1.

Niech Pn bdzie funkcj tworzc prawdopodobiestwa zmiennej losowej Xn rwnej liczbie operacji dominujcych wykonywanych przez pewien algorytm A dla danych wejciowych rozmiaru n. Wwczas: (a) Pn (1) = 0. (b) E [Xn ] = Pn (1). (c) V ar[Xn ] = Pn (1) + Pn (1) (Pn (1))2 . (d) wraliwo rednia algorytmu A wyraa si wzorem Pn (1). 2. Niech Pn (x) = bdzie funkcj tworzc prawdopodobiestwa zmiennej losowej Xn rwnej liczbie operacji dominujcych wykonywanych przez pewien algorytm B dla danych wejciowych rozmiaru n. Wwczas prawdopodobiestwo tego, e Xn = k jest rwne: (a) (c) (d)
1 ??? ,

gdy k = 0. 4. gdy k = 2. gdy k = 0.

(b) 0, gdy k
??? ??? , ??? ??? ,

3. Jeeli funkcja tworzca prawdopodobiestwa zmiennej losowej Xn rwnej liczbie operacji dominujcych wykonywanych przez pewien algorytm A dla
n

danych wejciowych rozmiaru n jest dana wzorem Pn (X ) =

i=0

?????? ?? ,

to:

(a) E [Xn ] = O(ln n). (b) V ar[Xn ] = O(Hn ). (c) Pn (x) = Pn1 (x) + (d) E [Xn ] = n
3 4 Hn . ?????? ?? .

4. Rozwamy nastpujcy algorytm sortowania przez wstawianie, gdzie a oznacza tablic bdc permutacj zbioru {1, ..., 40}, a[i] = a[j ] dla wszystkich i, j {1, ..., 40}, i = j (przyjmujemy dodatkowo a[0] = min). Mona stwierdzi, e: (a) liczba porwna elementw tablicy a wykonywanych w wierszu 7. przez ten algorytm dla tablicy a = [1, 2, ..., 20, 27, ..., 40, 26] jest rwna 14. (b) liczba porwna elementw tablicy a wykonywanych w wierszu 7. przez ten algorytm dla tablicy a = [1, 2, ..., 20, 27, ..., 40, 26] jest rwna 15. (c) czna liczba porwna elementw tablicy a wykonywanych (w wierszach 7. i 3.) przez ten algorytm dla tablicy a = [1, 2, ..., 20, 27, ..., 40, 26] jest rwna 53. (d) czna liczba porwna elementw tablicy a wykonywanych (w wierszach 7. i 3.) przez ten algorytm dla tablicy a = [1, 2, ..., 20, 27, ..., 40, 26] jest rwna 54. 5. Zoono obliczeniowa algorytmu sortowania przez wstawianie (zob. p.4) sortujcego rosnco tablic wejciow a dugoci n jest rwna: 1

(a) o(n2 ) przy dowolnym uszeregowaniu tablicy wejciowej a. (b) o(n2 ) gdy tablica wejciowa a jest uszeregowana malejco. (c) O(n2 ) przy dowolnym uszeregowaniu tablicy wejciowej a. (d) O(n) gdy tablica wejciowa a jest uszeregowana rosnco. 6. Zamy, e algorytm sortowania szybkiego wykorzystuje procedur Partition do odpowiedniego podziau sortowanej tablicy dugoci n, wykonujc dokadnie n +1 porwna elementw tej tablicy. Niech Xn bdzie zmienn losow rwn liczbie porwna wykonywanych przez algorytm sortowania szybkiego dla tablicy a, a Pn jej funkcj tworzc prawdopodobiestwa. Wwczas: (a) Pn (X ) = xn+1 dla n (b) Pn (X ) =
1 n+1 nx n i=1

1.

Pn1 (x)Pni (x) dla n > 1.

(c) rednia zoono obliczeniowa algorytmu sortowania szybkiego jest tego samego rzdu co jego pesymistyczna zoono. (d) rednia zoono obliczeniowa algorytmu sortowania szybkiego jest tego samego rzdu co jego optymistyczna zoono. 7. Rozwamy losowo skonstruowane drzewo BST powstae przez wstawianie do pocztkowo pustego drzewa kluczy w nastpujcej kolejnoci: 22, 4, 11, 5, 10, 8, 20, 12, 31, 6, 19, 16, 33, 14, 9, 1, 3, 28, 61, 25, 7, 13, 15, 102, 30, 27, [18], 142, 20, 41, 17. Wwczas gboko wza o kluczu 18 jest rwna: (a) 7. (b) 20. (c) 11. (d) 8. 8. Niech T bdzie drzewem poszukiwa binarnych powstaym w wyniku wstawienia n rnych kluczy k1 , ..., kn (w takiej wanie kolejnoci) do pocztkowo pustego drzewa BST. Rozwaamy klucze ki oraz kj , gdzie 1 i < j < n i zakadamy, e: ki = max{ki : 1 Wwczas: (a) wze o kluczu ki jest przodkiem wza o kluczu kj (b) wze o kluczu kj jest przodkiem wza o kluczu ki (c) dla klucza km , gdzie 1 (d) dla klucza km , gdzie 1 m < i, zachodzi rwnowano: km < ki km < kj m < i, zachodzi rwnowano: km > ki km > kj l i oraz ki < kj }

9. Niech dana bdzie tablica A o dugoci n. Wywoanie procedury przywracajcej wasno kopca Heapify(A,3) spowoduje: (a) utworzenie kopca binarnego w poddrzewie zaczepionym w wle 3, gdy A = [20, 1, 13, 16, 12, 10, 14, 8, 7, 6, 5, 4, 15] 2

(b) wykonanie co najmniej O(n) porwna elementw tablicy A. (c) utworzenie kopca binarnego w poddrzewie zaczepionym w wle 3, gdy A = [20, 1, 13, 16, 12, 10, 11, 8, 7, 6, 5, 4] (d) wykonanie co najwyej (ln n) porwna elementw tablicy A. 10. Rozwamy procedur budowania kopca (typu max), z nelementowej tablicy A: Buildheap(A) heap size[A] := n; f or i := length[A]/2 Heapif y (A, i);

downto

Zoono obliczeniowa tego algorytmu jest rwna: (a) (n lg n) (b) (n) (c) (lg n) (d) O(n) 11. W kadym algorytmie sortujcym za pomoc porwna elementw tablicy jest wykonywany (a) co najmniej n lg ncn porwna w przypadku pesymistycznym, gdzie c jest pewn sta dodatni. (b) co najmniej n lg n cn porwna w przypadku rednim, gdzie c jest pewn sta dodatni. (c) co najwyej n porwna w przypadku rednim. (d) co najwyej n lg n porwna w przypadku pesymistycznym. 12. Niech dany bdzie algorytm sortowania przez scalanie sortujcy rosnco dan tablic n-elementow a. Wwczas liczba porwna elementw tablicy wykonywanych przez ten algorytm jest: (a) rwna n lg n, gdy n jest potg liczby 2. (b) O(n2 ), gdy tablica wejciowa jest posortowana malejco. (c) oszacowana asymptotycznie dokadnie przez rozwizanie rekurencji T (n) = 2T (n/2) + n. (d) rwna n lg n + O(n) dla kadego n N \(1) 13. Rozwamy nastpujcy algorytm wyznaczania najwikszego wsplnego dzielnika liczb n i m. KNWD(n, m) Dane wejciowe: m,n (dwie liczby naturalne) Dane wyjciowe: nwd (liczba naturalna) max := A[n] begin 3

a := max(n,m); b := min(n,m); r := 1; (reszta) while r>0 do begin r := a mod b; a := b; b := r; end; nwd := a; end; Wwczas (a) niezmiennikiem ptli while wystpujcej w tym algorytmie jest zdanie NWD(m,n) = NWD(a,b).
2 (m + n), gdzie ak , bk oznaczaj wartoci liczb odpo(b) ak + bk 3 wiednio a i b po k -tym przebiegu ptli while. k

(c) liczba przebiegw ptli while wystpujcej w tym algorytmie jest rwna (m + n) (d) liczba przebiegw ptli while wystpujcej w tym algorytmie jest rwna (lg(m + n)) 14. Niech dana bdzie nastpujca procedura wyznaczania maksimum tablicy A[1..n] bdcej pewn permutacj elementw zbioru {1, 2, ..., n}, n 3. Wwczas liczba aktualizacji maksimum wykonywanych przez ten algorytm dla permutacji (a) (a1 , ..., an1 , n) jest o 1 wiksza ni dla permutacji (a1 , ..., an1 ) (b) (n, a1 , ..., an ) jest o 1 wiksza ni dla permutacji (a1 , ..., an ) (c) (1, a1 , ..., an ) jest o 1 wiksza ni dla permutacji (a1 , ..., an ) (d) (2, a1 , ..., an ) jest taka sama jak dla permutacji (a1 , ..., an ) 15. Niech Pn oznacza funkcj tworzc prawdopodobiestwa zmiennej losowej Xn rwnej liczbie aktualizacji maksimum (wiersz 5) wykonanych przez algorytm opisany w poprzednim zadaniu, a E [Xn ] wyznacza warto oczekiwan tej zmiennej. Wwczas moemy stwierdzi, e: (a) E [Xn ] = (lg n). (b) wraliwo rednia tego algorytmu jest o(E (Xn )). (c) Pn (x) =
??? n Pn1 (x),

dla n > 1.

(d) prawdopodobiestwo P r(X? 2) = 1 4.