1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (24 – Sortieren vorsortierter Daten) Prof. Th. Ottmann.

Slides:



Advertisements
Ähnliche Präsentationen
8. Termin Teil B: Wiederholung Begriffe Baum
Advertisements

DNA-Array oder DNA-Chip
DNA-Array oder DNA-Chip
7.2 B-Bäume / B*-Bäume als Hilfsmittel zur Indexorganisation
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (22 – B-Bäume)
Kapitel 6: Klassifizierung von Sortiertechniken
7. Natürliche Binärbäume
Gewichtsbalancierte Suchbäume
3. Kapitel: Komplexität und Komplexitätsklassen
Kapitel 7. Sortier-Algorithmen
Kapitel 6. Suchverfahren
R. Der - Vorlesung Algorithmen und Datenstrukturen (Magister)
5. Sortier-Algorithmen Vorbemerkungen:
Sortierverfahren Richard Göbel.
Sortierverfahren Richard Göbel.
Suche in Texten: Suffix-Bäume
WS 03/04 Algorithmentheorie 03 - Randomisierung Prof. Dr. S. Albers Prof. Dr. Th. Ottmann.
WS Algorithmentheorie 05 - Treaps Prof. Dr. Th. Ottmann.
Prof. Dr. S. Albers Prof. Dr. Th. Ottmann
1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (02 – Funktionenklassen) Prof. Dr. Th. Ottmann.
Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (23 – Sortieren vorsortierter Daten) Prof. Th. Ottmann.
Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (08 - Einfache Sortierverfahren) Prof. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (10 - Suchverfahren) T. Lauer.
Algorithmen und Datenstrukturen
Halbzeit: Kurze Wiederholung
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (19 - Analyse natürlicher Bäume) Prof. Th. Ottmann.
Sortieren vorsortierter Daten
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (02 – Funktionenklassen) Prof. Dr. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen Halbzeit: Was haben wir bisher gelernt? Prof. Th. Ottmann.
Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27 – Kürzeste Wege) Prof. Th. Ottmann.
1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (23 –Relaxiertes Balanzieren) Prof. Th. Ottmann.
Informatik II, SS 2008 Algorithmen und Datenstrukturen Vorlesung 9 Prof. Dr. Thomas Ottmann Algorithmen & Datenstrukturen, Institut für Informatik Fakultät.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (17 – Bäume: Grundlagen und natürliche Suchbäume) Prof. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (21 - AVL-Bäume: Entfernen, Bruder-Bäume) Prof. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen 09 - Weitere Sortierverfahren Heapsort-Nachtrag Prof. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (18 - Bäume: Durchlaufreihenfolgen, Analyse nat. Bäume) Prof. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (20 - Balancierte Bäume, AVL-Bäume) Prof. Th. Ottmann.
1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (11-3 –Selbstanordnende lineare Listen) Prof. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (11-1 –Selbstanordnende lineare Listen) Prof. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27-Selbstanordnende lineare Listen) Prof. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (12 – Dynamische Tabellen) Prof. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (14 Amortisierte worst-case-Analyse Beispiel: Bitwechselkosten eines Dualzählers) Prof. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (20 - AVL-Bäume: Entfernen, Bruder-Bäume) Prof. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (07 - Skiplisten) Prof. Th. Ottmann.
Algorithmentheorie 12 – Spannende Bäume minimalen Gewichts
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (09 - Weitere Sortierverfahren) Prof. Th. Ottmann.
Informatik II, SS 2008 Algorithmen und Datenstrukturen Vorlesung 16 Prof. Dr. Thomas Ottmann Algorithmen & Datenstrukturen, Institut für Informatik Fakultät.
Algorithmen und Datenstrukturen
WS Prof. Dr. Th. Ottmann Algorithmentheorie 09 - Suche in Texten Suffix - Bäume.
WS03/041 Binomial Queues Prof. Dr. S. Albers Prof.Dr.Th Ottmann.
Friedhelm Meyer auf der Heide 1 HEINZ NIXDORF INSTITUTE University of Paderborn Algorithms and Complexity Algorithmen und Komplexität Teil 1: Grundlegende.
Minimum Spanning Tree: MST
Vortrag: Ingo Gensch, Mathias Reich am:
LS 2 / Informatik Datenstrukturen, Algorithmen und Programmierung 2 (DAP2)
4 Sortierverfahren 4.1 Einführung 4.2 Naive Sortierverfahren
2. Die rekursive Datenstruktur Baum 2
Sortieralgorithmen Sortieren von Arrays.
Hartmut Klauck Universität Frankfurt SS
Algorithm Engineering Schnelles Sortieren Stefan Edelkamp.
Graphen und Bäume.
Kapitel 6: Suchbäume und weitere Sortierverfahren
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation II 6. Sem. Vorlesung April 2000 AVL-Bäume.
Binärbäume.
Vorlesung AVL-Bäume/Algorithmen-
Vorlesung AVL-Bäume/Algorithmen-
Laufzeitverhalten beim Sortieren
2. Die rekursive Datenstruktur Baum 2.1 Von der Liste zum Baum
 Präsentation transkript:

1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (24 – Sortieren vorsortierter Daten) Prof. Th. Ottmann

2 Untere Schranke für allgemeine Sortierverfahren Satz Zum Sortieren einer Folge von n Schlüsseln mit einem allgemeinen Sortierverfahren sind im Worst-case ebenso wie im Mittel wenigstens Vergleichsoperationen zwischen zwei Schlüsseln erforderlich. Modellierung von allgemeinen Sortierverfahren: Mit Hilfe von Entscheidungsbäumen.

3 Entscheidungsbäume Für jede der n! Permutationen ein Blatt Innere Knoten repräsentieren eine Vergleichsoperation und haben zwei Söhne Weg W von der Wurzel zu einem Blatt v : Die Vergleiche an den Knoten von W identifizieren die Permutation von v, entsprechen den von A durchgeführten Vergleichen, falls die Eingabe ist Beispiel: Sortieren durch Einfügen für Folge F = von 4 Schlüsseln Gegeben ein allgemeines Sortierverfahren A: Entscheidungsbaum T A,n zur Modellierung des Ablaufs von A auf Folgen der Länge n enthält:

4 1:2 1:3 2:4 2: :4 1: : :4 1: : :4 3: :3 1:4 1: :4 2: : :4 2: : :4 3: Beispiel eines Entscheidungsbaums

5 Vorsortierungsmaß, Inversionszahl Spezielle Eingaben treten häufiger auf, Daten sind vorsortiert Vorsortierungsmaße für eine Folge F Anzahl der Inversionen Beispiel: Beispiel: n/2+1,…,n,1,…,n/2 F aufsteigend sortiert: F absteigend sortiert: inv mißt die globale Vorsortierung

6 Anzahl aufsteigend sortierter Teilfolgen = Anzahl aufsteigend sortierter Teilfolgen Beispiel: F: F aufsteigend sortiert: F absteigend sortiert: runs mißt die lokale Vorsortierung

7 Längste aufsteigende Teilfolge las(F) = Länge der longest ascending sub-sequence(F) = Beispiel: F : 15, 2, 43, 17, 4, 8, 47 las(F)= rem(F) = n – las(F) F aufsteigend: rem(F) = 0 absteigend: rem(F) = n - 1

8 Optimale Nutzung der Vorsortierung Gegeben sei ein Vorsortierungsmaß m Frage: Was ist ein m -optimales, allgemeines Sortierverfahren? Ziel: Für jeden Wert m 0 von m soll nur die für Folgen dieses Vorsortiertheitsgrades nötige Schrittzahl verwendet werden. Untere Schranke für Anzahl der nötigen Schlüsselvergleiche ? Anzahl der Blätter im Entscheidungsbaum mit

9 Optimale Nutzung der Vorsortierung Definition: Ein Sortierverfahren A heißt m -optimal, falls es eine Konstante c gibt, so dass für alle n und alle Folgen F mit Länge n die Zeit T A (F) zum Sortieren von F mit A wie folgt beschränkt ist:

10 Adaptives Sortieren Nutzung von Bruder Bäumen zur Implementation von A-Sort (Adaptives Sortieren zum Sortieren vorsortierter Daten).