Algoritmos e complexidade Notas de aula - Arquivo Escolar

More documents

Recommendations

Info

4. Algoritmos gulosos 4.1. Introdução (Veja [64, cap. 5.1.3].) Algoritmos gulosos Radix omnium malorum est cupiditas. • Algoritmos gulosos se aplicam a problemas de otimização. • Idéia principal: Decide localmente. • Um algoritmo guloso constrói uma solução de um problema – Começa com uma solução inicial. – Melhora essa solução com uma decisão local (gulosamente!). – Nunca revisa uma decisão. (Seneca) • Por causa da localidade: Algoritmos gulosos freqüentemente são apropriados para processamento online. Trocar moedas Troca mínima Instância Valores (de moedas ou notas) v1 > v2 > · · · > vn = 1, uma soma s. Solução Números c1, . . . , cn tal que s = 1≤i≤n civi Objetivo Minimizar o número de unidades 1≤i≤n ci. 75
Page 1:
Algoritmos e complexidade Notas de
Page 4 and 5:
Conteúdo 5. Programação dinâmic
Page 6 and 7:
Conteúdo 15.Complexidade de circui
Page 9:
Parte I. Análise de algoritmos 7
Page 12 and 13:
1. Introdução e conceitos básico
Page 14 and 15:
Page 16 and 17:
Page 18 and 19:
Page 20 and 21:
Page 22 and 23:
Page 24 and 25:
Page 26 and 27: 1. Introdução e conceitos básico
Page 34 and 35: 2. Análise de complexidade • Par
Page 36 and 37: 2. Análise de complexidade • Uma
Page 38 and 39: 2. Análise de complexidade 1. Atri
Page 40 and 41: 2. Análise de complexidade Exemplo
Page 42 and 43: 2. Análise de complexidade Compone
Page 44 and 45: 2. Análise de complexidade • Qua
Page 46 and 47: 2. Análise de complexidade Algorit
Page 50 and 51: 2. Análise de complexidade Tratabi
Page 52 and 53: 2. Análise de complexidade A compl
Page 54 and 55: 2. Análise de complexidade • Fre
Page 56 and 57: 2. Análise de complexidade Exemplo
Page 58 and 59: 2. Análise de complexidade 1 i f l
Page 60 and 61: 2. Análise de complexidade Novamen
Page 62 and 63: 2. Análise de complexidade Logo te
Page 64 and 65: 2. Análise de complexidade 7 for c
Page 66 and 67: 2. Análise de complexidade Com iss
Page 68 and 69: 2. Análise de complexidade funçã
Page 72 and 73: 2. Análise de complexidade resolve
Page 75: 3. Introdução Resolver problemas
Page 79 and 80: 4.1. Introdução que pode causar u
Page 81 and 82: 4.2. Algoritmos em grafos Uma subes
Page 83 and 84: Prova Resolver AEM 4.2. Algoritmos
Page 85 and 86: Implementação do algoritmo de Pri
Page 87 and 88: Aproximação: Uma idéia 4.3. Algo
Page 89 and 90: Complexidade • Uma implementaçã
Page 91 and 92: Corretude • Com profundidade d o
Page 93 and 94: C • • 0 1 G • 0 1 A T
Page 95 and 96: Algoritmo • 1 • 0 1 fi fj
Page 97 and 98: 5. Programação dinâmica 5.1. Int
Page 99 and 100: 5.1. Introdução f5 f4 f3 f2 f1 f0
Page 101 and 102: 5.2. Comparação de sequências 5.
Page 103 and 104: 8 c[i, j] := c[i − 1, j − 1] +
Page 105 and 106: . B D C A B A . 0 0 0 0 0 0 0 A 0
Page 107 and 108: 1 d i s t â n c i a ( s , t , n ,m
Page 109 and 110: 4 for i := 1, . . . , n do 5 for j
Page 111 and 112: • Temos Mochila máxima (Knapsack
Page 113 and 114: 5.4. Multiplicação de Cadeias de
Page 115 and 116: Algoritmo Print-Parentização Algo
Page 117 and 118: 5.5. Tópicos D n = D ⌈log 2 n⌉
Page 119 and 120: • Uma estrutura de busca eficient
Page 121 and 122: como cM (e, d) = Pr[c = ar] + Pr[c
Page 123: u v w 5.6. Exercícios Figura 5.1.:
Page 126 and 127:
6. Divisão e conquista E estrutura
Page 128 and 129:
6. Divisão e conquista 6.2.1. Mét
Page 130 and 131:
6. Divisão e conquista • Para re
Page 132 and 133:
6. Divisão e conquista uma forma q
Page 134 and 135:
6. Divisão e conquista • Numa á
Page 136 and 137:
6. Divisão e conquista Árvore de
Page 138 and 139:
6. Divisão e conquista Busca Biná
Page 140 and 141:
6. Divisão e conquista Exemplo 6.8
Page 142 and 143:
6. Divisão e conquista para um ɛ
Page 144 and 145:
6. Divisão e conquista e possui so
Page 146 and 147:
6. Divisão e conquista Entrada Med
Page 148 and 149:
6. Divisão e conquista 12 else i f
Page 150 and 151:
6. Divisão e conquista Observaçã
Page 152 and 153:
6. Divisão e conquista Observaçã
Page 155 and 156:
7. Árvores de busca, backtracking
Page 157 and 158:
O problema das n-rainhas 7.1. Backt
Page 159 and 160:
Problema do Caixeiro Viajante 7.1.
Page 161 and 162:
Algoritmo 7.1 (Redução de cobertu
Page 163 and 164:
7.1. Backtracking Figura 7.1.: Cobe
Page 165 and 166:
Conjunto independente máximo Inst
Page 167 and 168:
Algoritmos B&B Algoritmo 7.3 (B&B)
Page 169 and 170:
• um corte por limite em 4; • u
Page 171 and 172:
Objetivo Minimizar o número de cor
Page 173 and 174:
7.2. Branch-and-bound Para um vért
Page 175 and 176:
7.2. Branch-and-bound Instância Um
Page 177 and 178:
7.3. Análisar árvores de busca Fa
Page 179 and 180:
8. Algoritmos de aproximação 8.1.
Page 181 and 182:
O que é “quase”? Aproximação
Page 183 and 184:
ou 0≤i
Page 185 and 186:
• Programação dinâmica • Alg
Page 187 and 188:
Aproximação? • Surpresa: Algori
Page 189 and 190:
Tentativa 2: Modificação 1 K−G
Page 191 and 192:
Aproximação? • Interessante: Pr
Page 193 and 194:
• Taxa de aproximação? ϕPiC(x)
Page 195 and 196:
8.4. Esquemas de aproximação Prov
Page 197:
Parte III. Algoritmos 195
Page 200 and 201:
9. Algoritmos em grafos Figura 9.1.
Page 202 and 203:
9. Algoritmos em grafos s 20 w 30 3
Page 204 and 205:
9. Algoritmos em grafos Lema 9.4 Em
Page 206 and 207:
9. Algoritmos em grafos N s N v u 1
Page 208 and 209:
9. Algoritmos em grafos Ano Referê
Page 210 and 211:
9. Algoritmos em grafos Limites inf
Page 212 and 213:
9. Algoritmos em grafos • Cada cl
Page 214 and 215:
9. Algoritmos em grafos Seqüenciam
Page 216 and 217:
9. Algoritmos em grafos 9.2. Empare
Page 218 and 219:
9. Algoritmos em grafos Formulaçõ
Page 220 and 221:
9. Algoritmos em grafos Figura 9.8.
Page 222 and 223:
9. Algoritmos em grafos Rascunho de
Page 224 and 225:
9. Algoritmos em grafos 2. O iníci
Page 226 and 227:
9. Algoritmos em grafos 28 v := mat
Page 228 and 229:
9. Algoritmos em grafos 5 M := M
Page 230 and 231:
9. Algoritmos em grafos Bi-partido
Page 232 and 233:
10. Algoritmos de aproximação 1 2
Page 234 and 235:
10. Algoritmos de aproximação 2.
Page 236 and 237:
10. Algoritmos de aproximação Fig
Page 238 and 239:
10. Algoritmos de aproximação Alg
Page 241 and 242:
11. Do algoritmo ao problema 11.1.
Page 243 and 244:
Máquina de Turing (MT) Cabeça de
Page 245 and 246:
11.1. Introdução (convenções e
Page 247 and 248:
11.1. Introdução • O poder comp
Page 249 and 250:
11.1. Introdução Máquinas univer
Page 251:
Exemplos de simulação Teorema 11.
Page 254 and 255:
12. Classes de complexidade Observa
Page 256 and 257:
12. Classes de complexidade Hierarq
Page 258 and 259:
12. Classes de complexidade Teorema
Page 261 and 262:
13. Teoria de NP-completude 13.1. C
Page 263 and 264:
13.2. Reduções 1 i f A(x, ɛ) = n
Page 265 and 266:
Teorema 13.3 13.2. Reduções BHALT
Page 267 and 268:
13.2. Reduções Instância Tipos d
Page 269 and 270:
Teorema 13.5 (Cook) SAT é NP-compl
Page 271 and 272:
13.2. Reduções importância. Assi
Page 273:
13.3. Exercícios 13.3. Exercícios
Page 276 and 277:
14. Fora do NP A classe co-NP TAUT
Page 278 and 279:
14. Fora do NP Problemas PSPACE-com
Page 280 and 281:
14. Fora do NP A hierarquia polinom
Page 282 and 283:
14. Fora do NP Mais exemplos da cla
Page 284 and 285:
14. Fora do NP O mundo até ELEMENT
Page 287 and 288:
15. Complexidade de circuitos (As n
Page 289 and 290:
Portanto, a classe SIZE(2n2 n ) con
Page 291 and 292:
Máquinas de Turing com conselho Um
Page 293:
fixando no máximo kd−2 variávei
Page 296 and 297:
A. Conceitos matemáticos Prova. (i
Page 298 and 299:
A. Conceitos matemáticos Os númer
Page 300 and 301:
A. Conceitos matemáticos definiç
Page 302 and 303:
A. Conceitos matemáticos se |x| <
Page 304 and 305:
A. Conceitos matemáticos Indução
Page 306 and 307:
A. Conceitos matemáticos • Linea
Page 309 and 310:
B. Soluções dos exercícios Solu
Page 311 and 312:
3. Temos as equivalências f ≺ g
Page 313 and 314:
isso ela não é válida. Ele tem q
Page 315 and 316:
Cp[Alg3] = Cp[Alg5] = = n i=1 j=i n
Page 317 and 318:
O algoritmo tem complexidade pessim
Page 319 and 320:
Solução do exercício 6.1. 1. T (
Page 321:
custo da árvore T (n) ≤ n 0≤i
Page 324 and 325:
Índice livre de prefixos, 91 cache
Page 326 and 327:
Índice números de Fibonacci, 95 n
Page 329 and 330:
Bibliografia [1] Scott Aaronson.
Page 331 and 332:
Bibliografia [28] Martin Fürer e B
Page 333 and 334:
Bibliografia [57] Salvador Roura.
show all

Algoritmos e complexidade Notas de aula - Arquivo Escolar

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?