Algorithmen und Datenstrukturen CS1017

Transkript

1 Algorithmen und Datenstrukturen CS1017 Th. Letschert TH Mittelhessen Gießen University of Applied Sciences Entwurf von Algorithmen I Rohe Kraft / Erschöpfende Suche Kombinatorische Objekte

2 Entwurf von Algorithmen Paradigmen des Algorithmen-Entwurfs Der Entwurf neuer Algorithmen erfordert Kreativität. Allgemeine Denk- und Lösungsansätze (Paradigmen, Strategien, Entwurfstechniken) können dabei oft sehr nützlich sein: Sie liefern uns Muster zur Lösung unterschiedlicher Probleme. Sie können systematisch in gängige Kontroll- und Datenstrukturen diverser Programmiersprachen umgesetzt werden. Das Verhalten (Effizienz, Komplexität) der entsprechenden Algorithmen ist bekannt. Bekannte Strategien für den Entwurf von Algorithmen (kurz Algorithmische Strategien) Rohe-Kraft / Erschöpfende Suche Optimierungen der erschöpfenden Suche Backtracking Branch-and-Bound Reduziere und Herrsche / Teile-und-Herrsche Dynamische Programmierung Gier... Seite 2

3 Rohe Kraft Rohe Kraft / rohe Gewalt (brute force)... ist das was uns oft als erstes im Angesicht eines Problems einfällt. Algorithmen, die mit der Strategie rohe Kraft entwickelt werden, verwenden eine naheliegende Methode zur Lösung des Problems basieren oft direkt auf der Beschreibung des Problems verzichten auf Optimierungen setzen auf die Kraft des Prozessors Die Strategie rohe Kraft ist angemessen wenn das Problem nur auf kleine Fälle angewendet wird nur selten gelöst werden muss der Aufwand zur Entwicklung besserer Algorithmen nicht lohnt bessere Algorithmen bisher nicht gefunden werden konnten Beispiel berechne an mod m (ein Bestandteil oft genutzter kryptographischer Algorithmen) Algorithmus: 1. multipliziere 1 n-mal mit a 2. bestimme dann den Rest bei ganzzahliger Division durch m rohe Kraft: Der Algorithmus verwendet ein naheliegendes Verfahren das sich direkt an der Problembeschreibung orientiert. Seite 3

4 Rohe Kraft Beispiele für brute force Sortier-Algorithmen - 1 Selection Sort ein einfacher und naheliegender Sortieralgorithmus: Teile die Sequenz in einen sortierten und einen unsortierten Teil. Bringe das jeweils kleinste (größte) Element des unsortierten Teils an das Ende des sortierten Teils. siehe auch Foliensatz 2 Aufwand: O(n2) Selection-Sort(A[0..n-1]) 1. for i 0 to n-1 do 2. min i 3. for j i+1 to n-1 do 4. if A[j] < A[min] then min j 5. swap(a[i], A[min]) Seite 4

5 Rohe Kraft Beispiele für brute force Sortier-Algorithmen - 2 Bubble Sort ein einfacher und naheliegender Sortieralgorithmus: Vergleiche von links nach rechts gehend je zwei nebeneinander liegende Elemente und vertausche sie, wenn sie in der falschen Reihenfolge sind. Am Ende ist das größte (kleinste) Element am Ende. ( Hoch geblubbert ) Wiederhole den Prozess, bis alle Elemente sortiert sind. Aufwand: O(n2) der schlechteste aller bekannten Sortier-Algorithmen Bubble-Sort(A[0..n-1]) 1. for i 0 to n-2 do 2. for j 0 to n-2-i do 3. if A[j+1] < A[j] then swap(a[j], A[j+1]) Seite 5

6 Rohe Kraft Beispiele für brute force Algorithmen Vergleich von Zeichenketten String Matching ein einfacher und naheliegender Algorithmus zum Auffinden einer Zeichenkette (Pattern) p in einem Text t: Vergleiche beginnend mit dem ersten das i-te Element von p mit dem i-ten Element von t solange bis alle als gleich erkannt wurden: s wurde in t gefunden oder bis eine Nichtübereinstimmung gefunden wurde. In dem Fall beginne den gesamten Prozess mit dem nächsten Element in t. Falls t ab der Suchposition kürzer als s ist, beende die Suche mit einem Misserfolg. Aufwand: O(n*m) mit n: Länge von p, m: Länge von t Sting-Match(T[0..n-1], P[0..m-1]) t wenn süß das Mondlicht auf den Hügeln schläft 1. for i 0 to n-m do 2. j 0 3. while j<m && P[j]=T[i+j] do 4. j j+1 5. if j=m then return i 6. return -1 p wenn das Wasser im Rhein Seite 6

7 Erschöpfende Suche Erschöpfende Suche (Exhaustive Search)... wenn man systematisch alle möglichen Lösungen durchgehen kann, dann untersuche jede mögliche Lösung ob sie vielleicht eine Lösung ist. Algorithmen die mit der Strategie erschöpfende Suche entwickelt werden sind eine Variante der Brute-Force-Algorithmen sie benötigen eine Auflistung / Methode zur Generierung aller möglichen Lösungen Mögliche Lösungen werden dann geprüft, ob sie wirklich eine Lösung sind. Die Strategie erschöpfende Suche ist angemessen, wenn das Problem die Auflistung der Lösungskandidaten ermöglicht ansonsten gelten alle Kriterien die für Brute-Force-Algorithmen gelten Problem der Raum der möglichen Lösung ist i.d.r. sehr groß Beispiel Traveling Salesman Problem: berechne die kürzeste Rundreise in einen Graph Algorithmus: Generiere alle Permutationen von Knoten Teste, ob sie eine Rundreise darstellen Berechne dann deren Länge Gib schließlich die kürzeste aus. Seite 7

8 Erschöpfende Suche Generierung von Lösungskandidaten Das zentrale Problem bei einer erschöpfenden Suche ist meist die Generierung der möglichen Lösungen. Mögliche Lösungen Die Menge der möglichen Lösungen sollte eine endliche und echte Obermenge der Lösungsmenge sein leichter zu berechnen sein als die Lösungen Seite 8

9 Erschöpfende Suche Generierung von Lösungskandidaten Sehr oft können die Lösungs-Kandidaten als kombinatorische Objekte oder im Zuge von Traversierungen erzeugt werden. Kombinatorische Objekte sind die Dinge die der Kombinatorik (Teilgebiet der diskreten Mathem.) behandelt werden, z.b.: die Menge Permutationen einer Sequenz die Menge aller Teilmengen einer Menge die Menge aller Kombinationen von Elementen einer Menge... Traversierungen Traversierungen, also das systematischen Durchlaufen einer Datenstruktur, kann verwendet werden, um alle Lösungskandidaten zu erzeugen Alle Elemente einerliste, Alle Kanten eines Baums / Graphen bei dessen (Tiefen-/Breiten-) Traversierung... Seite 9

10 Kombinatorische Objekte Kombinatorische Objekte Beispiele Alle Teilmengen einer Menge (Auswahl ohne Wiederholung) Alle Permutationen einer Sequenz Alle Partitionen einer Menge Auswahl ohne Wiederholung Alle partiellen Teil-Multimengen (Auswahl mit Wiederholung) Teilsequenzen einer Sequenz... Seite 10

11 Kombinatorische Objekte Kombinatorische Objekte Auswahl: k aus n Elementen wählen Siehe Literatur zur Kombinatorik aus: Seite 11

12 Kombinatorische Objekte Kombinatorische Objekte und rohe Kraft Algorithmen Beispiel: Sortieren mit roher Kraft Rohe Kraft, hier direkte Implementierung der Definition Definition Sortieren: Gegen eine Sequenz s, finde eine Permutation von s in der die Elemente ansteigend geordnet sind Mögliche Lösungen Alle Permutationen ein kombinatorisches Objekt Korrekte Lösungen Permutationen mit aufsteigender Ordnung Seite 12

13 Kombinatorische Objekte Kombinatorische Objekte und rohe Kraft Algorithmen Beispiel: n-damen Problem n-damen-problem: Platziere n Damen auf einem n x n Schachbrett so, dass sie sich gegenseitig nicht schlagen. Rohe Kraft Algorithmus, hier direkte Implementierung der Definition Bildquelle: Wikipedia Definition n-damen-problem: Gegeben sei ein n*n Feld (Matrix), finde ein Sequenz s von Positionen der Länge n, derart, dass keine Position in s eine andere Position in s nach den Schachregeln bedroht. Mögliche Lösungen Variante 1: Alle Folgen der Länge n von Zeilen- / SpaltenPositionen (Paare aus dem Kreuzprodukt {1,.. n x {1,.. n) Variante 2: Alle Folgen s der Länge n von Positionen in Zeile i (Wert aus {1.. n) si repräsentiert die Position (i, si) Korrekte Lösung Variante 1: Falls (a,b) in s dann enthält s kein Paar (x,y) mit: y=b (gleiche Position in der Senkrechten) oder (x = a-i und y = b-i) oder (x = a+i und y = b+i) für irgendein i (Positionen in der Diagonale) Variante 2 entsprechend Seite 13 Variante 1: [(0,2), (1,0), (2,1)] Variante 2 : [2, 0, 1]

14 Kombinatorische Objekte Kombinatorische Objekte und rohe Kraft Algorithmen n-damen Problem: Kombinatorische Objekte Variante 1 Jede Auswahl von n Elementen aus {1..n x {1..n n aus n2 ohne Wiederholung, Reihenfolge ohne Belang: Cnn*n = (n2 über n) = n2! / n!*(n2-n)! Variante 2-1 Jede Auswahl von n Elementen aus {1..n n aus n mit Wiederholung, Reihenfolge von Belang: nn Variante 2-2 Falls man die in der gleichen Spalte gleich ausschließt: n aus n ohne Wiederholung, Reihenfolge von Belang: Pnn*n = n2! / (n2 n)! Seite 14 Variante 1: [(0,2), (1,0), (2,1)] Variante 2 : [2, 0, 1] Enthält mehr Elemente als Variante 2-2, ist aber am einfachsten zu erzeugen.

15 Kombinatorische Objekte und erschöpfende Suche Erschöpfende Suche und Kombinatorische Objekte n aus einer Menge M Untersuche jede Auswahl von n Elementen aus einer Menge M Akzeptable Lösung Beispiel n-damen auf 4x4 Feld Kombinatorische Objekte: Sequenzen von Zeilen-Positionen (Variante-2-1) Akzeptable Objekte: class Queens { // Boards with queen are represented by sequences of ints // placement(i) = column position in row i static boolean acceptable(int[] placement) { for (int i=0; i<placement.length; i++) { int x = placement[i]; for (int j=0; j<placement.length; j++) { if (i!=j) { int d = i-j; // diagonal: distance between j an j if (placement[j] == x placement[j] == x-d placement[j] == x+d) { return false; return true; Seite 15 etc.

16 Kombinatorische Objekte und erschöpfende Suche Erschöpfende Suche und Kombinatorische Objekte: Schleife n aus einer Menge M Untersuche jede Auswahl von n Elementen aus einer Menge M Einfachste und effizienteste Methode: n geschachtelte Schleifen Beispiel n-damen auf 4x4 Feld: public class BruteForce_4_x_4 { public static void main(string[] args) { for (int c0 = 0; c0 < 4; c0++) { for (int c1 = 0; c1 < 4; c1++) { for (int c2 = 0; c2 < 4; c2++) { for (int c3 = 0; c3 < 4; c3++) { int[] placement = new int[]{c0, c1, c2, c3; if (Queens.acceptable(placement)) { System.out.println("OK: " + Arrays.toString(placement)); OK: [1, 3, 0, 2] OK: [2, 0, 3, 1] Seite 16 Wenn immer möglich: Suche mit geschachtelten Schleifen!

17 Kombinatorische Objekte und erschöpfende Suche Erschöpfende Suche und Kombinatorische Objekte: Rekursion n aus einer Menge M Untersuche jede Auswahl von n Elementen aus einer Menge M Problem: M ist nicht statisch bekannt Wenn M keine statisch bekannte Menge ist, dann können nicht n-schleifen über die Elemente von M angegeben werden. Beispiel n Damen public class BruteForce_4_x_4 { Implementierung einer public static void main(string[] args) { Schachtelung von n int n =...?... Schleifen? for (int c0 = 0; c0 < n; c0++) { for (int c1 = 0; c1 < n; c1++) { for (int c2 = 0; c2 < n; c2++) {... for (int cn = 0; cn < n; cn++) { int[] placement = new int[]{c0, c1, c2, c3,... cn; if (Queens.acceptable(placement)) { System.out.println("OK: " + Arrays.toString(placement));... Seite 17

18 Kombinatorische Objekte und erschöpfende Suche Erzeuge Kombinatorische Objekte Rekursive Erzeugung von k-tuplen aus einer Menge M Erzeuge den Suchraum rekursiv, wenn Du nicht weißt, wie viele Schleifen zu schachteln wären. Tupel: Auswahl mit Wiederholung und relevanter Reihenfolge Erzeuge jede Auswahl von k Elementen aus einer Menge M bei dynamisch festgelegtem Wert k und Menge M Algorithmus: Mk die Menge der Tupel der Länge k aus Elementen der Menge M kann rekursiv definiert werden: Mk = { [ ] falls k = 0 Mk = { t + [x] t Mk-1, x M falls k > 0 + ist das Anhängen eines Elements x an ein Tupel t Seite 18

19 Kombinatorische Objekte und erschöpfende Suche Erzeuge Kombinatorische Objekte Rekursive Erzeugung von k-tuplen aus einer Menge M Erzeuge jede Auswahl von k Elementen aus einer Menge M bei dynamisch festgelegtem Wert k und Menge M class AllTuples<E extends Comparable<E>> { private TreeSet<E> M = null; public AllTuples(TreeSet<E> M) { this.m = M; // all tuples of size k build from elements of set M public List<List<E>> oflength(int k) { if (k == 0) { ArrayList<List<E>> result = new ArrayList<>(); result.add(new ArrayList<E>()); return result; Implementierung Direkte Umsetzung des Algorithmus' else { List<List<E>> result = new ArrayList<>(); List<List<E>> rec = oflength(k-1); for (List<E> t: rec) { for (E x: M) { List<E> tt = new ArrayList<>(t); tt.add(x); result.add(tt); return result; Seite 19

20 Kombinatorische Objekte und erschöpfende Suche Erschöpfende Suche und Kombinatorische Objekte: Rekursion k-tupel (Auswahl von k Elementen mit Reihenfolge relevant) aus einer Menge M Untersuche jede Auswahl von k Elementen aus einer Menge M Anwendungs-Beispiel n-damen-problem Scanner scan = new Scanner(System.in); int n = scan.nextint(); scan.close(); TreeSet<Integer> positions = new TreeSet<>(); for (int i=0; i<n; i++) positions.add(i); for (List<Integer> placement: new AllTuples<Integer>(positions).ofLength(n)){ if (Queens.acceptable( toprimitive( placement.toarray(new Integer[n])))) { System.out.println("OK: " + placement); Integer-Array => int-array Seite 20 private static int[] toprimitive(integer[] array) { int[] res = new int[array.length]; int i = 0; for(int v: array) { res[i++] = v; return res;

21 Kombinatorische Objekte und erschöpfende Suche Erschöpfende Suche und Kombinatorische Objekte: Rekursion Anwendungs-Beispiel n-damen-problem / Java 8 Version class AllTuples<E> { private Set<E> M = null; public AllTuples(Set<E> M) { this.m = M; Streams sind nur eine funktionale Fassade für Sequenzen. Funktionales Programmieren ist damit nur beschränkt möglich. Einige Operationen können damit aber etwas eleganter formuliert werden. Z.B.: - das Durchlaufen einer Liste (foreach, filter) oder - die Umwandlung eines Integer-Arrays in ein int-array (maptoint). // all tuples of size k build from elements of a set M public List<List<E>> oflength(int k) { if (k == 0) { public class BruteForce_n_x_n { List<List<E>> res = new ArrayList<>(); res.add(new ArrayList<E>()); public static void main(string[] args) { return res; Scanner scan = new Scanner(System.in); else { int n = scan.nextint(); List<List<E>> res = new ArrayList<>(); scan.close(); oflength(k-1).stream().foreach( t -> M.stream().forEach( x -> { List<E> tl = new ArrayList<E>(t); tl.add(x); res.add(tl); ) ); return res; TreeSet<Integer> positions = new TreeSet<>(); for (int i=0; i<n; i++) positions.add(i); new AllTuples<Integer>(positions).ofLength(n).stream().filter( t -> Queens.acceptable( (t.stream().maptoint(i -> i).toarray() ) ) ).foreach( p -> { p.foreach( pos -> System.out.print(pos+ " ")); System.out.println(); ); Seite 21