Compl Medie

Proiectarea algoritmilor: complexitatea medie
Dorel Lucanu
Faculty of Computer Science
Alexandru Ioan Cuza University, Iasi, Romania
dlucanu@info.uaic.ro
PA 2014/2015
D. Lucanu (FII - UAIC)
Complexitatea medie
PA 2014/2015
1 / 44
Outline
Timpul mediu: algoritmi deterministi

Quicksort determinist
Timpul mediu: algoritmi probabilisti

Agoritmi nedeterministi
Algoritmi probabilisti
Quicksort probabilist
k-mediana
Complexitatea medie
PA 2014/2015
2 / 44
Plan


k-mediana
Complexitatea medie
PA 2014/2015
3 / 44
Motivatie
Fie P o problema, p P instanta a problemei P, A un algoritm care

rezolva P.
Reamintim formula pentru complexitatea n cazul cel mai nefavorabil:
TA (n) = sup{TA (p) | p P g (p) = n}
Uneori, numarul instantelor p cu g (p) = n pentru care TA (p) = TA (n) sau
TA (p) are o valoare foarte apropiata de TA (n) este foarte mic.
Pentru aceste cazuri este preferabil sa calculam comportarea n medie a
algoritmului.
Complexitatea medie
PA 2014/2015
4 / 44
Exemplu de variabila aleatorie: aruncarea a doua zaruri

Experiment: aruncarea a doua zaruri
V (experiment) = suma punctelor de pe fetele superioare
Sursa: http://hyperphysics.phy-astr.gsu.edu/hbase/math/dice.html
pi = P(V = xi ) - probabilitatea cu P
care V ia valoare xi
Media variabilei aleatorii: M(V ) = i xi pi
Complexitatea medie
PA 2014/2015
5 / 44
Exemplu de variabila aleatorie: aruncarea a doua zaruri

(cont.)
M(V ) = 7
Complexitatea medie
PA 2014/2015
6 / 44
Definitie
Pentru a putea calcula comportarea n medie este necesar sa privim
marimea TA (p) ca fiind o variabila aleatorie:
o experienta = executia algoritmului pentru o instanta p,
valoarea experientei = durata executiei algoritmului pentru instanta
p) si sa precizam legea de repartitie a acestei variabile aleatorie.
Apoi, comportarea n medie se calculeaza ca fiind media acestei variabile
aleatoare (consideram numai cazul timpului de executie):
TAmed (n) = M({TA (p) | p P g (p) = n})
Daca multimea valorilor variabilei aleatoare TA (p) = {x0 , x1 , . . . } este
finita sau numarabila si probabilitatea ca TA (p) = xi este pi , atunci media
variabilei aleatorie TA (timpul mediu de executie) este:
X
TAmed (n) =
xi pi
i
Complexitatea medie
PA 2014/2015
7 / 44
Exemplu
Consideram problema cautarii unui element ntr-o secventa de numere

ntregi:
Problema P1
Intrare:
n, a = (a
(0 , . . . , an1 ), z, toate numere ntregi.
min{i | ai = z} dac
a {i | ai = z} =
6 ,
Iesire:
poz =
1
altfel.
Presupunem ca secventa (a0 , . . . , an1 ) este memorata n tabloul a.
Consideram ca dimensiune a problemei P1 numarul n al elementelor din
secventa n care se cauta.
Complexitatea medie
PA 2014/2015
8 / 44
Algoritm pentru P1
Algoritmul A1 descris de urmatorul program rezolva P1 :

//@input: un tablou a cu n elemente, z
//@output: pozitia primului element din a egal cu z,
//
-1 daca nu exista un astfel de element
i = 0;
while (a[i] != z) && (i < n-1) {
i = i+1
if (a[i] = z) poz = i;
else poz = -1;
Complexitatea medie
PA 2014/2015
9 / 44
Timpul mediu pentru A1

Multimea valorilor variabilei aleatorii TA1 (p) este {3i + 2 | 1 i n} (s-au
numarat doar atribuirile si comparatiile).
In continuare trebuie sa stabilim legea de repartitie. Facem urmatoarele
presupuneri:
probabibilitatea ca z {a0 , . . . , an1 } este q si
q
(indicii i
n
candideaza cu aceeasi probabilitate pentru prima aparitie a lui z).
probabilitatea ca z sa apara prima data pe pozitia i 1 este
Rezulta ca probabilitatea ca z 6 {a0 , . . . , an1 } este 1 q. Acum probabilitatea

q
ca TA (p) = 3i + 2 (poz = i 1) este , pentru 1 i < n, iar probabilitatea ca
n
q
TA (p) = 3n + 2 este pn = + (1 q).
n
Timpul mediu de executie este:
D. Lucanu
n
P
n1
P
q
q
(3i + 2) + ( + (1 q)) (3n + 2)
n
i=1
i=1 n
3nq
3q
= 3n
+
+2
2
2
3n
7
(FII - UAIC)
Complexitatea medie
PA 2014/2015
med
TAmed (n)
pi xi =
10 / 44
Plan


k-mediana
Complexitatea medie
PA 2014/2015
11 / 44
Quicksort: descriere
Este proiectat pe paradigma divide-et-impera.
Se considera o multime peste care este definita o relatie de ordine liniara
<.
Algoritmul Quicksort
Intrare: S = {a0 , . . . , an1 }
Iesire: o secventa cu elementele ai n ordine crescatoare
1
Generalizare (abstractizare): S = {ap , . . . , aq }, p q.
Divizarea problemei consta n alegerea unei valori x din S. Elementul

x este numit pivot. In general se alege pivotul x = ap , dar nu este
obligatoriu.
calculeaza
S< = {ai | ai < x} S= = {ai | ai = x} S> = {ai | ai > x}
sorteaza recursiv S< si S>
ntoarce secventa S< , S= , S>

Complexitatea medie
PA 2014/2015
12 / 44
Quicksort: partitionarea
Presupunem ca S este memorata ntr-un tablou a.
Se determinarea prin interschimbari a unui indice k cu proprietatile:
p k q si a[k] = x;
i : p i k = a[i] a[k];
j : k < j q = a[k] a[j];
Partitionarea tabloului se face prin interschimbari care mentin invariante
proprietati asemanatoare cu cele de mai sus. Se considera doua variabile
index: i cu care se parcurge tabloul de la stanga la dreapta si j cu care se
parcurge tabloul de la dreapta la stanga. Initial se ia i = p + 1 si j = q.
Proprietatile mentinute invariante n timpul procesului de partitionare sunt:
i 0 : p i 0 < i = a[i 0 ] x
(1)
j 0 : j < j 0 q = a[j 0 ] x
(2)
si
Complexitatea medie
PA 2014/2015
13 / 44
Quicksort: partitionarea
Presupunem ca la momentul curent sunt interogate elementele a[i] si a[j]

cu i < j. Distingem urmatoarele cazuri:
1
a[i] x. Transformarea i = i+1 pastreaza (1).
a[j] x. Transformarea j = j-1 pastreaza (2).
a[i] > x > a[j]. Daca se realizeaza interschimbarea a[i] a[j] si se

face i = i+1 si j = j-1, atunci ambele predicate (1) si (2) sunt
pastrate.
Operatiile de mai sus sunt repetate pana cand i devine mai mare decat j.
Considerand k = i 1 si interschimband a[p] cu a[k] obtinem
partitionarea dorita a tabloului.
Complexitatea medie
PA 2014/2015
14 / 44
Quicksort: algoritmul de partitionare

@input: a = (a[p], . . . , a[q])
@output: k, a cu proprietatea i : p i k =
k < j q = a[k] a[j]
partitioneaza(a, p, q, k) {
x = a[p] ;
i = p + 1;
j = q;
while (i j) {
if (a[i] x) i = i+1;
if (a[j] x) j = j-1;
if ((i < j) && (a[i] > x) && (x > a[j])) {
swap(a, i, j);
i = i+1;
j = j-1;
}
}
k = i-1; a[p] = a[k]; a[k] = x;
}
Complexitatea medie
a[i] a[k] si j :
PA 2014/2015
15 / 44
Quicksort: algoritm
Dupa sortarea recursiva a subtablourilor a[p..k 1] si a[k + 1..q] se
observa ca tabloul este sortat deja. Astfel partea de asamblare a solutiilor
este vida.
@input: a = (a[p], . . . , a[q])
@output: elementele secventei a n ordine cresc
atoare
qsort(a, p, q) {
if (p < q) {
partitioneaza(a, p, q, k)
qSort(a, p, k)
qSort(a, k+1, q)
}
}
Complexitatea medie
PA 2014/2015
16 / 44
Quicksort: timpul n cazul cel mai nefavorabil
Cazul cel mai nefavorabil se obtine atunci cand la fiecare partitionare se

obtine una din subprobleme cu dimensiunea 1.
Deoarece operatia de partitionare necesita O(q p) comparatii, rezulta ca
pentru acest caz numarul de comparatii este O(n2 ).
Acest rezultat este oarecum surprinzator, avand n vedere ca numele
metodei este sortare rapida.
Asa cum vom vedea, ntr-o distributie normala cazurile pentru care
QuickSort executa n2 comparatii sunt rare, fapt care conduce la o
complexitate medie foarte buna a algoritmului.
Complexitatea medie
PA 2014/2015
17 / 44
Quicksort: timpul mediu

Presupunem ca q + 1 p = n (lungimea secventei) si ca probabilitatea ca pivotul
1
x sa fie al k-lea element este (fiecare element al tabloului poate fi pivot cu
n
1
aceeasi probabilitate ). Rezulta ca probabilitatea obtinerii subproblemelor de
n
1
dimensiuni k p = i 1 si q k = n i este . In procesul de partitionare, un
n
element al tabloului (pivotul) este comparat cu toate celelalte, astfel ca sunt
necesare n 1 comparatii. Acum numarul mediu de comparatii se calculeaza prin
formula:
n
(n 1) + 1 P (T med (i 1) + T med (n i)) , daca n 1
med
n i=1
T
(n) =
1
, daca n = 0
Teorema
Complexitatea medie a algoritmului QuickSort este O(n log2 n).
Complexitatea medie
PA 2014/2015
18 / 44
Plan


k-mediana
Complexitatea medie
PA 2014/2015
19 / 44
Plan


k-mediana
Complexitatea medie
PA 2014/2015
20 / 44
Definitie
Activitatea unui algoritm nedeterminist se desfasoara n doua etape: ntr-o prima
etapa se ghiceste o anumita structura S si n etapa a doua se verifica daca S
satisface o conditia de rezolvare a problemei. Putem adauga puteri magice de
ghicire unui limbaj de programare adaugandu-i o functie de forma:
random(N) care ntoarce un numar aleatoriu din multimea
{0, 1, . . . , n 1}.
Pentru a sti daca verificarea s-a terminat cu succes sau nu adauga si doua
instructiuni de terminare:
success care semnaleaza terminarea verificarii (si a a algoritmului) cu
succes, si
failure care semnaleaza terminarea verificarii (si a a algoritmului) fara
succes.
Aceasta definitie a algoritmilor nedeterministi este strans legata de rezolvarea
problemelor de decizie. Reamintim ca, n general, orice problema poate fi redusa
la rezolvarea unei probleme de decizie.
Complexitatea medie
PA 2014/2015
21 / 44
Functia random n Alk
Urmatorul exemplu este un generator de numere pseudo-aleatorii din

cartea The C Programming Language de Kernighan and Ritchie.
rand() {
random_seed = random_seed * 1103515245 +12345;
return (random_seed / 65536) % 32768;
}
In Alk este implementata varianta care ntoarce valoarea calculata modulo
n, unde n este parametrul functiei.
Complexitatea medie
PA 2014/2015
22 / 44
Agoritmi nedeterministi: exemplu
exp() {
return
}
(1 - x[0])*x[1] + x[0]*(1 - x[2]);
x[0] = random(2);
x[1] = random(2);
x[2] = random(2);
if (exp() == 1) success;
else failure;
Complexitatea medie
PA 2014/2015
23 / 44
Agoritmi nedeterministi: demo

$ krun programs/ex1.alk -cST="x |->
<k>
failure ;
</k>
<state>
x |-> { 0 |-> 0 1 |-> 0 2 |-> 0
</state>
$ krun programs/ex1.alk -cST="x |->
<k>
success ;
</k>
<state>
x |-> { 0 |-> 0 1 |-> 1 2 |-> 1
</state>
$
{ .Map }" -cSEED="1214"
}
{ .Map }" -cSEED="1212"
Complexitatea medie
PA 2014/2015
24 / 44
Plan


k-mediana
Complexitatea medie
PA 2014/2015
25 / 44
Definitii
Exista doua puncte de vedere:
1. algoritmul probabilist este vazut ca un algoritm nedeterminist
pentru care exista o distributie de probabilitate peste alegerile
nedetermiste
2. algoritmul probabilist este un algoritm care are o intrare
suplimentara ce consta ntr-o secventa de biti aleatorii;
e echivalent cu a spune ca algoritmul probabilist consta n o multime
de algoritmi determinissti din care un algoritm este ales aleatoriu
pentru o intrare data
pentru o intrare x a problemei date, calculele algoritmului probabilist
pot diferi n functie de e secventa
actuala de biti aleatori
Aceasta diferenta poate fi proiectata n complexitate sau iesire:

timpul de executie vazut ca o variabila aleatorie
iesirea vazuta ca o variabila aleatorie
La acest curs considera doar prima varianta (numiti si algoritmi Las
Vegas).
Complexitatea medie
PA 2014/2015
26 / 44
Timpul mediu de executie al algoritmilor probabilisti

ProbA,x (C ) = probabilitatea cu care algoritmul A executa calculul C
pentru intrarea x
Time(C ) = timpul necesar lui A ca sa execute C
y iesirea pentru intrarea x
AC (x) iesirea calculata de C pentru intrarea x
timpul mediu de executie aP
lui A pentru intrarea x este
Exp-TimeA (x) = M[Time] = C ,AC (x)=y ProbA,x (C ) Time(C ).
Time este variabila aleatorie.
timpul mediu de executie a lui A n cazul cel mai nefavorabil este
Exp-TimeA (n) = max{Exp-TimeA (x) | g (x) = n}
Complexitatea medie
PA 2014/2015
27 / 44
Plan


k-mediana
Complexitatea medie
PA 2014/2015
28 / 44
Randomized Quicksort
- exemplul canonic pentru algoritmii Las Vegas
Algoritmul RQS
Intrare: S = {a0 , . . . , an1 }
Iesire: elementele ai n ordine crescatoare
1
daca n = 1 ntoarce a0 ,
altfel alege aleatoriu uniform k {0, . . . , n 1}
calculeaza
S< = {ai | ai < ak }
S= = {ai | ai = ak }
S> = {ai | ai > ak }
sorteaza recursiv S< si S>
ntoarce secventa S< , S= , S>

Complexitatea medie
PA 2014/2015
29 / 44
Analiza algoritmului RQS
Fie functia rank astfel ncat arank(0) . . . arank(n1) .

(
1 arank(i) si arank(j) sunt comparate
Definim Xij =
0 altfel
Cu ajutorul lui Xij se numara comparatiile dintre arank(i) si arank(j) .
Xij este variabila aleatorie
Numarul mediu de comparatii este
P
P
Pn1 P
M[ n1
i=0
j>i Xij ] =
i=0
j>i M[Xij ].
Complexitatea medie
PA 2014/2015
30 / 44

pij probabiltatea ca arank(i) si arank(j) sa fie comparate ntr-o executie
M[Xij ] = pij 1 + (1 pij ) 0 = pij
pij =
2
(probabilitatea ca arank(i) sau arank(j) sa fie ales pivot)
j i +1
n1 X
X
pij =
i=0 j>i
n1 X
X
i=0 j>i
n1 X
n
X
2
j i +1
2
k
i=0 k=1
n X
n
X
=2
i=1 k=1
n
X
= 2n
k=1
1
k
1
k
Complexitatea medie
PA 2014/2015
31 / 44
Teorema
Numarul mediu de comparatii ntr-o executie al algoritmului RQS este cel
mult 2nHn = O(n log n).
Complexitatea medie
PA 2014/2015
32 / 44
k-mediana
Plan


k-mediana
Complexitatea medie
PA 2014/2015
33 / 44
k-mediana
k-mediana: definitie
Definitie
Fie S o lista cu n elemente dintr-o multime univers total ordonata.
k-mediana este cel de-al k-lea element din lista sortata a elementelor din
S. In alte cuvinte, k-mediana este un element x {a[0], . . . , a[n 1]} cu
proprietatile |{i | 0 i < n a[i] < x}| < k si
|{i | 0 i < n a[i] x}| k (daca toate lelementele din S sunt
distincte, atunci avem egalitate n ultima relatie).
Complexitatea medie
PA 2014/2015
34 / 44
k-mediana
Aplicatie: mediana unei multimi de puncte
Complexitatea medie
PA 2014/2015
35 / 44
k-mediana
k-mediana: problema
Presupunem S memorata ntr-un tablou.

Consideram urmatoarea problema:
Input
Output
un tablou (a[i] | 0 i < n) si un numar k {0, 1, . . . , n 1},

k-mediana
Evident, orice algoritm de sortare rezolva problema de mai sus. Deoarece

cerintele pentru selectie sunt mai slabe decat cele de la ordonare, se pune
firesc ntrebarea daca exista algoritmi mai performanti decat cei utilizati la
sortare.
Complexitatea medie
PA 2014/2015
36 / 44
k-mediana
k-mediana: descriere algoritm

Conditia pe care trebuie sa o satisfaca la iesire tabloul a este formulata de:
(i)(i < k = a[i] a[k]) (i > k = a[i] a[k])
Fie j o pozitie n a astfel ncat:
(i)(i < j = a[i] a[j]) (i > j = a[i] a[j])
Un asemenea j poate fi obtinut cu algoritmul de partitionare de la
quickSort. Daca j = k atunci problema este rezolvata. Daca j < k
atunci cel de-al k-lea cel mai mic element trebuie cautat n subtabloul
a[j+1..n], iar daca j > k atunci cel de-al k-lea cel mai mic element
trebuie cautat n subtabloul a[1..j-1].
Complexitatea medie
PA 2014/2015
37 / 44
k-mediana
k-mediana: algoritmul recursiv
Aceasta conduce la urmatoarea formulare recursiva a algoritmului de

selectare:
@input: un tablou a cu n elemente, 0 k < n
@output: k-mediana
selecteaza(a, p, q, k) {
partitioneaza(a, p, q, j);
if (j == k) return a[k];
if (j < k) selecteaza(a, j + 1, q, k);
else selecteaza(a, p, j - 1, k);
}
Complexitatea medie
PA 2014/2015
38 / 44
k-mediana
k-mediana: algoritmul nerecursiv

Descrierea recursiva nu este avantajoasa deoarece produce un consum de
memorie suplimentara (stiva apelurilor recursive) ce poate fi eliminat prin
derecursivare:
@input: un tablou a cu n elemente, 0 k < n
@output: k-mediana
selecteaza(a, n, k) {
p = 0; 1 = n-1;
repeat
partitioneaza(a, p, q, j);
if (j < k) p = k1 + 1;
if (k < j) q = k1 - 1;
until (j == k);
return a[k];
}
Complexitatea medie
PA 2014/2015
39 / 44
k-mediana
k-mediana: analiza
Analiza algoritmului selecteaza este asemanatoare cu cea a algoritmului

quickSort. In cazul cel mai nefavorabil necesita O(n2 ) timp, iar pentru
complexitatea medie se cunoaste urmatorul rezultat:
Teorema
Complexitatea timp medie a algoritmului Selecteaza este O(n). Mai
precis, numarul de comparatii este aproximativ:

n
n
n + k log
+ (n k) log
.
k
nk
Complexitatea medie
PA 2014/2015
40 / 44
k-mediana
Mediana in general: un rezultat ajutator

Proprietate: Fie data o bara de lungime 1, care se taie arbitrar n doua. Lungimea
3
medie a bucatii mai lungi este .
4
Spatiul continuu: Consider

am variabila aleatorie Y = max(u, 1 u).
3
R
R 1
R
M(Y ) = 01 M(Y | Y = u)du = 02 (1 u)du + 11 udu =
4
2
Spatiul discret: se mparte bara n n p
arti egale de lungime
n par: lungimile segmentelor mai lungi sunt
Pn1
k=n/2+1
k
n
2
n1
3n 6
4(n 1)
k
n
k=(n+1)/2
k
n
2
n1
3n 1
4n
La limit
a se obtine n ambele cazuri
3
4
n
2
+ 1, . . . , n 1, cu probabilitatea
2
n1
. Rezult
a media egal
a cu
3
4
n impar: lungimile segmentelor mai lungi sunt

Pn1
,k =
1
n
k
n
,k =
n+1
2
, . . . , n 1, cu probabilitatea
2
n1
. Rezult
a media egal
a cu
3
4
Concluzie: daca se mparte n doua un tablou de lungime n, lungimea celui mare

3
subtablou este n.
4
Complexitatea medie
PA 2014/2015
41 / 44
k-mediana
Mediana in general: analiza
Intuitiv: Exp-Time(n) (n 1) + Exp-TimeA ( 34 n)

Formal: Presupunem ca pivotul este ales aleatoriu.Avem
Exp-Time(n) = maxk Exp-Time(n, k)
Afirmam ca Exp-Time(n) 4n. Demonstram prin inductie.
Pn1
Exp-Time(n) (n 1) + i=n/2
Exp-Time(i) =
(n 1) + M(Exp-Time( n2 ), . . . , Exp-Time(n 1))
Ipoteza inductiva: Exp-Time(i) 4i, i = n/2, . . . , n 1
Avem Exp-Time(n) (n 1) + M(4 n2 , . . . , 4(n 1)) (n 1) + 4 43 n < 4n
Complexitatea medie
PA 2014/2015
42 / 44
k-mediana
Un algoritm determinist liniar
[Manuel Blum, Robert W. Floyd, Vaughan Pratt, Ronald L. Rivest, and

Robert E. Tarjan. 1972. Linear time bounds for median computations.]
n
5
grupe de 5 elemente si calculeaza mediana
grupeaza tabloul n
fiecarei grupe;
calculeaza recursiv mediana medianelor p
utilizeaza p ca pivot si separa elementele din tablou
apeleaza recursiv pentru subtabloul potrivit (n care se afla

k-mediana)
Complexitatea medie
PA 2014/2015
43 / 44
k-mediana
Un algoritm determinist liniar: analiza

Notatii: T (n, k) timpul pentru cazul cel mai nefavorabil pentru k-mediana,
Tn = maxk T (n, k) Pasul 1: O(n)
Pasul 2: T (n/5)
Pasul 3: O(n)
3
3
din tablou este p si ca cel putin 10
din
pasul 4: presupunand ca cel putin 10
7n
tablu este p, pasul recursiv ia cel mult T ( 10 ).
nsumand obtinem:
T (n) cn + T ( n5 ) + T ( 7n
10 )
2
n
n
7n
7n
cn + c 5 + T ( 52 ) + T ( 510 ) + c 7n
+
T
(
)
+
T
( 710n2 ) . . . = O(n) (similar
10
510
teoremei de master).
3
3
din tablou este p si ca cel putin 10
din
Demonstrarea afirmatiei cel putin 10
tablou este p:
Fie g = n5 .
Cel putin d g2 e dintre grupuri (cele cu mediana p) au cel putin trei elemente p.
Rezulta ca numarul de elemente p este cel putin 3d g2 e 3n
10 .
Analog pentru numarul de elemente p.
Comparati experimental cei doi algoritmi pentru mediana.

Complexitatea medie
PA 2014/2015
44 / 44

Compl Medie

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Compl Medie

Încărcat de

Drepturi de autor:

Formate disponibile

Proiectarea algoritmilor: complexitatea medie

D. Lucanu (FII - UAIC)

Timpul mediu: algoritmi deterministi

Timpul mediu: algoritmi probabilisti

D. Lucanu (FII - UAIC)

Timpul mediu: algoritmi deterministi

Timpul mediu: algoritmi deterministi

Timpul mediu: algoritmi probabilisti

D. Lucanu (FII - UAIC)

Timpul mediu: algoritmi deterministi

Fie P o problema, p P instanta a problemei P, A un algoritm care

D. Lucanu (FII - UAIC)

Timpul mediu: algoritmi deterministi

Exemplu de variabila aleatorie: aruncarea a doua zaruri

Timpul mediu: algoritmi deterministi

Exemplu de variabila aleatorie: aruncarea a doua zaruri

Timpul mediu: algoritmi deterministi

Timpul mediu: algoritmi deterministi

Consideram problema cautarii unui element ntr-o secventa de numere

D. Lucanu (FII - UAIC)

Timpul mediu: algoritmi deterministi

Algoritmul A1 descris de urmatorul program rezolva P1 :

D. Lucanu (FII - UAIC)

Timpul mediu: algoritmi deterministi

Timpul mediu pentru A1

Rezulta ca probabilitatea ca z 6 {a0 , . . . , an1 } este 1 q. Acum probabilitatea

Timpul mediu: algoritmi deterministi

Timpul mediu: algoritmi deterministi

Timpul mediu: algoritmi probabilisti

D. Lucanu (FII - UAIC)

Timpul mediu: algoritmi deterministi

Generalizare (abstractizare): S = {ap , . . . , aq }, p q.

Divizarea problemei consta n alegerea unei valori x din S. Elementul

sorteaza recursiv S< si S>

ntoarce secventa S< , S= , S>

Timpul mediu: algoritmi deterministi

Timpul mediu: algoritmi deterministi

Presupunem ca la momentul curent sunt interogate elementele a[i] si a[j]

a[i] x. Transformarea i = i+1 pastreaza (1).

a[j] x. Transformarea j = j-1 pastreaza (2).

a[i] > x > a[j]. Daca se realizeaza interschimbarea a[i] a[j] si se

D. Lucanu (FII - UAIC)

Timpul mediu: algoritmi deterministi

Quicksort: algoritmul de partitionare

Timpul mediu: algoritmi deterministi

D. Lucanu (FII - UAIC)

Timpul mediu: algoritmi deterministi

Quicksort: timpul n cazul cel mai nefavorabil

Cazul cel mai nefavorabil se obtine atunci cand la fiecare partitionare se

D. Lucanu (FII - UAIC)

Timpul mediu: algoritmi deterministi

Quicksort: timpul mediu

Timpul mediu: algoritmi probabilisti

Timpul mediu: algoritmi deterministi

Timpul mediu: algoritmi probabilisti

D. Lucanu (FII - UAIC)

Timpul mediu: algoritmi probabilisti

Timpul mediu: algoritmi deterministi

Timpul mediu: algoritmi probabilisti

D. Lucanu (FII - UAIC)

Timpul mediu: algoritmi probabilisti

Timpul mediu: algoritmi probabilisti

Functia random n Alk

(1 - x[0])x[1] + x[0](1 - x[2]);