Structuri de Date Si Algoritmi

Structuri de date si algortitmi
_________________________________________________________________________
Facultatea de automatica si calculatoare
_________________________________________________________________________
1
_________________________________________________________________________
STRUCTURI DE DATE SI ALGORITMI
Curs de Bârsan M.
BIBLIOGRAFIE
1. E. Horowitz, S. Sahni  "Fundamentals of Computer Algorithms" - 1985
2. E. Horowitz, S. Sahni  "Fundamentals of Data Structurs"
3. Livovschi Georgescu  "Sinteza si analiza algoritmilor"
4. U. Mandber  "Introduction to Algorithms"
5. S. Baase  "Computer Algorithms"
6. M. Shapiro  "Algorithms from P to NP"
7. N. Wirth  "Data Structurs + Algorithms = Programs"
_________________________________________________________________________
2
_________________________________________________________________________
Curs 1
Structuri de date
Structurile de date erau definite în limbajul C drept organizarea datelor primare. În limbajul C++,
acestea reprezinta o colectie de date împreuna cu operatiile lor (data obiect).
De exemplu, prin multimea N a numerelor naturale se va întelege si elementele multimii N, dar si
operatiile ce se pot efectua cu acestea: 1, 2, 3, ..., +, -, *, /. Sau prin multimea numerelor complexe:
C: {z = a + bi/a si bR, i = sqrt(-1)}, -, +, *, /, etc.
Algoritmul se defineste ca o metoda de rezolvare a unei probleme într-un numar de pasi, metoda
efectiva (pas cu pas), finita (are un numar finit de pasi) si cu o intrare si o iesire (I/O).
Un algoritm poate avea un limbaj natural (o specificatie), un limbaj matematic (alta specificatie),
un limbaj de programare (alta specificatie), s.a.m.d. Între limbajul natural si cel în C++, de exemplu, vom
folosi
un pseudolimbaj (de trecere).
Modele de calcul
Masina este un model de calcul care se constituie din Unitate Centrala (U.C.), Memorie (M), I/O.
Exemple de modele de calcul:
Masina Von Newman - presupune executia pe baza modelului de calcul cu:

U . C.
M.
I/O
Programarea este în acest caz programare imperativa procedurala.
Masina RAM (Random Acces Memory) cu:
P(U . C.)
M.
S .(sir de instructiuni)
I/O
· model bazat pe algebra booleana;
· programarea este imperativa procedurala;
· evolutia se face prin set redus de instruciuni;
· viteza foarte mare de executie.
_________________________________________________________________________
3
_________________________________________________________________________
Masina TURING
1. MODELUL functional - bazat pe teoria  - calcul.
Limbajele în acest model sunt LISP, ML, MIRANDA, etc. iar programarea este în acest caz programare
functionala.
2. MODELUL logic - bazat pe predicate de ordin I.
Un exemplu de limbaj în acest model este PROLOG.Iar programarea se numeste programare logica.
În cele ce urmeaza ne vom limita la modelul Von Newman.
Asadar limbajul C++ se constituie din:
· variabile;
· identificatori;
· constante;
· operatori numerici obisnuiti;
· operatori relationali;
· structuri de control a executiei: if/else, while, do/while, for, etc.
Analiza performantelor algoritmului

Analiza performantelor (estimarea algoritmului) se impune înca înainte de scrierea programelor.
Etapele de realizare a unui produs software (software engineering)
Aceasta stiinta pune în evidenta metodologii clare pentru modele.
Modelul initial:waterfall (cascada):
Requirmens
Design
Testing
Implement
Etapele de realizare ale unui produs software:

O prima faza:
· se pleaca de la cerinte;
· se obtin specificatii;
· se face analiza specificatiilor;
A doua faza (DESIGN):
· proiectare de ansamblu (se sparge modulul în submodule, etc);
· proiectarea structurilor de date;
· proiectarea algoritmilor;
· analiza performantelor;
· codarea (scrierea programului);
A treia faza:
· testarea;
Ultima faza:
· implementarea.
_________________________________________________________________________
4
_________________________________________________________________________
Programul rezultat se compara cu cerintele, si daca nu corespunde, se reia ciclul ori de câte ori este
nevoie.
Analiza performantelor presupune  renuntând la acuratete  estimarea timpului de lucru si a
spatiului de stocare, nestiind înca limbajul care va fi folosit si calitatea programului ce se va obtine.
Presupunând ca modelul RAM de masina pe care lucram executa instructiuni pseudocod, si ca
fiecare instructiune pseudocod consuma acelasi timp de executie,rezulta ca timpul estimat pentru executia
unui algoritm este proportional cu numarul instructiunilor executate de acel algoritm.
Timpul de executie al algoritmului depinde de:

· dimensiunea datelor de intrare
· spatiul de memorie suplimentar ocupat
Dimensiunea datelor de intrare este o functie f(n) care calculeaza, pentru un n dat, numarul de
instructiuni al algoritmului respectiv.
f (n)  c  log 2 n
Estimarea se face pâna la o constanta c.
Spatiul de memorare suplimentar

Definitie: Date doua functii f, g : N  N cu f = O(g) sau f(n) = O(g(n)),
f este ordinul de complexitate a lui g daca  N  N si const. c > 0
astfel incat n  N 0  f ( n )  c  g ( n ) .
_________________________________________________________________________
5
_________________________________________________________________________
Curs 2
Structuri de date elementare

O structura de date presupune un mod de organizare a datelor (în tablouri, structuri, etc), si
definirea operatiilor acceptate. Deci, o structura de date reprezinta o colectie organizata de date si un set
de operatii definite.
Si notiunea de tip de date presupune: |--- reprezentare
|--- operatii acceptate
De exemplu, pentru tipul int: |--- reprezentare: pe doi octeti: cod

| complementar
|---operatii acceptate: +, -, *, /, &, |, etc.
Daca pentru un tip de date nu intereseaza reprezentarea, ci doar operatiile acceptate,înseamna ca

tipul de date este abstract.
Structuri de date
Tablouri
Tabloul este o colectie de date în care fiecare element poate fi identificat pe baza unui index,
colectia asigurând timp de acces constant pentru fiecare element. Prin reprezentarea tabloului se intelege
plasarea elementelor în locatii succesive de memorie:
Locatiile de memorie pot fi numerotate, putând accesa direct orice element. Timpul de accesare al
elementului numar, de exemplu, fiind acelasi cu timpul de accesare al elementului n.
Liste
O lista este o multime de obiecte, numite atomi, pentru care este definita o ordine:
a1 a 2 a 3 a 4 a 5 ... a n
Operatiile principale care se pot se face în cadrul listei:
· inserare: introducerea unui nou element într-o anumita pozitie;
· stergere: scoaterea unui element dintr-o anumita pozitie;
· consultare: accesul asupra fiecarui element din lista;
· parcurgere.
Tipuri speciale de liste
_________________________________________________________________________
6
_________________________________________________________________________
Stive
O stiva este o lista în care operatiile de inserare, stergere si consultare se efectueaza asupra unui
capat al listei. Stiva se poate asemana cu un recipient în care se pun si se pot scoate diferite obiecte.
Operatia care pune obiectele în stiva se numeste push, iar cea care scoate obiecte din stiva se numeste pop.
Capatul accesibil pentru stiva se numeste vârful stivei:
Asadar:
push  insereaza un element în vârful stivei;
pop  sterge un element din vârful stivei;
top  consulta (citeste) elementul din vârful stivei;
top(S)  citeste vârful stivei.
push pop
Cozi
O coada este o lista în care inserarea se face la un capat (la sfârsit), iar stergerea se face de la
celalalt capat al cozii (de la început). Partea din fata a cozii (a primului element) se numeste front, iar
partea din spate (a ultimului element) se numeste end.
Operatia de inserare în coada  add (put)
Operatia de stergere din coada  del (get)
add del
Implementari de liste
O lista poate fi realizata ca:  lista ordonata sau
 lista înlantuita
Lista ordonata tine cont de o ordine a pozitiilor elementelor listei, nu de continutul elementelor.
Inserarea într-o lista de forma:
a1 a 2 a3 ... an //////
se face cu deplasare de o pozitie la stânga din punctul în care dorim sa inseram (pentru a face acest loc
noului element).
Deplasarea se face înspre zona de memorie libera (cea hasurata)  presupunem ca dorim sa
inseram pe a în pozitia i):
a1 a2 ... ai-1 a ai+1 ... //////

Presupunând acum hasurat corpul de elemente din lista si nehasurata zona de memorie libera,
inserarea s-ar putea figura astfel:
_________________________________________________________________________
7
_________________________________________________________________________
/////////////////////////////
////////// /////////////////
///////////////////////////////////
Stergerea: deplasarea cu o pozitie la stânga din acel punct.
////////////// ////////// //////////

/////////////////////////////
Liste înlantuite
Într-o lista înlantuita, ordinea din memorie nu mai corespunde cu ordinea din lista. Fiecare
element al listei înlantuite va avea urmatoarea structura:
(a(i) , succesor(a(i)))
unde a(i) este atomul listei înlantuite, iar informatia succesor(a(i)) ne permite sa identificam un nou
element de lista înlantuita. Ordinea din memorie a elementelor listei nu conteaza. Informatia care indica
primul element al listei se numeste "capul" listei. Informatiei succesor(a(i)) i se potriveste notiunea de
pointer (identificator), pointer-ul fiind o variabila care pastreaza o adresa din memorie. El indica pozitia
elementului urmator. Când informatiile de înlantuire sunt pointeri, putem utiliza urmatoarea reprezentare:
a1 a2 a3
cap de lista
Capul de lista este un pointer separat care duce la primul element din lista, iar 0 este pointer-ul nul
(NULL) cu valoare zero. La implementarea listei înlantuite concentrarea se face la fluxul instructiunilor, nu
la declaratiile de variabile.
În programe vom utiliza urmatoarele notatii:

x  adresa unui element din lista, deci un pointer;
data(x)  atomul memorat în elementul de lista indicat de x;
link(x)  informatia de legatura memorata în elementul de lista indicat de x, adica adresa
elementului urmator;
y = get_sp()  y (de acelasi tip cu x) primeste adresa unei zone de memorie în care se poate
memora un element din lista (get space sau alocare de memorie când este vorba de pointer);
ret_sp(x)  elibereza memoria ocupata de elementul de lista indicat de x (din momentul respectiv
acolo se poate memora altceva).
Un element de lista va fi o astfel de structura:
struct Element {
Atom data;
Element* link;
};
Se va scrie:
_________________________________________________________________________
8
_________________________________________________________________________
tipul lui x ---------------- Element* x
data(x) ---------------- x  data
link(x) ---------------- x  link
y = get_sp() ---------------- y = new Element
ret_sp() ---------------- delete x
Deoarece lucram cu conceptul de lista vom face declaratia :

typedef Element* Lista;
Un pointer la un element de lista considerat aproximeaza lista ce porneste cu elementul indicat.
Operatii primitive pentru liste înlantuite
1. Inserarea
Inserarea se face:  în fata, sau
 în interior (la mijloc ori la sfârsit)
a) Inserarea în fata
a1 a2
1
1
2
a0
x
1 - Prima atribuire: link(x) = l
2 - A doua atribuire: l = x
Observatie: daca lista este vida, l are valoarea 0 (capatul listei) iar atribuirile de mai sus ramân valabile:
1 0
a0 0
1
a0 0
x
b) Inserarea la mijloc
_________________________________________________________________________
9
_________________________________________________________________________
ai-1 ai ai+1
2
1
a
y
x
Analog pentru inserarea la sfârsit.
1 - Prima atribuire: link(x) = link(y)
2 - A doua atribuire: link(y) = x
2.a) Stergerea (stergerea din fata):
1
a1 a2
2
1 - Prima atribuire: p = l
2 - A doua atribuire: l = link(l)
3 - ret_sp(p)
Sau, stergerea din fata s-ar mai putea reprezenta astfel:

Situatia initiala:
cap
0
Situatia finala:
P
1
cap
0
(1) p = cap;
(2) cap = cap  link;
_________________________________________________________________________
10
_________________________________________________________________________
delete p ; // Elibereaza zona de memorie
Elementul care a fost izolat de lista trebuie sa fie procesat în continuare, cel putin pentru a fi
eliberata zona de memorie pe care o ocupa, de aceea adresa lui trebuie salvata (sa zicem în variabila pointer
p).
2.b) Stergerea de la mijloc sau de la sfârsit
Varibila q va indica elementul din fata celui care va fi sters.
Situatia initiala:
Situatia finala:
(1) p = q  link;
(2) q  link = p  link; // sau q  link = q  link  link;
delete p;
Observatii:
Atunci când q indica penultimul element dintr-o lista, atribuirile de mai sus functioneaza corect si
sterg ultimul element din lista.
Nu se poate face stergerea elementului indicat de q fara parcurgerea listei de la capat.
_________________________________________________________________________
11
_________________________________________________________________________
Curs 3
Operatia de inserare într-o lista înlantuita
Presupune adaugarea unui element într-o pozitie specificata în lista. Exista posibilitati diferite de a
specifica pozitia în care vrem sa inseram elementul:
· Situatia în care pozitia de inserat este data printr-un numar care sa indice al câtelea element trebuie sa
fie în lista elementul inserat;
· Situatia în care pozitia de inserat este data prin valoarea atomului dupa care sau înainte de care se face
inserarea;
· Situatia în care pozitia de inserat poate fi data implicit prin valoarea atomului de inserat.
Inserarea în fata unui element specificat
Functia înscrie un element în fata altui element dintr-o lista:
insert (l, a, b)
// l  lista (pointer la primul element)

// a  valoarea atomului de inserat
// b  valoarea atomului în fata caruia se insereaza
{
p=get_sp();
data(p)=a;
if (l==0) or (data(l)==b) then
{
link(p)=l;
l=p;
}
else
{
q=l;
while ((link(q)!=0)and (data(link(q)!=b))
do q=link(q);
link(p)=link(q);
link(q)=p;
}
}
_________________________________________________________________________
12
_________________________________________________________________________
Operatia de stergere dintr-o lista înlantuita
Operatia delete sterge un atom dintr-o lista. Deci vom avea în pseudocod, o functie de forma:
delete(l, a)
// l  lista
// a  valoarea atomului care trebuie sters
{
if l=0 then eroare ("Atomul nu se afla în lista")
else if data(l)=a then |¯ p=1
| l=link(l)
|_ ret_sp(p)
else |¯ q=l
| while(link(q)!=0)and(data(link(q))!=a) do
| q=link(q)
| if link(q=0) then eroare("S-a ajuns la sfârsitul
| listei si atomul nu a fost gasit")
| else |¯ p=link(q)
| | link(q)=link(p)
|_ |_ ret_sp(p)
}
Operatia de parcurgere a listei înlantuite
Operatia de parcurgere a listei înlantuite consta dintr-o secventa de instructiuni care se foloseste de
fiecare data când dorim sa prelucram elementele listei într-un anumit scop.
O parcurgere a listei presupune o prelucrare efectuata asupra fiecarui element din lista (asadar nu o
functie, ci o secventa de instructiuni):
Fie p pointer-ul care indica pe rând fiecare element al listei, si consideram ca p începe cu l:
while (p!=0) do |¯ prelucrare (data(p)) // ex:afisarea |

//atomului
|_ p=link(p) // trece la urmatorul
Stive ordonate
O stiva este o structura de date de tip "container" (depoziteaza obiecte de un anumit tip) organizata
dupa principiul LIFO (Last In First Out).
Operatiile de acces la stiva (push - adauga un element in stiva si pop - scoate un element din stiva)
sunt create astfel încât pop scoate din stiva elementul introdus cel mai recent.
O stiva este un caz particular de lista, si anume este o lista pentru care operatiile de acces (inserare,
stergere, accesare element) se efectueaza la un singur capat al listei.
Daca STACK este de tip stiva si ATOM tipul obiectelor continute în stiva atunci operatiile care
definesc tipul structura de stiva pentru tipul STACK sunt:
· CREATE()  STACK
Operatia CREATE nu primeste parametri, creeaza o stiva care pentru început este vida (nu contine
nici un obiect).
· PUSH(STACK, ATOM)  STACK
_________________________________________________________________________
13
_________________________________________________________________________
Operatia PUSH primeste ca parametri o stiva si un obiect si produce stiva modificata prin
adaugarea obiectului în stiva.
· POP(STACK)  STACK, ATOM
Operatia POP primeste ca parametri o stiva pe care o modifica scotând un obiect. De asemenea
produce ca rezultat obiectul scos din stiva.
· TOP(STACK)  ATOM
Operatia TOP întoarce ca rezultat obiectul din vârful stivei pe care o primeste ca parametru.
· ISEMPTY(STACK)  boolean
Operatia ISEMPTY este folosita pentru a testa daca stiva este vida.
Facem notatiile:
S  stiva
S.vect  vectorul în care se reprezinta elementele stivei S
S.sp  indicele vârfului stivei
Elementele sunt memorate asadar unul dupa altul în vectori, nefiind neaparat în ordine crescatoare.
Zona de memorat trebuie sa contina aceste doua informatii: S.vect si S.sp grupate într-o structura:
struct Stack {
int sp;
Atom vect [DIMMAX]
};
Conditia de stiva vida este: S.sp=0

Se scrie:
push(S,a)
{
if S.sp >=DIMMAX then eroare("Stiva plina")
else |¯ S.sp=S.sp+1
|_ S.vect[S.sp]=a //atomul este pus pe prima
//pozitie
}
Functia pop scoate un element din stiva:
pop(S)
{
if S.sp=0 then eroare ("Stiva vida")
else S.sp=S.sp-1
}
Observatie: Se obisnuieste ca pe lânga stergerea elementului, functia pop sa returneze elementul scos din
lista.
top(S)
{
if S.sp=0 then eroare("Stiva vida")
else return(S.vect[S.sp])
}
_________________________________________________________________________
14
_________________________________________________________________________
Functia isEmpty(S) testeaza conditia stiva vida:

isEmpty(S)
{
return(S.sp==0)
}
Stive înlantuite
O stiva poate fi implementata ca o lista înlantuita pentru care operatiile de acces se fac numai
asupra primului element din lista. Deci, operatia PUSH va însemna inserare în prima pozitie din lista (în
fata) iar POP va însemna stergerea primului element din lista. Pentru a manevra o stiva vom avea nevoie de
un pointer la primul element din înlantuire, deci, vom echivala tipul Stack cu tipul "pointer la element de
lista", iar functiile care implementeaza operatiile de acces vor avea aceleasi prototipuri cu cele date mai
sus.
struct Element {
Atom data;
Element* link; //legatura
};
typedef Element* Stack;
Fie S pointer-ul la primul element din înlantuire, se echivaleaza tipul Stack cu typedef Element*
Stack, iar conditia de stiva vida este S=0 :
push(S,a)
{
p=get_sp()
data(p)=a
link(p)=S
S=p
}
pop(S)
{
if S=0 then eroare("Stiva vida")
else |¯ p=S;
| S=link(S)
|_ ret_sp(p)
}
top(S)
{
if S=0 then eroare("Stiva vida")
else return(data(S))
}
isEmpty(S)
{
return(S==0)
}
_________________________________________________________________________
15
_________________________________________________________________________
Stivele sunt cele mai simple structuri de date, ele având si operatiile imediate.
Cozi ordonate
O coada este o lista în care operatiile de acces sunt restrictionate la inserarea la un capat si
stergerea de la celalat capat.
coada
PUT GET
ultimul primul
Pricipalele operatii de acces sunt:
· PUT(Coada, Atom)  Coada
Adauga un element la coada.
· GET(Coada)  Coada, Atom
Scoate un Atom din coada.
Returneaza atomul scos.
head tail
O coada poate fi organizata pe un spatiu de memorare de tip tablou (vector).

Sunt necesari doi indicatori:
head  indica: primul element care urmeaza sa fie scos.
tail  indica: locul unde va fi pus urmatorul element adaugat la coada.
Conditia "coada vida" este echivalenta cu: head = tail. Initial indicatorii vor fi initializati astfel
încât sa indice ambii primul element din vector.
Operatia PUT înseamna:
- V[tail] primeste Atomul adaugat;
- incrementeaza tail.
Operatia GET înseamna:
- întoarce V[head];
- incrementeaza head
Se observa ca adaugari si stergeri repetate în coada deplaseaza continutul cozii la dreapta, fata de
începutul vectorului. Pentru a evita acest lucru ar trebui ca operatia GET sa deplaseze la stânga continutul
cozii cu o pozitie. Primul element care urmeaza sa fie scos va fi întotdeauna în prima pozitie, indicatorul
head pierzându-si utilitatea. Dezavantajul acestei solutii consta în faptul ca operatia GET necesita o
parcurgere a continutului cozii.
Facem notatiile:
C  coada
C.vect  vectorul în care sunt memorate elementele cozii
C.head  indicele elementului ce va fi scos din coada la urmatoarea operatie get
C.tail  indicele (pozitia) în care va fi memorat urmatorul element adaugat la coada.
_________________________________________________________________________
16
_________________________________________________________________________
Conditia coada vida este C.head=C.tail.
Functia put pune în coada C un atom a:
put(C,a)
{
if C.tail>DIMMAX then eroare("Coada plina")
else |¯ C.vect [C.tail]=a
|_ C.tail=C.tail+1
}
Functia get scoate un element din coada si-l returneaza:
get(C)
{
if C.head=C.tail then eroare("Coada vida")
else |¯ C.head=C.head+1
|_ return C.vect [C.head-1];
}
isEmpty(C)
{
return(C.head==C.tail)
}
Cozi ordonate circulare

Pentru a obtine o coada circulara vom porni de la o coada liniara simpla (cu doi indicatori) si vom
face în asa fel încât la incrementarea indicatorilor head si tail, când acestia ating ultima pozitie din vector sa
se continue cu prima pozitie din vector.
Functia urmatoare poate realiza aceasta cerinta:
int nextPoz(int index)

{
if (index<DIMVECTOR-1) return index+1;
else return 0;
}
unde DIMVECTOR este dimensiunea vectorului în care se memoreaza elementele cozii.
Continutul cozii va arata asa:
1 2 3 4 5 6 7 8
head tail
_________________________________________________________________________
17
_________________________________________________________________________
sau asa:
5 6 7 8 1 2 3 4
head tail
Conditia "coada vida" ramâne echivalenta cu: head = tail
Coada va fi plina daca: head=1 si tail=DIMVECTOR
head tail
sau daca: tail+1 = head
head tail
Ambele situatii sunt continute în conditia:

nextPoz(tail) = head // conditia "coada plina"
Coada circulara ordonata asigura reutilizarea spatiului eliberat de get la urmatoarele inserari în coada.
Observatie:
În coada circulara de dimensiune DIMMAX pot fi memorate DIMMAX elemente.
"Coada plina" se realizeaza în 2 situatii:

a) C.head=1 si C.tail=DIMMAX
b) C.tail+1=C.head
Iar, conditia C.head=inc(C.tail) le contine pe amândoua.
_________________________________________________________________________
18
_________________________________________________________________________
În cazul cozilor circulare se modifica doar operatiile put si get:
put(C,a)
{
if C.head=inc(C.tail) then eroare("Coada plina")
else |¯ C.vect[C.tail]=a
|_ C.tail=inc(C.tail)
}
get(C)
{
if C.head=C.tail then eroare("Coada vida")
else |¯ a=C.vect [C.head]
| C.head= inc (C.head)
|_ return(a)
}
_________________________________________________________________________
19
_________________________________________________________________________
Curs 4
Cozi înlantuite
O coada poate fi implementata printr-o lista înlantuita la care operatiile de acces sunt restrictionate
corespunzator.
nil
head tail
Este nevoie de doi indicatori (pointeri):

· head  indica primul element din coada (primul care va fi scos);
· tail  indica ultimul element din coada (ultimul introdus).
O coada vida va avea: head=tail=nil

În mod obisnuit, adaugarea unui element în coada modifica numai tail iar stergerea unui element numai
head. Într-un mod special trebuie sa fie tratate cazurile:
· adaugare într-o coada vida:
Initial: head=tail=nil
Final: Coada cu un element:
nil
head tail
· stergere dintr-o coada cu un element:

Initial: Coada cu un element
Final: head=tail=nil
În aceste cazuri se modifica atât head cât si tail.
Facem notatiile :
C.head  pointer la primul element din coada;
C.tail  pointer la ultimul element din coada;
C  coada.
Conditia de coada vida este head=0.
_________________________________________________________________________
20
_________________________________________________________________________
Operatiile cozii înlantuite
Functia put insereaza un element în coada, în pozitia fata:
put(C,a)
{
p= get_sp();
data(p)=a;
link(p)= 0;
if C.head=0 then |¯ C.head= p
|_ C.tail= p
else |¯ link(C.tail)= p
|_ C.tail= p
}
Functia get scoate un element din pozitia fata:
get(C,a)
{
if C.head= 0 then eroare("Coada goala")
else |¯ a= data(C.head)
| p= C.head
| C.head= link(C.head)
| ret_sp(p)
|_ return(a)
}
Functia front returneaza elementul din fata cozii, fara a-l scoate din coada.
front(C)
{
if C.head=0 then eroare("Coada vida")
else return data(C.head)
}
isEmpty(C)
{
return(C.head=0)
}
Exista aici un element de redundanta: ar fi convenabil sa nu mai avem spatiu suplimentar de

memorare, ci, sa avem un singur pointer ca sa putem manevra coada. De aceea apar utile cozile înlantuite
circulare.
_________________________________________________________________________
21
_________________________________________________________________________
Cozi înlantuite circulare
Daca reprezentam coada printr-o structura înlantuita circulara va fi nevoie de un singur pointer prin
intermediul caruia se pot face ambele operatii de adaugare si stergere din coada:
primul ultimul
.....
tail
Fie:
C  pointer la primul () element din coada
link(C)  pointer la ultimul() element din coada
Operatiile de plasare si de scoatere din coada, sunt:
put(C,a)
{
p= get_sp()
data(p)=a
if C=0 then |¯ C= p
|_ link(C)= p
else |¯ link(p)= link(C)
| link(C)= p
|_ C= p
}
get(C)
{
if C= 0 then eroare("Coada vida")
else if C=link(C) then |¯ a= data(C)
| ret_sp(C)
| C= 0
|_ return(a)
else |¯ {p= link(C)
| link(C)= link(p)
| a= data(p)
| ret_sp(p)
|_ return(a)
}
front(C)  returneaza data(link(C))

isEmpty(C)  retuneaza conditia C=0.
Complexitatea algoritmilor
La evaluarea (estimarea) algoritmilor se pune în evidenta necesarul de timp si de spatiu de

memorare al lui.
_________________________________________________________________________
22
_________________________________________________________________________
Studierea complexitatii presupune analiza completa în cadrul algoritmului a urmatoarelor 3 puncte de

vedere:
1. configuratia de date cea mai defavorabila (cazurile degenerate);
2. configuratia de date cea mai favorabila;
3. comportarea medie.
Punctul 3 presupune probabilitatea de aparitie a diferitelor configuratii de date la intrare.

Punctul 1 este cel mai studiat si este folosit, de obicei, pentru compararea algoritmului. Si în ceea
ce priveste timpul, se studiaza configuratia cea mai defavorabila a algoritmului.
Complexitatea unui algoritm se noteaza cu: O(f(n)).
Definitie
Fie f : N  N si g : N  N doua functii.
Spunem ca f  O(g) si notam f = O(g) daca si numai daca  o constanta c  R si un numar n0  N
astfel încât pentru  n  n0 f(n)  cg(n)
Observatie:
f : N  N este o functie f(n) cu n  dimensiunea datelor de intrare.
f(n) reprezinta timpul de lucru al algoritmului exprimat în "pasi".
Lema 1
Daca f este o functie polinomiala de grad k, de forma:
f(n) = ak  nk + ak-1nk-1 + ... + a1  n + a0, atunci f = O(nk).
Facându-se majorari în membrul drept, obtinem rezultatul de mai sus:

f(n) = ak  nk + ak-1 nk-1 + ... +a1  n +a0 < nk· (ak + ak-1 + a0) < nk  c pentru  n > 1
 f(n) < c  nk, cu n0 = 1.
Concluzie: f = O(nk), si ordinul O exprima viteza de variatie a functiei, functie de argument.
Exemplu: Calcularea maximului unui sir
maxsir(A,n)
{
max = A[1]
for i= 2 to n do
if A[i] > max then
max = A[i]
return (max)
}
Exprimam:
T(n)  timpul de executie în pasi al acestui algoritm;
T(n)= 1 + 2(n-1) = numarul de atribuiri si comparatii
Cazul cel mai defavorabil: situatia în care vectorul este ordonat crescator (pentru ca de fiecare data
se face si comparatie si atribuire).
_________________________________________________________________________
23
_________________________________________________________________________
Putem spune ca T(n) = O(n), este o functie polinomiala de gradul I. Conteaza doar Ordinul
polinomului, nu coeficientul termenului de grad maxim. Iar la numararea pasilor ne concentram asupra
numarului buclelor, nu asupra pasilor din interiorul buclei.
Exemplu: Insertion Sort (algoritmul de sortare prin inserare)

Algoritmul INSERTION SORT considera ca în pasul k, elementele A[1÷k-1] sunt sortate, iar
elementul k va fi inserat, astfel încât, dupa aceasta inserare, primele elemente A[ ÷k] sa fie sortate.
Pentru a realiza inserarea elementului k în secventa A[1÷k-1], aceasta presupune:
· memorarea elementului intr-o varibila temporara;
· deplasarea tuturor elementelor din vectorul A[1÷k-1] care sunt mai mari decât A[k], cu o pozitie la
stânga (aceasta presupune o parcurgere de la dreapta la stânga);
· plasarea lui A[k] în locul ultimului element deplasat.
Complexitate: O(n)
insertion_sort(A,n)
{
for k= 2 to n do
|¯temp = A[k]
|i=k-1;
|while (i>=1) and (A[i] > temp) do |¯ A[i+1] = A[i]
| |_ i=i-1
|_ A[i+1] = temp
}
Cazul cel mai defavorabil: situatia în care deplasarea (la dreapta cu o pozitie în vederea înserarii)
se face pâna la începutul vectorului, adica sirul este ordonat descrescator.
Exprimarea timpului de lucru:
T(n) = 3·(n - 1) + (1 + 2 + 3+ ... + n - 1) = 3(n-1) + 3n (n - 1)/2
Rezulta complexitatea: T(n) = O(n2)  functie polinomiala de gradul II.
Observatie: Când avem mai multe bucle imbricate, termenii buclei celei mai interioare dau gradul
polinomului egal cu gradul algoritmului.
Bucla cea mai interioara ne da complexitatea algoritmului.

n
 i  O ( n2 )
i 1
Exemplu: Înmultirea a doua matrici
prod_mat(A,B,C,n)
{
for i = 1 to n do
for j = 1 to n do
|¯ C[i,j] = 0
|for k = 1 to n do
|_ C[i,j] = C[i,j] + A[i,k] * B[k,j]
}
Rezulta complexitatea O(n3).
Exemplu: Cautarea binara(Binary Search)
_________________________________________________________________________
24
_________________________________________________________________________
Fie A, de ordin n, un vector ordonat crescator. Se cere sa se determine daca o valoare b se afla
printre elementele vectorului. Limita inferioara se numeste low, limita superioara se numeste high, iar
mijlocul virtual al vectorului, mid (de la middle).
low middle high
Binary_search(A,n,b)
{
low = 1;
high = n;
while low <= high do
|¯ mid = [(low + high)/2] //partea întreaga
| if A[mid]=b then return (mid)
| else if A[mid]>b then high=mid-1 //restrâng
| //cautarea la partea stânga
|_ else low = mid+1 //restrâng cautarea la dreapta
return(0)
}
Calculul complexitatii algoritmului consta în determinarea numarului de ori pentru care se

executa bucla while.
Se observa ca, la fiecare trecere, dimensiunea zonei cautate se înjumatateste. Cazul cel mai
defavorabil este ca elementul cautat sa nu se gaseasca în vector. Pentru simplitate se considera n = 2k unde
k este numarul de înjumatatiri.
Rezulta k = log2 n si facând o majorare, T(n)  log n + 1   n, a.î. 2k  n < 2k+1.
2
Rezulta complexitatea acestui algoritm: este O(log2n). Dar, baza logaritmului se poate ignora,
deoarece: logax = logbx * logab si logab este o constanta, deci ramâne O(log n), adica o functie
logaritmica.
Proprietati:
1) Fie f, g : N  N.
Daca f = O(g)  | k  f = O(g)
| f = O(k  g) ,  k  R constant.
2) Fie f, g, h : N  N.
si: f = O(g) |
g = O(h) |  f = O(h)
3) Fie f1, f2, g1, g2 : N  N.

si: f1 = O(g1) |  | f1 + f2 = O(g1 + g2)
f2= O(g2) |  | f1 f2 = O(g1g2)
_________________________________________________________________________
25
_________________________________________________________________________
Aceasta proprietate permite ca, atunci când avem doua bucle imbricate (de complexitati diferite),
complexitatea totala sa se obtina înmultindu-se cele doua complexitati. Cele doua complexitati se aduna,
daca buclele sunt succesive.
Teorema:
Oricare ar fi doua constante c > 0, a > 1, si  f : N  N, o functie monoton strict crescatoare, atunci:
(f(n))c= O(af(n))
Demonstratia se bazeaza pe limita:
xp
lim ( a , p )
x  a x
Între clasa functiilor logaritmice, si cea a functiilor polinomiale exista relatia: O(nc)  O(an).
Au loc urmatoarele incluziuni:
O(1)  O(log n)  O(n)  O(nlog n)  O(n2)  O(nklog n)  O(nk+1)  O(2n)
Pentru calculul complexitatii se va încerca încadrarea în clasa cea mai mica de complexitate din acest sir:
O(1)  clasa algoritmilor constanti;
O(log n)  clasa algoritmilor logaritmici;
O(n)  clasa algoritmilor liniari;
O(nlog n)  clasa algoritmilor polilogaritmici;
O(n2)  clasa algoritmilor patratici;
O(nklog n)  clasa algoritmilor polilogaritmici;
O(nk+1)  clasa algoritmilor polinomiali;
O(2n)  clasa algoritmilor exponentiali.
Tehnici de calcul a complexitatii

Se folosesc urmatoarele sume:
n
n(n  1)
i 
i 1 2
 O(n 2 )
n
n(n  1)  (2n  1)
i
i 1
2

6
 O(n 3 )
n
n 2 ( n  1) 2
 i3 
i 1 4
 O(n 4 )
2
i 0
1
 2 n 1 - 1
n
Sa calculam, de exemplu, suma: i 2
i 1
1
n
Se noteaza: G (n)   i  21
i 1
_________________________________________________________________________
26
_________________________________________________________________________
n n n n
G (n)  2  G (n)   2i  21   i  21   i  211   i  21 
i 1 i 1 i 1 i 1
n n
 n  2 n 1  2   (i  1  i )  21  n  2 n 1  2   21  (n  1)  2 n 1  2
i 2 i 2
n
Prin aceeasi tehnica se calculeaza suma:  (n  1)  2
i 1
1
_________________________________________________________________________
27
_________________________________________________________________________
Curs 5
n
Am vazut ca: i 2
i 1
n 1
 2 n 1  2  n
Algoritmul recursiv si relatii de recurenta
Exemplu: Problema turnurilor din Hanoi

Se dau n discuri: a1, a2, ... , an de dimensiuni diferite, cu d1 < d2 < ... < dn , di - fiind diametrul
discului. Discurile respective sunt stivuite pe o tija:
cazul n=3
Se cere sa se deplaseze aceasta stiva pe o alta tija, folosind ca manevra o tija auxiliara, respectându-se
conditia << Un disc nu poate fi plasat decât peste un disc mai mare >>.
Problema P(n) a deplasarii a n discuri, se rezolva prin deplasari succesive ale discurilor de pe o tija
pe alta. Deplasarea de pe o tija pe alta este echivalenta cu deplasarea a n-1 discuri de pe tija intiala (ti) pe
tija de manevra, apoi plasarea celui mai lung disc pe tija finala, pentru ca la sfârsit sa se aduca de pe tija de
manevra (tm), pe tija finala (tf), cele n-1 discuri deplasate.
Primele miscari s-ar figura astfel:
ti tf t
m
ti tf tm
Procedura Hanoi:
_________________________________________________________________________
28
_________________________________________________________________________
Hanoi(n, ti, tf, tm)

{
if(n=1) then muta (t i, tf)//deplaseaza discul superior t i -> tf
else |¯ Hanoi(n-1, ti, tm, tf)
| muta(t i, tf)
|_ Hanoi(n-1, tm, tf, ti)
}
Pentru o problema P(1) , timpul T(1) = 1 , pentru o mutare.

Pentru P(n) , timpul:
T (n)  2  T (n  1)  1 (1)
Dorim sa aflam ordinul de complexitate a lui T(n).
T (n)  2  T (n  1)  1  1  2  (2  T (n  2)  1)
Asociem relatiei (1) ecuatia caracteristica: x  2 x  1; x0  1; x  2 x0  1

T ( n)  x0  2  (T ( n  1)  x0  f (n)  2  f (n  1)  f (n)  T ( n)  x0
f (n  1)  T  ( n  1)  x0 , cu x0  const.
f (n)  2  f (n  1)  2  2  f ( n  2)  2  2  2  f (n  3)  2 4  f (n  4)  ...  2 n 1  f (1)
2 n 1  2  T (n)  1  T(n) = 2 n  1
Facând identificarea:  Ordinul este O(2n),
f(1) x 0
adica o complexitate exponentiala.
Relatii de recurenta. Clasele relatiilor de recurenta
1. f ( n )  a  f ( n  1)  b
f(n) = af(n - 1) + b
x0 = ax0 + b
Prin scaderea celor doua relatii, rezulta un algoritm exponential cu baza a: f(n) - x0 = a  (f(n-1) - x0)
2. f ( n )  a  f ( n  1)  b  f ( n  2 )
f(n) = tn  tn = atn-1 + btn-2
Facând n = 2,  t2 = at + b , cu urmatoarele cazuri:
a) t1 , t2  R  solutia ecuatiei este de forma: f ( n )    t1n    t2n iar  si  se calculeaza din conditiile
initiale:
 f (1)  x   t    t  x
cu x1 si x2 constante.
1 1 2 1
 
 f ( 2)  x   t    t  x
2 2
2 1 2 2
Astfel, este rezolvata ecuatia recursiva.

b) t1 = t2 = t  Solutia este de forma: f ( n)  (    n)  t n
c) t1, t2  C  Solutia este de forma: f (n)    t1n    t 2n
În care  si   C,  =  (conjugat)  solutia trigonometrica: f ( n)  r (1  cos nt  1 sin nt )
n
3. Clasa de relatii de recurenta pentru algoritmi de tip "divide et impera"
_________________________________________________________________________
29
_________________________________________________________________________
Exemplu: Algoritmul Merge Sort (sortare prin interclasare)

Pentru a sorta o secventa de n elemente ale unui vector A, se împarte vectorul în 2 segmente de
lungime n/2 pe care le sorteaza separat recursiv, dupa care urmeaza interclasarea.
Pseudocod: Procedura MERGE_SORT primeste ca argumente A - vectorul de sortat, si doi indici
care delimiteaza o portiune din acest vector. Apelul initial va fi MERGE_SORT(A, 1, n).
MERGE_SORT(A, low, high)

{
if(low  high) return
else |¯ |¯ low + high ¯|
| mid=| ---------------- | //partea întreaga
| |_ 2 _|
| MERGE_SORT(A, low, mid) //sortare separata
| MERGE_SORT(A, mid+1, high) //sortare separata
|_MERGE(A, low, mid, high) //interclasare
}
Procedura MERGE interclaseaza secventele sortate A[low÷mid] si A[mid+1÷high]. Pentru aceasta

este nevoie de un vector auxiliar B, de aceeasi dimensiune cu A.
MERGE(A, low, mid, high)

{
i=low; j=mid+1; k=low;
while i  mid and j  high do
|¯ if A[i] <A [j] then B[k]=A[i]; i=i+1
| else B[k] = A[j]; j=j+1
|_ k = k+1
while i  mid do
|¯ B[k] = A[i]; i=i+1
|_ k = k+1
whilej  high do
|¯ B[k] = A[j]; j=j+1
|_ k = k+1
for k=low to high do
A[k] = B[k];
}
Aratam complexitatea procedurii MERGE_SORT: O(nlog n)

Aceasta functie cere pentru o secventa cn operatii.
Timpul de executie al algoritmului este:
0, n =1
T ( n) 
2T(n/2) + n, n 1
Consideram: n = 2k;
T(n) = 2T(n/2) + n = 2(2T(n/4) + n/2) + n = ... = 2 2·T(n/22) + 2n= 22 (2·T(n/23) + n/22) + 2n =
= 23T(n/23) + 3n = ... = 2kT(n/2k) + kn  T(n) = kn = nlog2n , pentru ca n = 2k , si, deci, k = log2n.
Asadar complexitatea algoritmului este O(nlog n).
_________________________________________________________________________
30
_________________________________________________________________________
Pentru a rezolva problema de dimensiune n, se rezolva pentru a probleme de dimensiune n/b, iar
combinarea rezultatelor celor a prbleme, duce la g(n) operatii.
Se demonstreaza, analog, si relatia de recurenta:
T ( n)  a  T ( n / b)  C  n k
Solutia acestei ecuatii de recurenta este:
O ( n lo g b a
), a  b k
T ( n)  O(n k
 log n ), a  b k
O(n k
), a  b k
Utilizând aceste retete putem calcula complexitatile pentru:

· algoritmul Merge_Sort: a = 2 , b = 2 , k = 1 , b k = a  complexitatea O(nklog n)
· algoritmul Binary_Search: a = 1 , b = 2 , k = 0  complexitatea O(n0log n) = O(log n), (situatia a k=
b).
4. Relatii de recurenta cu istorie completa

n 1
Exemplu: T ( n)  C   T (i )
i 1
T ( n )  C  T ( n  1)  T ( n  2 ) ...  T (1)
n
T ( n  1)  C   T (i ) - se face T ( n  1)  T ( n )
i 1
Exemplu: Algoritmul Quick_Sort
elemente pivot A[k]=pivot elemente pivot
l h
Quik_Sort(A, low, high)

{
if(high low) then
|¯ k= Partition(A, low, high) // procedura de |
// partitionare
| Quick_Sort (A, low, k-1)
|_ Quick_Sort(A, k+1, high)
}
Pseudocodul pentru functia partition:
Partition(A, low, high)

{
l= low; h= high;
x= A[l];
while (l <h) do
I |¯ while (A[l] <= x) and (l <=high)
| do l= l+1
II | while (A[l] >x) and (h  low)
| do h= h-1
|_ if (l <h) then interchange (A[l], A[h])
interchange (A[h], A[low])
return(h);
_________________________________________________________________________
31
_________________________________________________________________________
}
Algoritmul considera pivotul ca fiind: A[low]. Indicele l parcurge vectorul de la stânga la dreapta,
iar indicele h parcurge vectorul de la dreapta la stânga. Ei se apropie pâna se întâlnesc (l = h). Deci, l lasa
în urma numai elemente A[i]  pivot, iar h lasa în urma numai elemente A[i]  pivot.
Ciclul I while înseamna ca înainteaza l cât timp A[l]  pivot. Acest ciclu se opreste pe conditia
A[h]  pivot, fixându-se aici.
Ciclul II while însemna ca înainteaza h cât timp A[h]  pivot. Acest ciclu se opreste pe conditia
A[h]  pivot, fixându-se aici.
Cele doua pozitii se schimba, astfel încât sa se permita înaintarea indicilor mai departe.
low h
Pentru aflarea complexitatii, cercetam cazul cel mai defavorabil. Fie cazul în care vectorul este
ordonat descrescator. Pivotul gasit, la primul pas, este elementul maxim din vector, rezulta ca trebuie plasat
în ultima pozitie. Pivotul va fi maximul dintre elementele secventei, deci, va fi plasat în ultima pozitie din
secventa.
Problema se împarte în 2 subprobleme: P(n)  P(n-1) , P(0).
Numarul de comparatii pentru functia Partition este (n-1). Vectorul se parcurge în doua directii,
dar o singura data.
Rezulta ca timpul de functionare al algoritmului Quick_Sort este: T ( n )  ( n  1)  T ( n  1)
Rezolvând aceasta ecuatie, avem:
T ( n)  n  1  T ( n  1)  n  1  n  2  T ( n  2) ...  n  1  n  2  n  3... 1  T (1)
unde: T(1) este 0 (nu se partitioneaza). Rezulta:
n 1
T ( n)   i  n(n  1) / 2
i 1
Aceasta suma este de complexitate O(n2). Rezulta ca este un algoritm ineficient.
Studiul complexitatii algoritmului Quick_Sort în caz mediu
Pentru complexitatea medie trebuie considerata probabilitatea tuturor aparitiilor datelor de intrare.
Consideram ca orice configuratie de date la intrare este egal probabila. Probabilitatea ca pivotul sa fie
plasat în pozitia k este egala pentru k  low, high . Asadar, pivotul va fi plasat în pozitia k prin partitionare,
cu o probabilitate egala cu 1/n, pentru k  low, high ( k  1, n ) .
Suma tuturor probabilitatilor este 1. Evenimentul este plasarea pivotului în pozitia k. Consideram
Ti(n) timpul de executie al algoritmului Quick_Sort atunci când pivotul este plasat în pozitia i:
i
Rezulta: Ti ( n )  n  1  T (i  1)  T ( n  i )
_________________________________________________________________________
32
_________________________________________________________________________
n
1 1 n
Timpul mediu va fi o medie aritmetica: T (n)      Ti (n)     Ti (n)
i 1  n   n  i 1
Dezvoltând,
1 n 1 1 n 1 n
T (n)      ((n  1)  T (i  1)  T (n  i ))    n(n  1)      T (i  1)      T (n  i ) 
 n  i 1 n  n  i 1  n  i 1
n 1
1 n
1 n
2
 n  1      T (i  1)      T ( j  1)  n  1      T (i )
 n  i 1  n  j 1  n  i 0
(Facând schimbarea de variabila j = n - i + 1)
Rezulta relatia de recurenta cu istorie completa:
 2  n 1
T (n)  n  1      T (i)
 n  i 0
n 1
Aceasta se rezolva astfel: înmultind relatia cu n rezulta: n  T ( n)  n( n  1)  2   T (i )
i 0
n
Scriem acum relatia înlocuind pe n cu n+1: (n  1)  T  (n  1)  (n  1)  n  2   T (i )
i 0
Si scazându-le acum membru cu membru rezulta:
(n  1)  T  (n  1)  nT (n)  n(n  1)  n(n  1)  2T (n)
(n  1)  T  (n  1)  2n  (n  2)  T (n)
1 T (n  1) 2n T ( n)
care se înmulteste cu: ,  
( n  1)(n  2) n2 (n  1)(n  2) n  1
T ( n) 2n 2(n  1)
Notam: F ( n)  , F (n  1)   F (n), F (n)  + F (n - 1)
n 1 (n  1)(n  2) n(n  1)
2
Facând o majorare: F ( n) 
n
 F ( n  1)
2 22 22 2 22 2 2
F(n)   F(n 1)   F(n )2     F(n 3) .    .   F i)(
n n n1 n n1 n2 n n1 n 2 2
F (i )  0 (un element nu se ordoneaza).

1
este aria zonei de sub graficul functiei f ( x ) 
n
1 n
1
n
1
Rezulta: F ( n)  2    
i2  i 
si F (n)  2      2     dx
i 2  i  x
i 
.
x
F (n)  2 ln n  2 ln1  F (n)  2 ln n
T (n)
 F (n)  T (n)  (n 1) ln n  2n ln n  T (n)  O(n ln n)
n 1
unde O(nln n) este complexitatea acestei functii.
_________________________________________________________________________
33
_________________________________________________________________________
Curs 6
Analiza spatiului de memorie consumat într-un algoritm
Algoritmi recursivi
Algoritmii recursivi consuma memorie suplimentara pentru simularea recursivitatii.
Fie urmatoarea procedura recursiva:
parcurgere(l) // l - lista înlantuita (pointer la primul //element)

{
if(l  0)
|¯ parcurgere(link(l))
|_ prelucrare(data(l)) // exemplu: afisare
}
Functia afiseaza o lista invers, de la coada la cap.
Apelul functiei se face astfel:

· se creeaza în stiva programului o "înregistrare de activare" în care sunt memorate:
- parametrii de apel;
- adresa instructiunii de retur (cu care va continua programul dupa terminarea executiei
functiei);
· se rezerva spatiu pentru variabile locale.
· se executa instructiunile functiei care folosesc pentru parametri si variabile locale din "înregistrarea de
activare";
· se scoate din stiva "înregistrarea de activare" (decrementarea vârfului stivei), stiva fiind ordonata;
· se continua cu instructiunea data de adresa de retur memorata în "înregistrarea de activare".
Asadar, variabilele globale (statice) sunt memorate într-o zona de memorie fixa, mai exact în
segmentele de date. Variabilele automate (locale) se memoreaza în stiva, iar variabilele dinamice în "heap"-
uri (cu malloc în C, si cu new în C++).
Consumul de memorie al algoritmului recursiv este proportional cu numarul de apeluri recursive ce

se fac. Variabilele recursive consuma mai multa memorie decât cele iterative. La prelucrarea unei liste,
daca primul element nu este vid, se prelucreaza acesta, urmând apoi ca restul listei sa fie considerata ca o
noua lista mai mica, etc.
De exemplu, algoritmul Quick_Sort:
Quick_Sort(A, low, high)

{
_________________________________________________________________________
34
_________________________________________________________________________
if(low < high)
|¯ k = Partition(A, low, high)
| Quick_Sort(A, low, k-1)
|_Quick_Sort(A, k+1, high)
}
low k high
Avem în acest algoritm doua apeluri recursive.
Cazul cel mai defavorabil:
k
low
high
Consideram consumul de memorie în stiva : M(n) = c + M (n - 1)  M(n) = O(n)  un ordin de
complexitate mare.
Pentru reducerea consumului de memorie, se concepe un alt algoritm la Quick_Sort, astfel încât un
apel sa fie rezolvat recursiv, iar celalalt apel iterativ.
k
secventa mica rezolvata recursiv secventa mare rezolvata iterativ
Quick_Sort(A, low, high)
{
while (low < high)
|¯ k = Partition(A, low, high)
| if( k-low > high-k)
| |¯ Quick_Sort(A, k+1, high)
| |_high = k-1
| else
| |¯ Quick_Sort(A, low, k-1)
|_ |_low = k-1
}
Necesarul de memorie pentru aceasta este M(n)  c + M(n/2), însemnând ca oricare ar fi secventa
mai mica, ea este  decât jumatatea  M(n) = O(log n)  am redus ordinul de complexitate.
Liste generalizate
Definitie:
_________________________________________________________________________
35
_________________________________________________________________________
Data o multime de elemente (atomi), se numeste lista generalizata o secventa finita (1, 2, ... , n), în care
i sunt atomi.
Exemplu: A = (a, b, c)
B = (x, A, (a, c), ( ))
| | | \
atom lista lista lista vida
Observatie: Listele generalizate pot sa aiba elemente comune. Se permite definirea de liste recursive.
Reprezentarea listelor generalizate

Presupunem o lista de forma: (tag, data, link) în care tag este o eticheta  {0,1}.
Daca tag = 0  nodul va corespunde unui element atomic  câmpul data va contine atomul
respectiv.
Daca tag = 1  nodul va corespunde unei subliste  câmpul data va semnifica legatura la primul
element al sublistei; link este legatura pentru urmatorul nod din lista.
Fie urmatoarele primitive de selectie pentru un nod de adresa p:
p  adresa unui nod;
link(p)  câmpul "link" din nodul indicat de p;
Notam: tag(p)  câmpul "tag" din nodul indicat de p
data(p)  câmpul "data" din nodul indicat de p
Fie urmatoarele liste:
D=()
A = (a, (b, c))
B = (A, A, ( ))
C = (a, C)
cu urmatoarele reprezentari:
D : o lista vida înseamna un pointer nul
A:
0 a 1 0
0 b 0 c 0
B: 1 1 0 1 0
C:
0 a 1 0
Ne propunem sa dam nume unei subliste, deci daca tag = 1, adica tag(p) = 1  data(p) va fi
adresa unei structuri ce contine:
_________________________________________________________________________
36
_________________________________________________________________________
nume lista
pointer la primul element
Asadar, obtinem urmatoarea reprezentare:
D: D 0
A:
A
0 a 1 0
0 b 0 c 0
B: B
1 1 1 0
C: C
0 a 1 0
Operatii la liste generalizate:

· functia insert, este asemanatoare cu cea de la liste înlantuite. Elementul ce se insereaza poate fi un
atom sau o sublista;
_________________________________________________________________________
37
_________________________________________________________________________
· functia del ( ) trebuie sa tina seama de existenta unor liste comune. Deci, este necesara pastrarea în
elementul ce contine numele listei A si a unui indicator care sa contorizeze numarul de referinte ale lui.
Exemplu:
A 2
Numai daca acest indicator este 0, se face stergerea efectiva a listei.
Traversarea listelor generalizate

Traversarea listelor generalizate presupune prelucrarea elementelor listei, si a elementelor
sublistelor componente.
Exemplu: O functie de copiere si o functie de test de egalitate a doua liste generalizate, realizate recursiv si
iterativ. Functia returneaza o copie a listei. Copie mai întâi primul element, si apoi recursiv restul listei:
Varianta recursiva:
Copy (l) // l - lista înlantuita

{
if (l = 0) then return (0)
else |¯ p = get_sp()
| data(p) = data(l)
| link(p) = Copy(link(l))
|_ return(p)
}
Copy (l) // l - lista generalizata
{
if (l = 0) then return (0)
else |¯ p = get_sp()
| if (tag(l) = 0) then data(p) = data(l)
| else data(p) = Copy(data(l))
| link(p) = Copy(link(l))
|_ return(p)
}
Functia pentru testarea egalitatii este:
isEqual (l1,l2) // procedura tratata iterativ

{
p1 = l1; p2 = l2
while(p1  0 and p2  0)
|¯ if (data(p 1)  data(p 2)) then return (FALSE)
| p1 = link(p1)
|_ p2 = link(p2)
return(p1 = p2)
}
isEqual (l1,l2) // procedura tratata recursiv
_________________________________________________________________________
38
_________________________________________________________________________
{
p1 = l1; p2 = l2
while(p1  0 and p2  0)
|¯ if (tag(p1)  tag(p2)) then return (FALSE)
| if (tag(p1) = 0 and data(p 1)  data(p 2)) then |
return (FALSE)
| if (tag(p1) = 1 and not isEqual |
(data(p 1),data(p 2))then return FALSE) | p1 = link(p1)
|_ p2 = link(p2)
return (p1 == p2)
}
_________________________________________________________________________
39
_________________________________________________________________________
Curs 7
Arbori
Exemplu de structura de arbore:
a
/ \
b c
/ \
/ \
d e f g
/ \ \
h i j
Exemple de arbori:
poligoane
/ \
triunghi patrulatere
/ \ \
dreptunghi romb oarecare
Definitie
Se numeste arbore cuplul format din V si E : T= (V,E) cu V  o multime de noduri si E  VxV  o
multime de arce, cu proprietatile:
1)  nodul r  V (nodul radacina) astfel încât  j  V, (j, r)  E (nici un arc nu intra in radacina);
2)  x  V\{r} ,  y  V unic , astfel încât (y, x)  E (Cu alte cuvinte, pentru toate nodurile minus
radacina,  un singur arc ce intra în nodul respectiv)
3)  y  V,  un drum { r = x0, x1, x2, ... ,xn= y} , cu xi  V si (xi, xi+1)  E (Sau arborele trebuie sa fie
un graf conex: nu exista noduri izolate sau grupuri de noduri izolate).
Proprietate a arborelui
Daca T, T= (V, E) este un arbore si r  V este radacina arborelui, atunci multimea T\{r} = (V', E'), cu
V' = V -{r} si E' = E -{ (r, x)/(r, x)  E } poate fi partitionata astfel încât sa avem mai multi arbori, a caror
reuniune sa fie T\{r}, si oricare ar fi doi arbori intersectati, sa dea multimea vida:
T\{r}= T1  T2  ...  Tk , Ti  Tj =  .
Definitii
1) Daca avem (x, y)  E ,  x  predecesorul lui y (tata), y  succesorul lui x (fiu)

x
/
y
_________________________________________________________________________
40
_________________________________________________________________________
2) Fie E(x) = { y, (x, y)  E } multimea succesorilor lui x.
Definim gradul lui x: degree(x) = │ E(x) │ = numarul de succesori

Definim gradul arborelui : degree(T) = max{ degree(x)}, x  V unde y se mai numeste nod terminal, sau
frunza, daca degree(y) = 0, adica daca nu are descendenti.
Stramosii unui nod sunt asa-numitii ancestors(x) : ancestors(x) = {r = x0, x1, x2, ..., xk} cu proprietatea ca
(xi, xi+1)  E , i= {0,k - 1} si (xk, x)  E
Nivelul unui nod : level(x) = │ ancestors(x) │ + 1
Adâncimea arborelui : depth(T) = max { level (x) pentru x  V
Exemplu:
A
/| \
B C D
/ \ | / | \
E F G H I J
/ \ |
K L M
predecesor(E) = B
succesor(C) = G
E(D) = {H, I, J}
degree(D) = 3
degree(B) = 2
degree(F) = 0
degree(T) = 3
ancestors(L) = {A, B, E}
level(L) = 4 , level(B) = 2 , level(A) = 1
depth(T) = 4
Reprezentarea arborilor
Reprezentarea prin liste generalizate
Se considera ca nodurile terminale sunt elemente atomice, iar nodurile de grad  1 sunt subliste.
Deci, fie arborele de mai sus scris sub forma :
_________________________________________________________________________
41
_________________________________________________________________________
A( B (E (K, L), F), C (G), D (H (M), I, J)) cu reprezentarea:
1 1 1 0
B C D
1 0 F 0 0 G 0 1 0 I 0 J 0
E H
0 K 0 L 0 M 0
Reprezentarea prin structuri înlantuite
_________________________________________________________________________
42
_________________________________________________________________________
data link1 link2 ...... link k k=degree(T)
B D
C
0
0 0
E F G H I J
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
K L M
0 0 0 0 0 0 0 0 0
Aceasta reprezentare are calitatea ca, atunci când conteaza ordinea descendentilor, ea poate
surprinde structura diferita.
De exemplu:
structura x este diferita de structura x
/ | \ / | \
vid y vid y vid vid
Metodele de reprezentare expuse permit sa putem identifica legatura nod-descendent (succesor).

Dar, exista aplicatii în care este nevoie de legatura nod-predecesor. Asadar, pare utila reprezentarea
arborelui sub forma nodului (data, parent):
_________________________________________________________________________
43
_________________________________________________________________________
A 0
B C D
E F G H I J
K L M
Având adresa unui nod, se gasesc toti predecesorii, obtinându-se o lista înlantuita:
(Reprezentarea TATA):
M H D A 0
Arbori binari
Un arbore binar este un arbore de grad maxim 2. În cazul acestor arbori, se pot defini aplicatii,
instrumente în plus de operare. Arborii binari pot avea deci gradele 2, 1, 0:
A A A
/ \ / / \
B C B B C
/ \ \ / / \ / \
D E F C D E F G
Observatie: Arborele A este diferit de A

/ \ / \
B vid vid B
Structura de baza a unui arbore binar:

rad
/ \
/ \
/ \
/ \
/ \ / \
/ SAS \ / SAD \
/______ \ /_______\
SAS  subarborele stâng (binar)
SAD  subarborele drept (binar)
Definitii
_________________________________________________________________________
44
_________________________________________________________________________
1) Se numeste arbore binar strict arborele pentru care oricare ar fi un nod x  V  degree(x) = 2 , sau
degree(x) = 0.
Exemplu:
a
/ \
b c
/ \ / \
d e f g
/ \
h i
2) Se numeste arbore binar complet un arbore binar strict pentru care  y cu:
degree(y) = 0 (frunza)  level(y) = depth(T)
Cu alte cuvinte, nodurile terminale apartin ultimului nivel din arbore.
Exemplu:
a
/ \
b c
/ \ / \
d e f g
/ \ / \ / \ / \
h i j kl mn o
Relatii între numarul de noduri si structura unui arbore binar
Lema 1
Numarul maxim de noduri de pe nivelul i al unui arbore binar este egal cu 2i-1.
Demonstratia se face prin inductie:

La nivelul 1 avem 20 = 1 nod = rad (radacina A). Presupunem conform metodei P(n): pe nivelul
n avem 2n-1 noduri. Demonstram pentru P(n+1): se observa ca toate nodurile de pe nivelul n+1 sunt noduri
descendente de pe nivelul n. Notând niv(i) numarul de noduri de pe nivelul i,
 niv(n+1)  2·niv(n)  22n-1 = 2n .
Lema 2
Numarul maxim de noduri ale arborelui binar de adâncime h este egal cu 2h -1.
Demonstratie:
h h
2h  1
Numarul total de noduri este egal cu:  niv (i )   2i 1  20  21 ... 2h 1 
2 1
 2h  1
i 1 i 1
(progresie geometrica)
Observatie: Numarul maxim de noduri pentru arborele binar se atinge în situatia unui arbore binar complet.
2h -1 = numarul de noduri în arborele binar complet de adâncime h
Lema 3
_________________________________________________________________________
45
_________________________________________________________________________
Notam cu:
n2  numarul de noduri de grad 2 din arborele binar;
n1  numarul de noduri de grad 1 din arborele binar;
n0  numarul de noduri terminale (frunze) din arborele binar;
În orice arbore binar, n0 = n2 +1 (nu depinde de n1).
Demonstratie: fie n = n0 + n1 + n2 (numarul total de noduri); conform definitiei, fiecare nod are un
singur predecesor  numarul de muchii │ E │ = n - 1. Acelasi numar de muchii │ E │ = 2 n2 + n1.
Deci, n - 1 = 2n2 + n1 , înlocuind, n0 + n1 +n2 -1 = 2n2 + n1  n0 = n2 + 1 ceea ce trebuia de demonstrat.
Rezulta ca într-o expresie numarul de operatori binari si unari este egal cu numarul de operanzi + 1.
Lemele se folosesc pentru calcule de complexitate.
Operatii asupra arborilor binari

Operatii curente:
· selectia câmpului de date dintr-un nod si selectia descendentilor;
· inserarea unui nod;
· stergerea unui nod.
Traversarea arborilor binari (A.B.)

Traversarea consta în "vizitarea" tuturor nodurilor unui arbore într-un scop anume, de exemplu,
listare, testarea unei conditii pentru fiecare nod, sau alta prelucrare. O traversare realizeaza o ordonare a
nodurilor arborelui (un nod se prelucreaza o singura data).
Strategii de traversare:
· traversare în preordine: prelucrare în ordinea: rad, SAS, SAD;

· traversare în inordine: prelucrare în ordinea: SAS, rad, SAD;
· traversare în postordine: prelucrare în ordinea: SAS, SAD, rad.
rad
/ \
SAS SAD
Exemplu de traversare: a
/ \
b c
/ \ \
d e f
/ \
g h
· preordine : A B D E G H C F
· inordine : D B G E H A C F
· postordine : D G H E B F C A
_________________________________________________________________________
46
_________________________________________________________________________
Functii de parcurgere (in pseudocod)

Facem notatiile:
p  pointer la un nod
lchild(p)  pointer la succesorul stâng (p  stg)
rchild(p)  pointer la succesorul drept (p  drt)
data(p)  informatia memorata în nodul respectiv (p  data)
În C++ avem:
struct Nod{
Atom data;
Nod* stg;
Nod* dr;
};
Nod* p;
Procedurile de parcurgere sunt:
preorder(t)
{
if(t==0) return
else |¯ print (data(t)) // vizitarea uni nod
| preorder (lchild(t)) // parcurgerea |
// subarborilor
|_ preorder (rchild(t))
}
inorder(t)
{
if(t  0) |¯ inorder (lchild(t))
| print (data(t))
|_ inorder (rchild(t))
}
postorder(t)
{
if(t  0) |¯ postorder (lchild(t))
| postorder (rchild(t))
|_ print(data(t))
}
Binarizarea arborilor oarecare
Lema 1
Daca T este un arbore de grad k cu noduri de dimensiuni egale (k pointeri în fiecare nod), arborele având n
noduri reprezentarea va contine n (k - 1) + 1 pointeri cu valoare zero (nuli).
Demonstratie: Numarul total de pointeri utilizati în reprezentare este nk Numarul total de pointeri nenuli
este egal cu numarul de arce  nk - (n - 1) = n (k - 1) + 1
_________________________________________________________________________
47
_________________________________________________________________________
nr. pointeri nuli n ( k  1)  1 n 1
  1
nr. total pointeri nk nk
raportul este maxim pentru k = 2.
Rezulta ca cea mai eficienta reprezentare (în structura înlantuita) este reprezentarea în arbori binari.
_________________________________________________________________________
48
_________________________________________________________________________
Curs 8
Arborele binar de cautare (BST)

Arborele binar de cautare reprezinta o solutie eficienta de implementare a structurii de date numite
"dictionar". Vom considera o multime "atomi". Pentru fiecare element din aceasta multime avem:  a 
atomi, este definita o functie numita cheie de cautare: key(a)  k cu proprietatea ca doi atomi distincti au
chei diferite de cautare: a1  a2  key(a1)  key(a2).
Exemplu: (abreviere, definitie) ("BST","Binary Search Tree")

("LIFO","Last In First Out") key(a) = a.abreviere
Un dictionar este o colectie S de atomi pentru care se definesc operatiile:

· insert(S,a)  insereaza atomul a în S daca nu exista deja;
· delete(S,k)  sterge atomul cu cheia k din S daca exista;
· search(S,k)  cauta atomul cu cheia k în S si-l returneaza sau determina daca nu este.
O solutie imediata ar fi retinerea elementelor din S într-o lista înlantuita, iar operatiile vor avea
complexitatea O(n).
Tabelele Hashing
Acestea sunt o alta solutie pentru a retine elementele din S. Complexitatea pentru arborele binar de
cautare în cazurile:
· cel mai defavorabil: O(n);
· mediu: O(log n).
Un arbore binar de cautare este un arbore T ale carui noduri sunt etichetate cu atomii continuti la
un moment dat în dictionar.
T = (V, E) , │V│ = n. (n atomi în dictionar)
Considerând r  V (radacina arborelui), Ts  subarborele stâng al radacinii si Td  subarborele

drept al radacinii, atunci structura acestui arbore este definita de urmatoarele proprietati:
1)  un nod x  Ts atunci key(data(x)) < key(data(r));
2)  x  Td atunci key(data(x)) > key(data(r));
3) Ts si Td sunt BST.
Observatii:
1) Consideram ca pe multimea k este definita o relatie de ordine (de exemplu lexico-grafica);
2) Pentru oricare nod din BST toate nodurile din subarborele stâng sunt mai mici decât radacina si toate
nodurile din subarborele drept sunt mai mari decât radacina.
_________________________________________________________________________
49
_________________________________________________________________________
Exemple: 15 15
/ \ / \
7 25 10 25
/ \ / \ /\ / \
2 13 17 40 2 1 7 13
/ / \
9 27 99
este BST nu este BST.
3) Inordine: viziteaza nodurile în ordine crescatoare a cheilor: 2 7 9 13 15 17 25 27 40 99

Functii:
1) Search:
search(rad,k) // rad  pointer la radacina arborelui
{ // k  cheia de cautare a arborelui cautat
if (rad = 0) then return NULL
else
if key (data (rad)) > k then
return search (lchild (rad))
else
if key (data (rad)) < k then
return search (rchild (rad))
else return rad
}
2) Insert:
Se va crea un nod în arbore care va fi plasat la un nou nod terminal. Pozitia în care trebuie plasat acesta este
unic determinata în functie de valoarea cheii de cautare.
Exemplu: vom insera 19 în arborele nostru:
15
/ \
7 25
/ \ / \
2 13 17 40
/ \ / \
9 19 27 99
insert(rad,a) // rad  referinta la pointerul la radacina // arborelui

{
if (rad= 0) then rad= make_nod(a)
else if key (data (rad)) > key(a) then
insert(lchild(rad),a)
else if key (data(rad)) < key(a)then
insert (rchild (rad),a)
}
Functia make_nod creaza un nou nod:
make_nod(a)
{
p= get_sp() // alocare de memorie pentru un nod nou
data(p)= a
lchild(p)= 0
_________________________________________________________________________
50
_________________________________________________________________________
rchild(p)= 0
return(p)
}
Observatie:
1) La inserarea unui atom deja existent în arbore, functia insert nu modifica structura arborelui.
Exista probleme în care este utila contorizarea numarului de inserari a unui atom în arbore.
2) Functia insert poate returna pointer la radacina facând apeluri de forma p= insert(p,a).
3) Delete:
delete(rad,k) // rad  referinta la pointer la radacina

{ // k - cheia de cautare a atomului care trebuie sters de noi
if rad = 0 then
return // nodul cu cheia k nu se afla în arbore
else if key(data(rad)) > k then delete(lchild(rad),k)
else if key(data(rad)) < k then delete(rchild(rad),k)
else delete_root(rad)
}
Stergerea radacinii unui BST.:
1) rad  arbore vid
2) a) rad sau b) rad  a) SAS sau b) SAD
/ \
SAS SAD
delete_root(rad) // rad  referinta la pointer la radacina

{
if lchild(rad)=0 then
|¯ p= rchild(rad)
| ret_sp(rad)
|_ rad= p
else if rchild(rad)= 0 then
|¯ p= lchild(rad)
| ret_sp(rad)
|_ rad= p
else |¯ p= remove_greatest(lchild(rad))
| lchild(p)= lchild(rad)
| rchild(p)= rchild(rad)
| ret_sp(rad)
|_ rad= p
}
15
/ \
7 25
/ \ / \
2 13 17 40
/ /
9 27
/ \
26 33
_________________________________________________________________________
51
_________________________________________________________________________
Detasarea din structura arborelui BST a celui mai mare nod  (remove_greatest):
Pentru a gasi cel mai mare nod dintr-un arbore binar de cautare, se înainteaza în adâncime pe
ramura dreapta pâna se gaseste primul nod care nu are descendent dreapta. Acesta va fi cel mai mare.
Vom trata aceasta procedura recursiv:
Caz1: rad  se returneaza pointer la radacina si arborele rezultat va fi vid.
Caz2: rad  se returneaza pointer la radacina si arborele rezultat va fi format doar din SAS 
subarborele stâng (SAS).
Caz3: rad  functia returneaza pointer la cel mai mare nod din SAD, iar rezultatul va fi SAS  arborele
care este fomat din radacina,SAS si SAD  cel mai mare nod.
remove_greatest(rad) //rad -referinta la pointer la //radacina: un

pointer la radacina de poate
//fi modificat de catre functie
{
if rchild (rad)= 0 then |¯ p= rad
| rad= lchild (rad)
|_ return(p)
else return (remove_greatest (rchild(rad)))
}
Observatie:
Functia remove_greatest modifica arborele indicat de parametru, în sensul eliminarii nodului cel mai mare,
si întoarce pointer la nodul eliminat.
Demonstratia eficientei (complexitate)

Complexitatea tuturor functiilor scrise depinde de adâncimea arborelui. În cazul cel mai
defavorabil, fiecare functie parcurge lantul cel mai lung din arbore. Functia de cautare are, în acest caz,
complexitatea O(n).
Structura arborelui BST este determinata de ordinea inserarii.
De exemplu, ordinea 15 13 12 11 este alta decât 15 12 11 13 .
Studiem un caz de complexitate medie:
Crearea unui BST pornind de la secventa de atomi (a 1 a2 ... an)
gen_BST (va fi în programul principal)

| rad= 0
| for i= 1 to n
| insert (rad, ai)
Calculam complexitatea medie a generarii BST:

n
Complexitatea în cazul cel mai defavorabil este:  (i)  O(n
i 1
2
)
Notam cu T(k)  numarul de comparatii mediu pentru crearea unui BST pornind de la o secventa
de k elemente la intrare. Ordinea celor k elemente se considera aleatoare.
Pentru problema T(n) avem de creat secventa (a1 a2 ... an) cu observatia ca a1 este radacina
arborelui. Ca rezultat, în urma primei operatii de inserare pe care o facem, rezulta:
a1
/ \
_________________________________________________________________________
52
_________________________________________________________________________
a1 ai
(a i<a1) (ai>a1)
Nu vom considera numararea operatiilor în ordinea în care apar ele, ci consideram numarul de
operatii globale. Dupa ce am inserat a1, pentru inserarea fiecarui element în SAS sau SAD a lui a1, se face
o comparatie cu a1. Deci:
T(n)= (n - 1) + val.med.SAS + val.med.SAD
val.med.SAS = valoarea medie a numarului de comparatii necesar pentru a construi subarborele stâng SAS
val.med.SAD = valoarea medie a numarului de comparatii necesar pentru a construi subarborele drept SAD
n n
T ( n)  ( n  1)  (1 / n)   T (i  1)  (1 / n)   T (n  i)
i 1 i 1
Notam:
Ti(n) = numarul mediu de comparatii necesar pentru construirea unui BST cu n noduri atunci când prima
valoare inserata (a1) este mai mare decât i-1 dintre cele n valori de inserat. Putem scrie:
Ti ( n )  ( n  1)  T ( i  1)  T ( n  i )
n
T ( n)  (1 / n)   Ti (n)
i 1
Deci:
n
T (n)  (1 / n)   ((n  1)  T (i  1)  T (n  i )) 
i 1
n n
 (n  1)  (1 / n)   T (i  1)  (1 / n)   T (n  i ) 
i 1 i 1
n
 (n  1)  (2 / n)   T (i  1)
i 1
Deci:
n 1
T ( n)  n  1  ( 2 / n)   T (i )
i 0
Complexitatea acestei functii este: O(nln n) (vezi curs 5  complexitatea medie a algoritmului
Quick-Sort)
Arbori binari de cautare dinamic echilibrati (AVL)
Definitie
Un arbore binar este echilibrat daca si numai daca, pentru fiecare nod din arbore, diferenta dintre
adâncimile SAS si SAD în modul este  1.
Exemple:
a a
/ \ / \
b c b c
_________________________________________________________________________
53
_________________________________________________________________________
/ \ / \ / \ \
d e f g d e f
/ \
g h
arbore binar arbore binar
complet echilibrat echilibrat
Adâncimea unui arbore echilibrat cu n noduri este O(ln n).

Se completeaza operatiile insert si delete cu niste prelucrari care sa pastreze proprietatile de arbore
binar echilibrat pentru arborele binar de cautare. Arborele binar echilibrat este un BST echilibrat,
proprietatea de echilibrare fiind conservata de insert si delete. Efortul, în plus, pentru completarea
operatiilor insert si delete nu schimba complexitatea arborelui binar echilibrat.
Transformarea structurii arborelui dupa inserare pentru a conserva proprietatea de arbore binar
echilibrat
Modificarile care se vor face se vor numi rotatii.
Caz 1: Fie arborele echilibrat

A
/ \
B T 3 h = depth(T1) = depth(T2) = depth(T3)
/ \
T 1 T2
Consideram arborii T1, T2, T3 echilibrati. Inserând un nod prin rotatie simpla, rezulta structurile
rotit simplu la dreapta si rotit simplu la stânga  imaginea oglinda a rotatiei dreapta:
A A
/ \ / \
B T3 T3 B
/ \ / \
T 1 T2 T 2 T1
 
Caz 2: Inserarea se face prin rotatii duble:
A A
/ \ / \
B T3 T3 B
/ \ / \
T 1 T2 T 2 T1
 
rotatie dubla rotatie dubla
la dreapta la stânga
Fie primul caz:
A
/ \
B T3
/ \
T 1 T2 este BST: T1 < B < T2 < A < T3

Toti arborii care respecta în continuare aceasta conditie vor fi BST.
_________________________________________________________________________
54
_________________________________________________________________________
Ridicând pe B în sus, si notând cu // legaturile neschimbate, rezulta:
B
// \
// A
T1 / \\
____________T2_T3_________ pe aceeasi
linie
care este un BST , deci este arbore echilibrat, si are aceeasi adâncime (!!!) cu arborele initial (de dinainte de
inserare). Nodurile superioare nu sunt afectate. Rationament analog pentru imaginea oglinda.
Fie cazul 2: Pentru rotatia dubla se detaliaza structura arborelui T2. Nu se poate sparge arborele initial ca în
cazul 1.
A
/ \\
B \\
// \ T3
// C
// / \
T1 T2S T2D
 
depth(T1) = depth(T 3) = h
depth(T2S) = depth(T 2D) = h - 1
În urma inserarii, unul dintre arborii T2S si T2D îsi mareste adâncimea. Aplicam aceiasi tehnica:
T1 < B < T2S < C < T2D < A < T3
Începem cu C:
C
/ \
B A
// \ / \\
// T2S T2D \\
____T1_________ T3_____________________
la acelasi nivel
Rezulta un BST echilibrat, de aceeaai adâncime cu arborele initial. Rotatiile sunt duble, în sensul
ca
s-a facut o rotatie simpla B la stânga cu o rotatie simpla A la dreapta.
Operatiile care trebuiesc facute în cazul 1 (rotatie simpla la dreapta):
r  pointer la nodul radacina (A)
a  pointer la radacina
p = lchild(r) b = lchild(a)
lchild(r) = rchild(p) lchild(a) = rchild(b)
rchild(p) = r rchild(b) = a
r=p a=b
_________________________________________________________________________
55
_________________________________________________________________________
Operatiile care trebuiesc facute în cazul 2 (rotatie dubla)
b = lchild(a)
c = rchild(b)
lchild(a) = rchild(c)
rchild(b) = lchild(c)
rchild(c) = a
lchild(c) = b
a=c // se schimba radacina arborelui.
_________________________________________________________________________
56
_________________________________________________________________________
Curs 9
Asadar, în inserarea prin rotatie se obtine un arbore echilibrat cu adâncimea egala cu adâncimea
arborelui de dinainte de inserare. La inserarea unui nod terminal într-un arbore AVL este necesara aplicarea
a cel mult o rotatie asupra unui nod. Trebuie, deci sa gasim nodul asupra caruia trebuie aplicata rotatia.
Reprezentam ramura parcursa de la radacina la nodul inserat:
x  bf = 1
/
y  bf = 0
\
z  bf = - 1 (bf = -2 dupa inserare)
\
w  bf = 0 (bf = 1 dupa inserare)
/
v  bf = 0 (bf = -1 dupa inserare)
\
nodul
inserat
S-a notat pentru fiecare nod bf  balance factor (factor de dezechilibrare):

bf(nod) = depth (lchild (nod))  depth (rchild (nod))
adica este diferenta dintre adâncimea subarborelui stâng si adâncimea subarborelui drept.
Calculam factorii de balansare dupa inserare.
Observatie: Pentru nodul terminal s-a schimbat adâncimea si factorul de balansare; bf = -2 dupa inserare
devine nod dezechilibrat. Trebuie aplicata, deci, echilibrarea.
Definitie:
Se numeste nod critic primul nod cu bf  0 întâlnit la o parcurgere de jos în sus a ramurii care leaga nodul
inserat de radacina.
Observatie: Toate nodurile din ramura care sunt pe nivele inferioare nodului critic vor capata bf = 1 sau
bf = -1.
La nodul critic exista doua situatii:
1. Nodul critic va fi perfect balansat (bf = 0), daca dezechilibrul creat de nodul inserat anuleaza
dezechilibrul initial al nodului. În acest caz nu este nevoie de rotatie (el completeaza un gol în arbore).
2. Factorul de balansare devine bf = 2 sau bf = -2 atunci când nodul inserat mareste dezechilibrul
arborelui (s-a inserat nodul în subarborele cel mai mare). În acest caz, se aplica o rotatie în urma careia
se schimba strucutra subarborelui, astfel încât noua radacina capata bf = 0, conservându-se adâncimea.
Concluzie: Problema conservarii proprietatii de echilibrare a arborelui se rezolva aplicând o rotatie asupra
nodului critic numai atunci când inserarea dezechilibreaza acest nod.
_________________________________________________________________________
57
_________________________________________________________________________
Costul suplimentar care trebuie suportat se materializeaza prin necesitatea ca în fiecare nod sa se
memoreze factorul de dezechilibrare bf. Acesti factori de dezechilibrare vor fi actualizati în urma
operatiilor de rotatie si inserare. Operatia de stergere într-un AVL implica mai multe rotatii, ea nu se
studiaza în acest curs.
Exemplu: Se da arborele cu urmatoarea structura:

55
/ \
20 80
/ \ \
10 35 90
/ /
5 30
Sa se insereze nodurile 15, apoi 7 si sa se echilibreze arborele.

Inseram prima valoare 15. Comparam mai întâi cu 55 : e în stânga lui, s.a.m.d. pâna când gasim
locul ei în pozitia de mai jos. Pentru a doua valoare de inserat, 7, nodul critic este 55. El este dezechilibrat
stânga. Deci, va fi echilibrat la valoarea 2. Este necesara aplicarea unei rotatii asupra radacinii.
55
/ \
20 80
/ \ \
10 35 90
/ \ /
5 15 30
\
7
Facem o identificare cu unul din desenele de echilibrare prezentate în cursul anterior. Se asociaza
nodurile: 55  A
20  B etc.

20 ----------> noduri implicate
/ \ în
10 55 ------> rotatie
/ \ / \
5 15 35 80
\ / \
7 30 90
În urma unei rotatii simple, factorii de dezechilibru implicati în rotatie devin zero.
Fie o a treia valoare de inserat 3, apoi a patra 9:
Nodul critic pentru 3 este 5, iar pentru 9 este este 10. Dupa rotatia aplicata (T2D, T2S  vizi), rezulta
arborele:
20
/ \
7 55
/ \ / \
5 10 35 80
/ / \ / \
_________________________________________________________________________
58
_________________________________________________________________________
3 9 15 30 90
La rotatia dubla, daca nodul 9 a fost inserat în subarborele T2S,

B are bf = 0 |
A are bf = -1 | exceptie facând nodul C  nodul de inserat
La rotatia dubla, daca nodul 9 a fost inserat în subarborele T2D,
B are bf = 1 |
A are bf = 0 | exceptie facând nodul C  nodul de inserat
Reprezentarea implicita a arborilor binari

În acest mod de reprezentare se reprezinta arborele printr-un tablou. Fie un arbore binar complet:
a
/ \
b c
/
\ / \
d e f g
/ \ / \ / \ / \
h i j k l m n o
care are 4 nivele, deci 24 - 1 = 15 noduri.

Asociem acestui arbore un vector V:
V:
a b c d e f g h i j k l m n o
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
indici
structurat astfel: radacina, nivelul 1 de la stânga la dreapta, nodurile nivelului 2 de la stânga la dreapta, etc,
despartite de linii duble.
Lema
Daca în vectorul V un nod x este reprezentat prin elementul de vector V(i), atunci:
1. left_child(x) este reprezentat în elementul de vector V [2·i];
2. right_child(x) este reprezentat în elementul de vector V [2·i + 1];
3. parent(x) este reprezentat în elementul de vector V [[i/2]]
cu observatia ca paranteza patrata interioara este partea întrega.
Demonstratie:
Se face inductie dupa i:
Pentru i = 1  V[1]  radacina
 V[2]  left_child(rad)
 V[3]  right_child(rad)
Presupunem adevarata lema pentru elementul V[i]  V[2i]  left_child
V[2i + 1]  right_child
Elementul V[i + 1] este nodul urmator (de pe acelsi nivel sau de pe nivelul urmator) într-o parcurgere
binara.
V[i + 1]  left_child în V[2i + 2] = V[2(i + 1)]
right_child în V[2i + 3] = V[2(i + 1) + 1]
_________________________________________________________________________
59
_________________________________________________________________________
Daca avem un arbore binar care nu este complet, reprezentarea lui implicita se obtine
completându-se structura arborelui cu noduri fictive pâna la obtinerea unui arbore binar complet.
Arbori heap (heap  gramada)

Definitie:
Se numeste arbore heap un arbore binar T = (V, E) cu urmatoarele proprietati:
1)  functia key : V  R care asociaza fiecarui nod o cheie.
2)  un nod v  V cu degree(v) > 0 (nu este nod terminal), atunci:
key(v) > key(left_child(v)), daca  left_child(v)
key(v) > key(right_child(v)), daca  right_child(v)
(Pentru fiecare nod din arbore, cheia nodului este mai mare decât cheile descendentilor).
Exemplu: 99
/ \
50 30
/ \ / \
45 20 25 23
Observatie: De obicei functia cheie reprezinta selectia unui subcâmp din câmpul de date memorate în nod.
Aplicatii ale arborilor heap
· Coada cu prioritate;
· Algoritmul Heap_Sort
Arborii heap nu se studiaza complet în acest curs.
_________________________________________________________________________
60
_________________________________________________________________________
Curs 10
Coada cu prioritati
Este o structura de date pentru care sunt definite urmatoarele operatii:

insert (S,a) - insereaza un atom în structura,
remove (S) - extrage din structura atomul cu cheia cea mai mare.
O coada cu prioritati poate fi implementata printr-o lista. Implementarea cozii cu prioritati prin
lista permite definirea operatiilor insert si remove, în cazul cel mai bun, una este de complexitate O(1) si
cealalta este de complexitate O(n).
Implementarea cozii cu prioritati prin heap face o echilibrare cu complexitatea urmatoare: una este
de complexitate 0(log n) si cealalta de complexitate 0(log n).
Operatia de inserare
/ \
heap: / \
/ 50 \
/ / \ \
/ 40 30 \
/ / \ / \ \
/ 33 37 12 2 \
/ / \ / _________\
/ 10 15 7 | 42
-----------------|
Acelasi arbore în reprezentare implicita:
50 40 30 33 37 12 2 10 15 7 42
Operatiile insert si remove pentru arbori heap au o forma foarte simpla când utilizeaza
reprezentarea implicita. Consideram, în continuare, arbori heap în reprezentare implicita.
Exemplu: un arbore cu ultimul nivel având toate nodurile aliniate la stânga:
· Inseram valoarea 42  se adauga nodul la un nivel incomplet;

· În reprezentarea implicita se adauga nodul la sfârsit.
insert:
_________________________________________________________________________
61
_________________________________________________________________________
1) In reprezentarea implicita: V [N + 1] = a
N=N+1
În continuare reorganizam structura arborelui astfel încât sa-si pastreze structura de heap.
2) Se utilizeaza interschimbarile. Comparatii:
Iau 2 indici: child = N si
parent = [N/2]
(în cazul nostru N = 11 si [N/2] = 5)
Comparam V[child] cu V[parent]
Interschimbare daca V[child] nu este mai mic decât V[parent] (se schimba 42 cu 37)
3) Înaintare în sus: child = parent
parent = [child/2]
4) Se reia pasul 2) pâna când nu se mai face interschimbarea.
Structura S este un arbore heap. El se afla în reprezentare implicita în 2 informatii:
V  vector
N  dimensiune
Operatia insert:
insert(V, N, a) // V  vectorul ce contine reprezentarea

// implicita a heapu-lui;
// N  numarul de noduri din heap,
// ambele sunt plasate
// prin referinta (functia insert
// le poate modifica);
// a  atomul de inserat;
{
N = N+1
V[N] = a
child = N
parent = [N/2]
while |¯ parent  1 do
| if key(V [child]) > key(V [parent]) then
| interchange (V [child],V [parent])
| |¯ child = parent
| |_ parent = [child/2]
|_ else break // parasim bucla  parent = 0
}
Operatia remove:
50
/ \
45 43
/ \ / \
33 40 40 20
_________________________________________________________________________
62
_________________________________________________________________________
/ \ / \ \
10 15 7 37 39
· se scoate elementul cel mai mare care este radacina heap-ului; se initializeaza cei 2 indici;
· se reorganizeaza structura arborilor: se ia ultimul nod de pe nivelul incomplet si-l aduc în nodul-
radacina, si aceasta valoare va fi retrogradata pîna când structura heap-ului este realizata.
parent
conditia de heap: / \
lchild rchild
parent = max(parent, lchild, rchild).
Exista trei cazuri:
1. conditia este îndeplinita deodata;
2. max este în stânga  retrogradarea se face în stânga;
3. max este în dreapta  retrogradarea se face în dreapta.
remove(V, N)
{
a= V[1]
N[1]= V[N]
N= N-1
parent= 1
child= 2
while child  N do
|¯ if child+1  N and key(V[child+1]) >
| > key(V[child]) then
| child= child+1
| if key(V[parent]) < key(V[child]) then
| |¯ interchange(V[parent], V[child])
| | parent= child
| |_ child= 2*parent
| else break
|_ return(a)
}
Complexitatea celor doua operatii insert si remove:

În cazul cel mai defavorabil se parcurge o ramura care leaga radacina de un nod terminal. La insert
avem o comparatie, iar la remove avem doua comparatii. Rezulta, complexitatea este data de adâncimea
arborelui. Daca N este numarul de noduri din arbore, 2k  N  2k+1 , si adâncimea arborelui este k+1.
2k - 1 < N  2k+1 - 1  k = [log2N]

| |
| |
| |
_________________________________________________________________________
63
_________________________________________________________________________
nr. de noduri nr. de noduri
ale arborelui ale arborelui
complet de complet de
adâncime k adâncime k+1
k  log2N < k + 1  adâncimea arborelui este k = [log2N].

Deci complexitatea este O(log N).
A doua aplicatie a heap-urilor este algoritmul Heap_Sort.
Algoritmul Heap_Sort
Heap_Sort(V, n)
{
heap_gen(V, n) N = n
for i = n downto 2 step -1 do
|¯ N = i
|_ V[i] = remove(V, N)
}
Aceasta procedura sorteaza un vector V cu N elemente: transforma vectorul V într-un heap si

sorteaza prin extrageri succesive din acel heap.
partea sortata
heap i a vectorului
max min
Procedura Heap_Sort prin inserari repetate
heap_sort
{
N=1 //se considera pentru început un
// heap cu un singur
//element, dupa care toate celelalte
// elemente vor fi
//inserate în acest heap
for i = 2 to n do
insert(V, N, V[i])
}
Studiul complexitatii
Observatii:
· Se fac mai multe operatii insert în heap-uri a caror dimensiune creste de la 1 la N;
· Se fac n-1 opera_ii insert în heap-uri cu dimensiunea N  n
Rezulta complexitatea acestor operatii nu depaseste O(nlog n). Facem un studiu pentru a vedea
daca nu cumva ea este mai mica decât O(nlog n).
Cazul cel mai defavorabil este situatia în care la fiecare inserare se parcurge o ramura completa.
De fiecare data inserarea unui element se face adaugând un nod la ultimul nivel. Pentru nivelul 2 sunt doua
noduri. La inserarea lor se va face cel mult o retrogradare (comparatie).
Pe ultimul exemplu de arbore, avem:
_________________________________________________________________________
64
_________________________________________________________________________
nivelul 2 : 2 noduri 1 comparatie
nivelul : 4 noduri 2 comparatii
nivelul 4 : 8 noduri 3 comparatii
--------------------------------------------------
nivelul i : 2i-1 noduri i-1 comparatii
Considerând un arbore complet (nivel complet)  N = 2k - 1  numarul total de comparatii pentru toate
nodurile este T(n) de la nivelul 2 la nivelul k. Vom calcula:
k
T ( n)   (i  1)  2i 1
i2
k 1
Sa aratam: T (n)   i  21
i 1
cu tehnica T ( n )  2  T ( n )  T ( n) . Asadar:
k 1 k 1 k 1 k 1
T (n)  2   i  2i  i  2i   i  2i 1   i  2i 
i 1 i 1 i 1 i 1
k 1
 1  2  2  2  3  2  ...  ( k  2)  2
2 3 4
 (k  1)  2 k  1  21  2  2 2  3  23  ...  (k  1)  2 k 1 
k 1 k 1
 2  (k  1)  2 k   2i  (k  1)  2 k  2  2 0  21   2i 
i 2 i 0
 (k  1)  2  1  (2  1)  (k  2)  2  2
k k k
Rezulta: T (n)  (k  2)  2 k  2  ( k  2)  ( 2 k  1)  k  2  2  n  (k  2)  k
iar: k  log 2 ( n  1) ,
din n  2k  1
Rezulta: T (n)  n  (log 2 (n  1)  2)  log 2 (n  1)
------------------------
termen dominant
Facându-se majorari, rezulta complexitatea O(nlog n).

Prezentam acum alta strategie de obtinere a heap_gen cu o complexitate mai buna:
Construim heap-ul de jos în sus (de la dreapta spre stânga). Cele mai multe noduri sunt la baza, doar
nodurile din vârf parcurg drumul cel mai lung.
_________________________________________________________________________
65
_________________________________________________________________________
II
noduri terminale
Elementele V[i+1,N] îndeplinesc conditia de structura a heap-ului:

 j >i avem: V[j] > V[2*j] , daca 2*j  N
V[j] > V[2*j +1] , daca 2*j + 1  N
Algoritmul consta în adaugarea elementului V[i] la structura heap-ului. El va fi retrogradat la baza heap-
ului (prelucrare prin retrogradare):
retrogradare(V, N, i)
{
parent = i
child = 2*i // fiu stânga al lui i
while child  N do
|¯ if child+1  N and
| key(V[child+1]) > key(V[child]) then
| child = child+1
| if key(V[parent]) < key(V[child]) then
| |¯ interchange(V[parent], V[child])
| | parent = child
| |_ child = 2*parent
|_ else break
}
În aceasta situatie, vom avea:
heap_gen
{
for i = [N/2] downto 1 step -1 do
retrogradare(V, n, i)
}
Complexitatea acestei operatii

Fie un arbore complet cu n = 2k - 1. Cazul cel mai defavorabil este situatia în care la fiecare
retrogradare se parcurg toate nivelele:
_________________________________________________________________________
66
_________________________________________________________________________
nivel k : nu se fac operatii
nivel k-1 : 2k-2 noduri o operatie de comparatie
nivel k-2 :2 k-3 noduri 2 operatii
------------------------------------------------------------------
nivel i : 2i-1 noduri k-i operatii
-------------------------------------------------------------------
nivel 2 : 21 noduri k-2 operatii
nivel 1 : 20 noduri k-1 operatii
k 1
Se aduna, si rezulta: T ( n)   ( k  i )  2i 1
i 1
Tehnica de calcul este aceeasi: T ( n )  2  T ( n )  T ( n)
k 2 k 2
T (n)   (k  1)  2i   (k  i )  2i 1  (k  1)  21  (k  2)  2 2  (k  3)  23  ...  3  2 k 3  2  2 k  2 
i 1 i 1
k 3 k 3
 (k  1)  20  (k  2)  21  (k  3)  2 2  ...  2  2 k 3  2  2 k  2  (k  1)   21  2 k 1  (k  1)  20   21 
i 1 i 0
k 1 k 2 k 2 k 2
2 2  2  (k  1)  2  (2  1)  k  1  3  2  k 1
k 2
Rezulta: T (n)  3  2  k  1  3  (2  1)  k  1
k
T (n)  3  n  log2 (n  1)  1
-------
termen dominant
Rezulta complexitatea este O(n). Comparând cu varianta anterioara, în aceasta varianta (cu heap-ul
la baza) am câstigat un ordin de complexitate. Rezulta, complexitatea algoritmului Heap_Sort este
determinata de functiile remove ce nu pot fi aduse la mai putin de complexitate O(log n). Rezulta:
Heap_Sort = O(n) + O(n·log n)
---------------
termen ce determina complexitatea
Rezulta complexitatea alg. Heap_Sort = O(n·log n)
_________________________________________________________________________
67
_________________________________________________________________________
Curs 11
Grafuri. Traversari pe grafuri

Definitie:
Fie G = (V, E) o multime, în care V  este o multime de noduri finita, │V│ = n , si E  o multime de
arce,
E = {(i, j), i, j  N }. G se numeste graf, E  VV.
Avem: grafuri orientate în care (i, j)  (j, i)
grafuri neorientate în care (i, j)  E  (j, i)  E
Observatie: Un arbore este un caz particular de graf.
Definitii:
· i se numeste predecesor al lui j;
· j se numeste succesor al lui i;
· (i, j)  este adiacent cu i si j;
· i, j  adiacente;
· Ei = { k, (k, i)  E}  multimea de vecini la intrare;
· E'i = { j, (i, j)  E}  multimea de vecini la iesire;
· Ei  E'i  multimea vecinilor.
grad_intrare(i) = in_degree(i) = │Ei│
grad_ie_ire(i) = out_degree(i) = │ E'i│
Pentru un graf neorientat (G - neorientat), Ei  E'i si degree(i)= │Ei│.
Definitie
Se numeste drum orientat într-un graf de la x la y secventa de noduri D = (i1 = x, i2, ... , in = y),
(ik, ik+1)  E, k  1, n .
Drumul D este neorientat, daca (ik, ik+1)  E sau (ik+1, ik)  E
Definitie
Se numeste graf conex graful pentru care  doua noduri (x, y)  V,  D un drum de la x la y.
Un graf este complet daca fiecare nod este conectat cu oricare din celelalte noduri: E = VV \ {(i, i), i  V}
Definitie
Fie G = (V, E) un graf. Se numeste subgraf al grafului G, un graf G' = (V', E'), astfel încât V' V,
E'  (V'V')  E
Reprezentari
_________________________________________________________________________
68
_________________________________________________________________________
1) Matrice de adiacenta
Fie G = (V, E) ,│V│ = n. Se determina matricea de adiacenta
1 (i , j )  E
astfel: Mn  n , M (i , j ) 
0 (i , j )  E
0 1 1 0 0
0 0 0 0 
1
 
0 0 0 0 0
 
0 1 0 0 1

1 0 0 0 0

Un graf este etichetat daca  o functie definita pe E  R, adica fiecarui arc i se asociaza o valoare.
Astfel de grafuri se reprezinta prin matrici de colectivitate:
0 (i , j ), (i , j )  E
C (i , j ) 
 , (i , j )  E
Complexitate:
O(1), (i, j)  E
O(n), Ei, E'i, indegree(i), outdegree(i)
O(n2), spatiu
1) Liste de adiacenta directa
Definitie
Fie G = (V, E) un graf, │V│ = n , V = {1, 2, ... , n}. Se numeste lista de adiacenta asociata acestui graf o
colectie de n pointeri  (1, 2, ... , n), fiecare pointer continând adresa unei liste dupa regula urmatoare: L(i)
da adresa listei înlantuite care contine toti succesorii lui i.
L(i)  Ei
Exemplu:
1 2 3 0
3 0
2
3 0
2 5 0
4
5 1 0
3) Liste de adiacente inverse

(i,j)  E
O(│E│)  cardinal de E
L'(1, 2, ..., n), L'(i)  E'i
_________________________________________________________________________
69
_________________________________________________________________________
Ei: O(│E│) sau O(maxout_degree)
E'i: O(│E│)
spatiu: O(│E│ + n)
4) Liste de adiacenta dubla

(i,j) , E, (i,j, e(i,j))
Operatii pe grafuri, traversari

La grafuri se folosesc operatii între elemente ((i,j) adiacente, etc), operatii de traversare pe grafuri.
Se numeste traversare pe graf o procedura de traversare, pentru un scop bine definit, prin toate nodurile.
Exista: traversari în adâncime — depth first
traversari în latime — bmedth first
Proceduri:
dfs(G, i) // mark(1... n) initializat cu

// (00 ... 0) — ext
{ // procesare()
procesare(i)
mark(i) = 1
for fiecare k  V cu (i,k)  E
|¯ if mark(k) = 0
|_dfs(k)
}
bfs(G, i)
{ // mark(1... n) initializat cu (0 ... 0)  ext
// o coada q  isempty, a= pop(p), put(q)  ext
procesare(i)
mark(i) = 1
put(q, i)
while(isEmpty(q) = N0)) do
|¯ k = pop(q)
| for fiecare j  V , (k,j)  E
| |¯ if(mark(j)=0)
| | |¯ procesare(j)
| | | mark(j) = 1
|_ |_ |_ put(q,j)
}
1) Matrice adiacenta
dfs(M, i)
{
procesare(i)
mark(i) = 1
for k = 1 to n
|¯ if (M(i,k) = 1)
| |¯ if mark(k) = 0
|_ |_ dfs(k)
}
_________________________________________________________________________
70
_________________________________________________________________________
2) Liste de adiacenta directa
dfs(L, i)
{
procesare(i)
mark(i) = 1
p = P(i)
while p  0
|¯ if mark(data(p))  0
| dfs(data(p))
|_ p = link(p)
}
Arbori de acoperire pe grafuri
Fie G(V, E) un graf.

Se numeste arbore de acoperire un arbore T = (V, E') , cu E'  E
Observatie: Algoritmii dfs, bfs produc arbori de acoperire.
_________________________________________________________________________
71

Structuri de Date Si Algoritmi

Încărcat de

Informații document

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

Structuri de Date Si Algoritmi

Încărcat de

Drepturi de autor:

Formate disponibile

Structuri de date si algortitmi

Facultatea de automatica si calculatoare

STRUCTURI DE DATE SI ALGORITMI

1. E. Horowitz, S. Sahni  "Fundamentals of Computer Algorithms" - 1985

2. E. Horowitz, S. Sahni  "Fundamentals of Data Structurs"

3. Livovschi Georgescu  "Sinteza si analiza algoritmilor"

4. U. Mandber  "Introduction to Algorithms"

5. S. Baase  "Computer Algorithms"

6. M. Shapiro  "Algorithms from P to NP"

7. N. Wirth  "Data Structurs + Algorithms = Programs"

Masina Von Newman - presupune executia pe baza modelului de calcul cu:

Analiza performantelor algoritmului

Etapele de realizare ale unui produs software:

Timpul de executie al algoritmului depinde de:

Estimarea se face pâna la o constanta c.

Spatiul de memorare suplimentar

Structuri de date elementare

De exemplu, pentru tipul int: |--- reprezentare: pe doi octeti: cod

Daca pentru un tip de date nu intereseaza reprezentarea, ci doar operatiile acceptate,înseamna ca

a1 a2 ... ai-1 a ai+1 ... //////

////////////// ////////// //////////

În programe vom utiliza urmatoarele notatii:

Un element de lista va fi o astfel de structura:

Deoarece lucram cu conceptul de lista vom face declaratia :

Operatii primitive pentru liste înlantuite

2.a) Stergerea (stergerea din fata):

Sau, stergerea din fata s-ar mai putea reprezenta astfel:

Varibila q va indica elementul din fata celui care va fi sters.

Operatia de inserare într-o lista înlantuita

Inserarea în fata unui element specificat

Functia înscrie un element în fata altui element dintr-o lista:

// l  lista (pointer la primul element)

Operatia de parcurgere a listei înlantuite

while (p!=0) do |¯ prelucrare (data(p)) // ex:afisarea |

Conditia de stiva vida este: S.sp=0

Functia pop scoate un element din stiva:

Functia isEmpty(S) testeaza conditia stiva vida:

O coada poate fi organizata pe un spatiu de memorare de tip tablou (vector).

Functia get scoate un element din coada si-l returneaza:

Cozi ordonate circulare

int nextPoz(int index)

unde DIMVECTOR este dimensiunea vectorului în care se memoreaza elementele cozii.

Continutul cozii va arata asa:

Conditia "coada vida" ramâne echivalenta cu: head = tail

Coada va fi plina daca: head=1 si tail=DIMVECTOR

sau daca: tail+1 = head

Ambele situatii sunt continute în conditia:

"Coada plina" se realizeaza în 2 situatii:

Este nevoie de doi indicatori (pointeri):

O coada vida va avea: head=tail=nil

· stergere dintr-o coada cu un element:

Functia put insereaza un element în coada, în pozitia fata:

Functia get scoate un element din pozitia fata:

Exista aici un element de redundanta: ar fi convenabil sa nu mai avem spatiu suplimentar de

front(C)  returneaza data(link(C))

La evaluarea (estimarea) algoritmilor se pune în evidenta necesarul de timp si de spatiu de

Studierea complexitatii presupune analiza completa în cadrul algoritmului a urmatoarelor 3 puncte de

Punctul 3 presupune probabilitatea de aparitie a diferitelor configuratii de date la intrare.

Complexitatea unui algoritm se noteaza cu: O(f(n)).

Facându-se majorari în membrul drept, obtinem rezultatul de mai sus:

Concluzie: f = O(nk), si ordinul O exprima viteza de variatie a functiei, functie de argument.

Exemplu: Calcularea maximului unui sir

Exemplu: Insertion Sort (algoritmul de sortare prin inserare)

Bucla cea mai interioara ne da complexitatea algoritmului.