dieser Knoten heißt Wurzel des Baums.) Jeder andere Knoten
MehrReihungen. Martin Wirsing. in Zusammenarbeit mit Michael Barth, Fabian Birzele und Gefei Zhang
Reihungen Martin Wirsing in Zusammenarbeit mit Michael Barth, Fabian Birzele und Gefei Zhang http://www.pst.informatik.uni-muenchen.de/lehre/ws0506/infoeinf/ WS 05/06 2 Ziele Die Datenstruktur der Reihungen
MehrAlgorithmen und Datenstrukturen 12
12. Juli 2012 1 Besprechung Blatt 11 Fragen 2 Binary Search Binäre Suche in Arrays Binäre Suchbäume (Binary Search Tree) 3 Sortierverfahren Allgemein Heapsort Bubblesort Insertionsort Mergesort Quicksort
MehrHeapsort. 1. Erstelle aus dem gegebenen Array einen Max-Heap (DownHeap) 2. Tausche erstes und letztes Element des Arrays
Heapsort Beispiel für einen eleganten Algorithmus, der auf einer effizienten Datenstruktur (dem Heap) beruht [Williams, 1964] Daten liegen in einem Array der Länge n vor 1. Erstelle aus dem gegebenen Array
MehrMartin Unold INFORMATIK. Geoinformatik und Vermessung
Wiederholung So sieht ein leeres Java-Programm aus public class Programmname { public static void main (String[] args) { // Hier stehen die Anweisungen Welche Arten von Anweisungen gibt es? Anweisungen
MehrGrundlagen: Algorithmen und Datenstrukturen
Grundlagen: Algorithmen und Datenstrukturen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 2010
MehrProf. H. Herbstreith Fachbereich Informatik. Leistungsnachweis. Informatik 1 WS 2001/2002
Prof. H. Herbstreith 30.01.2002 Fachbereich Informatik Leistungsnachweis Informatik 1 WS 2001/2002 Bearbeitungszeit 120 Minuten. Keine Hilfsmittel erlaubt. Aufgabe 1: 20 Punkte Vervollständigen Sie folgende
MehrAlgorithmen und Datenstrukturen 1
Algorithmen und Datenstrukturen 1 6. Vorlesung Martin Middendorf / Universität Leipzig Institut für Informatik middendorf@informatik.uni-leipzig.de studla@bioinf.uni-leipzig.de Merge-Sort Anwendbar für
MehrFelder. Gerd Bohlender. Einstieg in die Informatik mit Java, Vorlesung vom
Einstieg in die Informatik mit Java, Vorlesung vom 9.5.07 Übersicht 1 Was sind? 2 Vereinbarung von n 3 Erzeugen von n 4 Zugriff auf Feldkomponenten 5 Mehrdimensionale 6 als Objekte, Referenzen Kopieren
Mehr8. Sortieren II. 8.1 Heapsort. Heapsort. [Max-]Heap 6. Heapsort, Quicksort, Mergesort. Binärer Baum mit folgenden Eigenschaften
Heapsort, Quicksort, Mergesort 8. Sortieren II 8.1 Heapsort [Ottman/Widmayer, Kap. 2.3, Cormen et al, Kap. 6] 9 210 Heapsort [Max-]Heap 6 Inspiration von Selectsort: Schnelles Einfügen Binärer Baum mit
MehrHeapsort, Quicksort, Mergesort. 8. Sortieren II
209 Heapsort, Quicksort, Mergesort 8. Sortieren II 210 8.1 Heapsort [Ottman/Widmayer, Kap. 2.3, Cormen et al, Kap. 6] 211 Heapsort Inspiration von Selectsort: Schnelles Einfügen Inspiration von Insertionsort:
MehrKapitel 3: Sortierverfahren Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
MehrTutoraufgabe 1 (Sortieren): Lösung: Datenstrukturen und Algorithmen SS14 Lösung - Übung 4
Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS Lösung - Übung F. Corzilius, S. Schupp, T. Ströder Tutoraufgabe (Sortieren): a) Sortieren Sie das folgende Array durch Anwendung des Selectionsort-Algorithmus.
MehrDatenstrukturen und Algorithmen
Joost-Pieter Katoen Datenstrukturen und Algorithmen 1/32 Datenstrukturen und Algorithmen Vorlesung 7: Sortieren (K2) Joost-Pieter Katoen Lehrstuhl für Informatik 2 Software Modeling and Verification Group
MehrHeapsort, Quicksort, Mergesort. 8. Sortieren II
209 Heapsort, Quicksort, Mergesort 8. Sortieren II 210 8.1 Heapsort [Ottman/Widmayer, Kap. 2.3, Cormen et al, Kap. 6] Heapsort 211 Inspiration von Selectsort: Schnelles Einfügen Inspiration von Insertionsort:
MehrAlgorithmen I. Tutorium 1-3. Sitzung. Dennis Felsing
Algorithmen I Tutorium 1-3. Sitzung Dennis Felsing dennis.felsing@student.kit.edu www.stud.uni-karlsruhe.de/~ubcqr/algo 2011-05-02 Überblick 1 Sortieren und Suchen 2 Mastertheorem 3 Datenstrukturen 4 Kreativaufgabe
MehrGrundlagen der Programmierung 2. Sortierverfahren
Grundlagen der Programmierung 2 Sortierverfahren Prof. Dr. Manfred Schmidt-Schauÿ Künstliche Intelligenz und Softwaretechnologie 30. Mai 2006 Sortieren Ziel: Bringe Folge von Objekten in eine Reihenfolge
MehrInformatik II, SS 2016
Informatik II - SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 2 (22.4.2016) Sortieren II Algorithmen und Komplexität SelectionSort: Programm Schreiben wir doch das gleich mal als Java/C++ - Programm
MehrDas Suchproblem. Gegeben Menge von Datensätzen. Beispiele Telefonverzeichnis, Wörterbuch, Symboltabelle
119 4. Suchen Lineare Suche, Binäre Suche, Interpolationssuche, Exponentielle Suche, Untere Schranken [Ottman/Widmayer, Kap. 3.2, Cormen et al, Kap. 2: Problems 2.1-3,2.2-3,2.3-5] 120 Das Suchproblem Gegeben
MehrDas Suchproblem 4. Suchen Das Auswahlproblem Suche in Array
Das Suchproblem Gegeben. Suchen Lineare Suche, Binäre Suche, Interpolationssuche, Exponentielle Suche, Untere Schranken [Ottman/Widmayer, Kap. 3.2, Cormen et al, Kap. 2: Problems 2.-3,2.2-3,2.3-] Menge
MehrEinführung in die Informatik Algorithmen und Datenstrukturen. Thema 17 Sortieren
Einführung in die Informatik Algorithmen und Datenstrukturen Thema 17 Sortieren Sortierproblem Es gibt eine Menge von Datensätzen, und jeder dieser Sätze besitzt einen (möglichst eindeutigen) Schlüssel.
MehrArrays. Gilbert Beyer und Annabelle Klarl. Einführung in die Informatik. Zentralübung zur Vorlesung Einführung in die Informatik
Arrays Zentralübung zur Vorlesung Einführung in die Informatik http://www.pst.ifi.lmu.de/lehre/wise-11-12/infoeinf WS11/12 Inhalte der heutigen Vorlesung: Arraytypen Speicherdarstellung von Arrays Auswertung
MehrDie for -Schleife HEUTE. Schleifen. Arrays. Schleifen in JAVA. while, do reichen aus, um alle iterativen Algorithmen zu beschreiben
18.11.5 1 HEUTE 18.11.5 3 Schleifen Arrays while, do reichen aus, um alle iterativen Algorithmen zu beschreiben Nachteil: Steuermechanismus ist verteilt Übersicht nicht immer leicht dazu gibt es for (
MehrOrganisatorisches. Neue Übungsblätter: Nur mehr elektronisch? Abgabe Di, , 14 Uhr bis Do, , 8Uhr
Organisatorisches Neue Übungsblätter: Nur mehr elektronisch? Abgabe Di, 14.10., 14 Uhr bis Do, 23.10., 8Uhr. 14.10.2014 IT I - VO 1 1 IT I: Heute Wiederholung CuP ctd: this Arrays, ArrayLists Schleifen:
MehrÜbung zu Algorithmen und Datenstrukturen (für ET/IT)
Übung zu Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 2017 Rüdiger Göbl, Mai Bui Computer Aided Medical Procedures Technische Universität München Fibonacci Zahlen Fibonacci Folge Die Fibonacci
Mehrf 1 (n) = log(n) + n 2 n 5 f 2 (n) = n 3 + n 2 f 3 (n) = log(n 2 ) f 4 (n) = n n f 5 (n) = (log(n)) 2
Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS Lösung - Präsenzübung.05.0 F. Corzilius, S. Schupp, T. Ströder Aufgabe (Asymptotische Komplexität): (6 + 0 + 6 = Punkte) a) Geben Sie eine formale
Mehrpublic class Test extends MiniJava { public static void main (String [] args) { write(args[0]+args[1]); } } // end of class Test
Manche Funktionen, deren Ergebnistyp void ist, geben gar keine Werte zurück im Beispiel: write() und main(). Diese Funktionen heißen Prozeduren. Das Hauptprogramm hat immer als Parameter ein Feld args
MehrWenn... dann... if (condition) statement. if (kontostand < 0) System.out.println("Oops..."); false. condition. true. statement
Wenn... dann... if (condition) statement condition false true statement if (kontostand < 0) System.out.println("Oops..."); 31 ... sonst... if (condition) statement1 else statement2 condition false true
MehrKapitel 2. Weitere Beispiele Effizienter Algorithmen
Kapitel 2 Weitere Beispiele Effizienter Algorithmen Sequentielle Suche Gegeben: Array a[1..n] Suche in a nach Element x Ohne weitere Zusatzinformationen: Sequentielle Suche a[1] a[2] a[3] Laufzeit: n Schritte
MehrAlgorithmen und Datenstrukturen 1
Algorithmen und Datenstrukturen 1 4. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de 4. Sortierverfahren Elementare Sortierverfahren - Sortieren durch
MehrKapitel 6 Elementare Sortieralgorithmen
Kapitel 6 Elementare Sortieralgorithmen Ziel: Kennenlernen elementarer Sortierverfahren und deren Effizienz Zur Erinnerung: Das Sortier-Problem Gegeben: Folge A von n Elementen a 1, a 2,..., a n ; Eine
Mehr5.4 Arrays. Oft müssen viele Werte gleichen Typs gespeichert werden. Idee: Lege sie konsekutiv ab! Greife auf einzelne Werte über ihren Index zu!
5.4 Arrays Oft müssen viele Werte gleichen Typs gespeichert werden. Idee: Lege sie konsekutiv ab! Greife auf einzelne Werte über ihren Index zu! Feld: Index: 17 3-2 9 0 1 0 1 2 3 4 5 Harald Räcke 114/656
MehrHeapsort / 1 A[1] A[2] A[3] A[4] A[5] A[6] A[7] A[8]
Heapsort / 1 Heap: Ein Array heißt Heap, falls A [i] A [2i] und A[i] A [2i + 1] (für 2i n bzw. 2i + 1 n) gilt. Beispiel: A[1] A[2] A[3] A[4] A[5] A[6] A[7] A[8] Heapsort / 2 Darstellung eines Heaps als
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 Suchen in Datenmengen Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr, o.n.v.
MehrObjektorientierte Programmierung und Modellierung
Objektorientierte Programmierung und Modellierung Einführung, Teil 2 24.10.17 - WS17/18 Hakan Aksu 1 Raumänderung beachten Dienstag 14:15-15:45 Uhr in M001 (anstatt K101) 2 Ausfalltermine 31.10 Vorlesung
MehrInstitut für Programmierung und Reaktive Systeme. Java 2. Markus Reschke
Java 2 Markus Reschke 07.10.2014 Datentypen Was wird gespeichert? Wie wird es gespeichert? Was kann man mit Werten eines Datentyps machen (Operationen, Methoden)? Welche Werte gehören zum Datentyp? Wie
MehrSuchen und Sortieren OOPM, Ralf Lämmel
Unterhaltet Euch mal mit Euren Großeltern wie Sortieren früher funktionierte! Suchen und Sortieren OOPM, Ralf Lämmel 2 Das Such-Problem Eingabe: Ein Feld a mit n Elementen vom Typ t. Ein Wert x vom Typ
MehrEinführung in die Programmierung I. 6. Sortieren. Stefan Zimmer
Einführung in die Programmierung I 6. Sortieren Stefan Zimmer 26.11.2007 2 Sortieren Gegeben seien n Dinge ai, 1 i n, und eine Vergleichsoperation (z.b. Zahlen und
MehrOrganisatorisches. drei Gruppen Gruppe 1: 10:10-11:40, Gruppe 2: 11:45-13:15 Gruppe 3: 13:20-14:50
Organisatorisches Vorlesung Donnerstag 8:35 bis 10:05 Übung drei Gruppen Gruppe 1: 10:10-11:40, Gruppe 2: 11:45-13:15 Gruppe 3: 13:20-14:50 Tutorium (Mehr oder weniger) abwechselnd Mo und Mi 10-11:30 Termine
Mehr