Método Guloso. Troco mínimo. Paulo Eustáquio Duarte Pinto (pauloedp arroba ime.uerj.br) junho/2012. Troco mínimo. Troco mínimo
|
|
- Fernando Santarém Galindo
- 6 Há anos
- Visualizações:
Transcrição
1 Notas de aula da disciplina IME - ALGORITMOS E ESTRUTURAS DE DADOS II Paulo Eustáquio Duarte Pinto (pauloedp arroba ime.uerj.br) Troco mínimo Dados os tipos de moedas de um país, determinar o número mínimo de moedas para dar um troco de valor n. M = {,,,,, } n = O número mínimo de moedas é : T() = + T( - ) = + + T( - ) = + + T( - ) = + T() = junho/ Basta, a cada passo, usar a moeda maior valor possível. de Troco mínimo Mas... nem sempre essa estratégia funciona! M = {,,,,, } n = Usando a estratégia anterior: T() = + T( - ) = + + T( - ) = + + T( - ) = + + T( - ) = + T() = Troco mínimo Quando o método guloso funciona, o algoritmo é, em geral, eficiente. Figurativamente, a solução gulosa consiste em, a cada passo, escolher o melhor pedaço possível e não se arrepender. Para saber se o guloso funciona, é necessário PROVAR que o algoritmo resolve o problema. O resultado é ERRADO, pois é possível dar um troco usando moedas de. Porque o método funciona com as moedas brasileiras? M = {,,,,, }. A tabela abaixo mostra o máximo de moedas de cada tipo usado em um troco mínimo, pois, para cada aumento nesses valores, existe outra opção com menos moedas. Adicionalmente, não se pode usar simultâneamente moedas de e de. () () () () () (). O valor máximo conseguido com as moedas tipos a é. Logo, qualquer troco x > usa tantas moedas de quanto necessário, transformando o problema para um troco y = x - * x/ <.. O valor máximo conseguido com as moedas tipos a é. Logo, qualquer troco x, > x >, usa moeda de, transformando o problema para um troco y = x - <. Porque o método funciona com as moedas brasileiras? M = {,,,,, }. O valor máximo conseguido com as moedas tipos a é. Logo, qualquer troco x, > x >, usa moeda de, transformando o problema para um troco y = x - <.. O valor máximo conseguido com as moedas tipos e é. Logo, qualquer troco x, > x >, usa ou moedas de, transformando o problema para um troco y = x - * x/ <.. O valor máximo conseguido com as moedas do tipo é. Logo, todo valor x, > x > usa moeda de. Conclusão: o troco mínimo obtido pelas considerações anteriores é exatamente aquele obtifo vom o algoritmo guloso. Logo, o método guloso funciona corretamente para esse conjunto de moedas.
2 Troco mínimo - Conjunto Guloso de Moedas Teorema : (Cowen, Cowen & Steinberg) "Suponha que C = {a, a,...a k } seja um conjunto de moedas guloso e seja C ={a, a,...a k, a k+ } e m = a k+ /a k. Então C é guloso sse G(C,m.a k ) m". Obs: ) G(C,m) é o número mínimo de moedas para um troco n, usando C. ) O conjunto C = {} é guloso, pois só gera uma solução. ) Os demais conjuntos são gulosos, pois: C = {,} m = e G(C,) =. C = {,,} m = e G(C,) =. C = {,,,} m = e G(C,) =. C = {,,,,}, m = e G(C,) =. C = {,,,,,}, m = e G(C,) =. Troco mínimo No segundo exemplo, a solução é por PD: M = {,,,,, } n = T() = min(t(-), T(-), T(-))+ () O objetivo da compactação de dados é diminuir o tamanho de uma mensagem codificada. Normalmente os métodos de compactação de dados usam códigos de tamanho variável, para atribuir códigos pequenos para símbolos frequentes e códigos maiores para símbolos raros. A vantagem de um código prefixos é que não existe ambiguidade na decodificação de dados. O código de Huffman é um código ótimo de prefixos de tamanho variável, que utiliza uma árvore na criação do código e na decodificação. Ex: a = ; b = ; c = ; abcbbac é codificado como Árvore de Huffman a b c Cria um código de prefixos de tamanho variável, usando um algoritmo gulosocom complexidade O(n. log n). Árvores de Huffman: árvores estritamente binárias enraizadas, com as codificações nas folhas, usadas na compactação e na descompactação. Algoritmo de Huffman: inicia com uma floresta de folhas, correspondentes aos símbolos e aglutina, sucessivamente, subárvores com soma total de frequências mínima. {(a, ), (b, ), (c, ), (d, ), (e, ) } Símbolo/Freq. Codificação (a, ) (b, ) (c, ) (d, ) (e, ) Árvore de Huffman e d c a b Passo Passo a / b / c / d / e / a / b / c / d / e /
3 {(a, ), (b, ), (c, ), (d, ), (e, ) } {(a, ), (b, ), (c, ), (d, ), (e, ) } Passo a / b / c / d / e / Passo Final a / Passo a / b / c / d / e / b / c / d / e / Tamanho médio do codificação: = Σ d i f i / Σf i = (x+x+x+x+x)/ =. Criar a árvore de Huffman para a seguinte situação: (a, ) (b, ) (c, ) (d, ) (e, ) (f, ) Calcular o tamanho médio da codificação. Idéia do algoritmo: criar a árvore com o auxílio de um Heap Algoritmo: CriaFolhas; CriaHeap (H); Para i de a n-: p H[].arv; Troca(, n-i+); DesceHeap(, n-i); q H[].arv; Aloca(r); r.le p; r.ld q; r.f p.f + q.f; H[].arv r; DesceHeap(, n-i); T H[].arv; Complexidade: O(n.log n) Correção do Algoritmo Lema: Para qualquer árvore de Huffman ótima existe outra árvore equivalente onde os símbolos de menor frequência são irmãos. Teorema: O algoritmo de Huffman é correto. Correção do Algoritmo Teorema: O algoritmo de Huffman é correto. Prova: Indução em n (número de símbolos). Seja T H uma árvore de Huffman e T O uma árvore ótima. Em T H, os símbolos de menor frequência, f e f são irmãos. Caso em T O esses símbolos não sejam irmãos, podemos remanejar para que sejam. Consideremos, respectivamente, as árvores T H ' e T O para n- símbolos onde os dois símbolos de menor frequência foram fundidos. Por hipótese, T O e T O são ótimas. Seria absurdo termos c(t O ) > c(t O ) + f + f, pois poderíamos construir, a partir de T O, uma árvore para n símbolos com custo menor que o de T O. De forma análoga, seria absurdo c(t O ) < c(t O ) + f +f, pois agora T O é que não seria ótima. Portanto, c(t O ) = c(t O )+f +f. Mas c(t H ) = c(t H )+f +f, por construção. Segue-se que c(t H ) = c(t O ) e, portanto, T H também é ótima. Logo, o algoritmo é correto.
4 Situação do heap na execução de Huffman {(a, ), (b, ), (c, ), (d, ), (e, ) } Situação do heap na execução de Huffman b) Passos para fusão das subárvores: b.) Primeira fusão: retira o menor: a) Criação do Heap, usando DesceHeap: b.) Primeira fusão: substitui o segundo menor pela soma + : Situação do heap na execução de Huffman b.) Segunda fusão: retira o menor: b.) Segunda fusão: substitui o segundo menor pela soma +: Situação do heap na execução de Huffman b.) Terceira fusão: retira o menor: b.) Terceira fusão: substitui o segundo menor pela soma + : b.) Última fusão: retira o menor: b.) Última fusão: substitui o segundo menor pela soma +: Outro algoritmo, quando os dados já estão ordenados Usa duas filas Q e Q: Algoritmo: Esvazia filas; Cria raízes para símbolos e enfila em Q; Enquanto (filas não vazias); Se Q vazia e Q só tem um elemento, termina. Senão Obtem subárvores a e a de Q e Q com menores frequências. Desenfila a e a. Junta a = a + a; Enfila a em Q; Fe; A raiz da árvore está no começo de Q. Merge ótimo Dados n arquivos com tamanhos t, t... t n, determinar a sequência ótima (menor número de operações) de merge dos mesmos, para transformar em único arquivo. {,,,, } Fazendo merges da esquerda para a direita: T(n) =(+)+(+)+(+)+(+)= Fazendo merges da direita para a esquerda: T(n) =(+)+(+)+(+)+(+)= A solução ótima requer operações apenas!
5 Merge ótimo Merge ótimo: algoritmo e prova análogos a Huffman {,,,, } Merge ótimo {,,,, } Passo Passo Passo Passo Merge ótimo {,,,, } Merge ótimo Passo Custo do merge ótimo: = (+)+(+)+(+)+(+) = Calcular a melhor e a pior maneira de fazer o merge dos arquivos de tamanho: Calcular o número de operações em cada caso. Seleção de s Dadas n tarefas com datas de início e fim (c, f ), (c, f ),... (c n, f n ), determinar o máximo de tarefas que podem ser executadas por processador. { (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, )} Seleção de s Algoritmo: ordenar as tarefas por data de fim e selecionar, gulosamente, tal que cada tarefa em avaliação não conflite com o conjunto já escolhido { (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, )} A solução ótima é selecionar tarefas! Uma solução ótima é: (, ), (, ), (, ) e (, )
6 Seleção de s Algoritmo: Ordenar tarefas por data fim; S T[]; r T[].f; Para i de a n: Se (T[i].c > r) Então S S + T[i]; r T[i].f; Complexidade: O(n.log n) Correção do Algoritmo Teorema: O algoritmo de Seleção de s é correto. Prova: Seja S o conjunto encontrado pelo algoritmo e So um conjunto ótimo, ambos ordenados por data de fim. Seja j o primeiro índice tal que as tarefas dos conjuntos sejam diferentes. Então podemos substituir a tarefa to j de So pela t j de S. Podemos fazer isso sucessivamente. Ao final não poderá sobrar nenhuma tarefa em So, pois o algoritmo teria selecionado essa tarefa. Logo, os dois conjuntos têm o mesmo número de elementos e, portanto, S também é ótimo. Dados dois pontos a e b e n segmentos com extremos (c, f ), (c, f ),... (c n, f n ), determinar o número mínimo de segmentos que cobre o intervalo (a, b). a =, b = { (, ), (,), (, ), (, ), (, ), (, ), (,), (, )} Escrever um algoritmo para determinar se o conjunto de n segmentos S = {(c, f ),...(c n,f n )} cobre ou não o intervalo (a, b). A cobertura mínima é de segmentos! Solução: VerificaCobertura; Ordenar S por c i ; p a; cobre V; Para i de a n: Se (p < b) Então Se (c i > p) Então cobre F Senão Se (f i > p) Então p f i ; Se (p < b) Então cobre F Retornar cobre; a=, b= (S = {(,), (,), (,), (,), (,),(,), (,), (,),(,),(,),(,)} Ordenando: (S'= {(,),(,), (,), (,), (,), (,), (,), (,), (,), (,),(,)} i c i f i p cobre
7 Determinação da cobertura, supondo-se que o conjunto de segmentos cobre o intervalo dado. Idéia do Algoritmo: Supõe-se que o conjunto de segmentos S cobre o intervalo (a, b) dado (ver exercício). Ordena-se S pelos começos dos segmentos e, para pontos de referência, definidos em ordem crescente, seleciona-se os segmentos que cobrem esses pontos e têm o maior extremo direito. Inicialmente o ponto de referência é a. Cada vez que se escolhe um segmento e acrescenta-se ao conjunto solução R, muda-se o ponto de referência para o final do segmento escolhido. O algoritmo pára quando o ponto de referência é b. Determinação da cobertura, supondo-se que o conjunto de segmentos cobre o intervalo dado. CoberturaMinima; Ordenar S por c i ; R Ø; c -; f -; c n+ ; f n+ ; p a; q ; Para i de a n+: Se (c i > p) Então R R + (c q,f q ); p f q ; q i; Se (p b) Então Sair do loop; Senão Se (f i > f q ) Então q i; Imprimir R; Preencher a tabela de atribuição de valores às variáveis do algoritmo de Cobertura Mínima para os segmentos: (S = {(,), (,), (,), (,), (,),(,), (,), (,),(,),(,),(,)} a=, b= i. c i - f i p - q R Demonstrar a corretude do algoritmo de cobertura mínima de segmentos.. Sequenciamento de s com receita máxima Dadas n tarefas unitárias com datas limite de fim e receitas dadas, (l, r ), (l, r ),... (l n, r n ), determinar a receita máxima que se pode ter, sabendo-se que a receita de uma tarefa só é considerada se ela for realizada dentro do tempo limite. A receita ótima é! T T T T T T l i r i Sequenciamento de s com receita máxima Algoritmo: ordenar as tarefas, de forma decrescente por receita e selecionar, gulosamente, tal que cada tarefa em avaliação não conflite com o conjunto já escolhido. Seleciona T T T T T T T l i r i T l i r i
8 Sequenciamento de s com receita máxima Seleciona T Descarta T Seleciona T Seleciona T Descarta T T T T T T T l i r i T T l i r i T T T l i r i T T T T l i r i Receita máxima = +++= Sequenciamento de s com receita máxima Algoritmo: Complexidade: O(n ) Ordenar tarefas por receita; S ; Para i de a n: Se (ViavelIncluir (S, T[i]) Então Incluir (S, T[i]); Incluir (S, T): inclui ordenadamente por l. ViavelIncluir (S, T): verdadeiro se, à direita do ponto de inclusão nenhuma tarefa T i está em posição j = l i. Correção do Algoritmo Sequenciamento de s com receita máxima Teorema: O algoritmo de Sequenciamento... é correto. Prova: Seja S o conjunto encontrado pelo algoritmo e So um conjunto ótimo, ambos ordenados por data limite. Podemos remanejar as tarefas comuns tal que fiquem em mesma posição nos dois conjuntos. Seja t i a tarefa de receita máxima de S que não está em So. Podemos substituir to i por t i, em So. Ao final do processo, S So. Mas não podemos ter S So nem So S. Portanto S = So, ou seja, S é ótimo. Logo, o algoritmo é correto. Sequenciamento de s com receita máxima Indicar o sequenciamento e a receita ótima para as tarefas: T T T T T l i r i T T T T T Sequenciamento de s com receita máxima Indicar o sequenciamento e a receita ótima para as tarefas: Solução: T T T T T l i r i T Receita máxima = +++++= Sequenciamento de s c/ penalidade mínima Dadas n tarefas unitárias com datas limite de fim e penalidades dadas, (l, p ), (l, p ),... (l n, p n ), determinar a penalidade mínima para realizar todas as tarefas, sabendo-se que a penalidade se aplica quando a tarefa é realizada após o tempo limite. T T T T T T l i p i
9 Sequenciamento de s c/ receita máxima () Dadas n tarefas unitárias com datas limite de fim, receitas e penalidades dadas, (l, r, p ), (l, r, p ),... (l n, r n, p n ), determinar a receita máxima para realizar todas as tarefas, sabendo-se que a penalidade se aplica quando a tarefa é realizada após o tempo limite. l i r i p i T T T T T T Sequenciamento de s c/ penalidade mínima () Dadas n tarefas unitárias com datas limite de fim e penalidades dadas, (l, p ), (l, p ),... (l n, p n ), determinar a penalidade mínima para realizar todas as tarefas, sabendo-se que a penalidade se aplica quando a tarefa é realizada após o tempo limite, diariamente. T T T T T T l i p i Escrever algoritmos para os seguintes problemas Problema : Travessia Tem-se n pessoas para atravessar uma ponte, numa noite escura, e uma única lanterna. No máximo duas pessoas podem atravessar de cada vez. São dados os tempos de travessia de cada um. Qual o tempo mínimo total de travessia? Ex: n= tempos:,,, tempo mínimo =. FIM Problema : Cortes quadrados Tem-se uma chapa retangular de dimensões inteiras p x q e quer-se transformar esse retângulo no mínimo de quadrados, fazendo-se sempre cortes em toda a extensão da chapa. Qual o mínimo de quadrados? Ex: corte de uma chapa x :
Compactação de Dados. Fonte de consulta: Szwarcfiter, J.; Markezon, L. Estruturas de Dados e seus Algoritmos, 3a. ed. LTC. Seção 12.5 em diante.
Compactação de Dados Fonte de consulta: Szwarcfiter, J.; Markezon, L. Estruturas de Dados e seus Algoritmos, 3a. ed. LTC. Seção 12.5 em diante. Compactação de Dados } Armazenar arquivos grandes (backup)
Leia maisIntrodução à Análise Algoritmos
Introdução à Análise Algoritmos Notas de aula da disciplina IME 4-182 Estruturas de Dados I Paulo Eustáquio Duarte Pinto (pauloedp arroba ime.uerj.br) abril/218 Ordenação por SELEÇÃO: Idéia: Dado um vetor
Leia mais4 C odigos de Huffman 4.1 Arvores de c odigo folhas os internos n ıvel altura Arvore bin aria arvore bin aria ordenada
4 Códigos de Huffman 4.1 Árvores de código Numa árvore qualquer, os nós que não têm filhos são chamados de folhas e os demais nós são chamados de nós internos. Se um nó de uma árvore é filho de outro,
Leia maisÁrvores. Thiago Martins, Fabio Gagliardi Cozman. PMR2300 / PMR3201 Escola Politécnica da Universidade de São Paulo
PMR2300 / PMR3201 Escola Politécnica da Universidade de São Paulo Árvore: estrutura composta por nós e arestas entre nós. As arestas são direcionadas ( setas ) e: um nó (e apenas um) é a raiz; todo nó
Leia maisCompactação de Dados Letícia Rodrigues Bueno
Compactação de Dados Letícia Rodrigues Bueno UFABC Compactação de Dados: Introdução Objetivo: Compactação de Dados: Introdução Compactação de Dados: Introdução Objetivo: 1. minimizar espaço de memória
Leia maisÁrvores. Fabio Gagliardi Cozman. PMR2300 Escola Politécnica da Universidade de São Paulo
PMR2300 Escola Politécnica da Universidade de São Paulo Árvore: estrutura composta por nós e arestas entre nós. As arestas são direcionadas ( setas ) e: um nó (e apenas um) é a raiz; todo nó (exceto a
Leia maisÁrvores. Thiago Martins, Fabio Gagliardi Cozman. PMR2300 / PMR3201 Escola Politécnica da Universidade de São Paulo
PMR2300 / PMR3201 Escola Politécnica da Universidade de São Paulo Árvore: estrutura composta por nós e arestas entre nós. As arestas são direcionadas ( setas ) e: um nó (e apenas um) é a raiz; todo nó
Leia maisAlgoritmos Greedy. Pedro Ribeiro 2014/2015 DCC/FCUP. Pedro Ribeiro (DCC/FCUP) Algoritmos Greedy 2014/ / 40
Algoritmos Greedy Pedro Ribeiro DCC/FCUP 2014/2015 Pedro Ribeiro (DCC/FCUP) Algoritmos Greedy 2014/2015 1 / 40 Algoritmos Greedy Vamos falar de algoritmos greedy. Em português são conhecidos como: Algoritmos
Leia maisAula 20: Árvores Binárias de Busca. Algoritmos de busca e inserção
0.1 Aula 0: Árvores Binárias de Busca Conceitos básicos Algoritmos de busca e inserção Caminhos externo e interno 0. Problema de busca s i = chave S = { s 1,..., s n }, s 1
Leia maisProblema da Árvore Geradora Mínima (The Minimum Spanning Tree Problem-MST)
Volmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 45 Problema da Árvore Geradora Mínima (The Minimum Spanning Tree Problem-MST) Alguns problemas de otimização combinatória podem ser formulados
Leia maisCodificação de Huffman
Codificação de Huffman Bruna Gregory Palm 11 de setembro de 2017 A codificação de Huffman é um método de compressão que considera as probabilidades de ocorrência de cada símbolo no conjunto de dados a
Leia maisEstruturas de Dados 2
Estruturas de Dados 2 IF64C Estruturas de Dados 2 Engenharia da Computação Prof. João Alberto Fabro - Slide 1/34 Introdução Técnica de Projeto de Algoritmos utilizada para Problemas de Otimização; Idéia:
Leia maisOrdenação e Busca em Arquivos
Ordenação e Busca em Arquivos Cristina D. A. Ciferri Thiago A. S. Pardo Leandro C. Cintra M.C.F. de Oliveira Moacir Ponti Jr. Exemplos de Busca Registros de tamanho fixo M A R I A R U A b 1 S A O b C A
Leia maisAlgoritmos de Ordenação. Profº Carlos Alberto T. Batista
Algoritmos de Ordenação Profº Carlos Alberto T. Batista E-mail: carlos.batista@facape.br carlos36_batista@yahoo.com.br Por que ordenar os dados? Encontrar elementos em uma lista torna-se algo simples e
Leia maisPré-Processamento de Documentos
Pré-Processamento de Documentos Introdução Pré-Processamento : Análise léxica; Stopwords; Stemming; Vocabulário; Thesaurus Compressão: Fundamentos; Método Estatístico; Método Dicionário; Arquivos Invertidos
Leia maisCIC 110 Análise e Projeto de Algoritmos I
CIC 110 Análise e Projeto de Algoritmos I Prof. Roberto Affonso da Costa Junior Universidade Federal de Itajubá Algoritmos Gulosos AULA 06 Algoritmos Gulosos Um algoritmo guloso constrói uma solução para
Leia maisAnálise e Complexidade de Algoritmos
Análise e Complexidade de Algoritmos Professor Ariel da Silva Dias Algoritmos Divisão e Conquista Construção incremental Resolver o problema para um sub-conjunto dos elementos de entrada; Então, adicionar
Leia maisEstruturas de Dados 2
Estruturas de Dados 2 Técnicas de Projeto de Algoritmos Dividir e Conquistar IF64C Estruturas de Dados 2 Engenharia da Computação Prof. João Alberto Fabro - Slide 1/83 Projeto de Algoritmos por Divisão
Leia maisCapítulo 9: Linguagens sensíveis ao contexto e autômatos linearmente limitados.
Capítulo 9: Linguagens sensíveis ao contexto e autômatos linearmente limitados. José Lucas Rangel 9.1 - Introdução. Como já vimos anteriormente, a classe das linguagens sensíveis ao contexto (lsc) é uma
Leia maisESTRUTURA DE DADOS E ALGORITMOS. Árvores Binárias de Busca. Cristina Boeres
ESTRUTURA DE DADOS E ALGORITMOS Árvores Binárias de Busca Cristina Boeres Árvore Binária de Busca 30! construída de tal forma que, para cada nó: nós com chaves menores estão na sub-árvore esquerda nós
Leia maisIndução Matemática. George Darmiton da Cunha Cavalcanti CIn - UFPE
Indução Matemática George Darmiton da Cunha Cavalcanti CIn - UFPE Introdução Qual é a fórmula para a soma dos primeiros n inteiros ímpares positivos? Observando os resultados para um n pequeno, encontra-se
Leia mais2 Erro comum da indução. 3 Corretude de Algoritmos. > Indução Forte X Indução Fraca Erro comum da indução Corretude de Algoritmos 0/17
Conteúdo 1 Indução Forte X Indução Fraca 2 Erro comum da indução 3 Corretude de Algoritmos > Indução Forte X Indução Fraca Erro comum da indução Corretude de Algoritmos 0/17 Indução Forte X Indução Fraca
Leia maisProcessamento Cosequencial: Ordenação Interna e Externa. Thiago A. S. Pardo Leandro C. Cintra M.C.F. de Oliveira Cristina D. A.
Processamento Cosequencial: Ordenação Interna e Externa Thiago A. S. Pardo Leandro C. Cintra M.C.F. de Oliveira Cristina D. A. Ciferri Ordenação em RAM Situação: arquivo cabe em RAM Etapas leitura de todos
Leia maisCompressão Sem Perdas: Codificações Huffman e Aritmética. Adelar da Silva Queiróz Marcelo Teixeira Thiago da Silva Sodré
Compressão Sem Perdas: Codificações Huffman e Aritmética Adelar da Silva Queiróz Marcelo Teixeira Thiago da Silva Sodré Compressão Sem Perdas (Lossless Data Compression) Refere-se a métodos de compressão
Leia maisAula 19: Percursos em árvores binárias. Percurso em pré-ordem, ordem simétrica e pós-ordem. Algoritmo para cálculo de altura uma árvore binária
19.1 ula 19: Percursos em árvores binárias Percurso em pré-ordem, ordem simétrica e pós-ordem lgoritmo para cálculo de altura uma árvore binária omplexidade dos métodos 19.2 ula 19: Percursos em árvores
Leia maisSM - Sistemas Multimédia CODIFICAÇÃO DE FONTE (parte 2) 4.º / 6.º semestre LEIC (verão 2016/2017)
SM - Sistemas Multimédia CODIFICAÇÃO DE FONTE (parte 2) 4.º / 6.º semestre LEIC (verão 2016/2017) Tópicos Propriedades dos códigos de fonte Código ótimo e código ideal Singularidade, descodificação única,
Leia maisTipos de códigos de fonte
Tipos de códigos de fonte Luis Henrique Assumpção Lolis 13 de setembro de 2013 Luis Henrique Assumpção Lolis Tipos de códigos de fonte 1 Conteúdo 1 Código de prefixo 2 Código de Fano 3 Código de Huffman
Leia maisAlgoritmos gulosos (greedy) CLRS
Algoritmos gulosos (greedy) CLRS 16.3-16.5 Problema de escalonamento Considere n tarefas indicadas pelos números 1,..., n Problema de escalonamento Considere n tarefas indicadas pelos números 1,..., n
Leia maisTópico 5 Algoritmos de Ordenação. Parte II - métodos de ordenação: counting sort, radix sort e bucket sort.
Tópico 5 Algoritmos de Ordenação Parte II - métodos de ordenação: counting sort, radix sort e bucket sort. 1 Árvore de Decisão Todos os algoritmos descritos anteriormente utilizam comparações para determinar
Leia maisAbordagens para Resolução de Problemas
Abordagens para Resolução de Problemas UDESC - Universidade do Estado de Santa Catarina Departamento de Ciência da Computação CAL - Complexidade de Algoritmos Teodoro Alberto Borges Junior Abordagens para
Leia maisProjeto e Análise de Algoritmos Aula 8: Algoritmos Gulosos (DPV 5; CLRS 4)
1 Projeto e Análise de Algoritmos Aula 8: Algoritmos Gulosos (DPV 5; CLRS 4) DECOM/UFOP 2013/1 5º. Período Anderson Almeida Ferreira Adaptado do material de Andréa Iabrudi Tavares BCC241/2012-2 3 Comparação
Leia maisAplicação de Árvores: Código de Huffman
Aplicação de Árvores: Código de Huffman SCC0202 - Algoritmos e Estruturas de Dados I Prof. Fernando V. Paulovich http://www.icmc.usp.br/~paulovic paulovic@icmc.usp.br Instituto de Ciências Matemáticas
Leia maisTeoria da Informação
Charles Casimiro Cavalcante charles@gtel.ufc.br Grupo de Pesquisa em Telecomunicações Sem Fio GTEL Programa de Pós-Graduação em Engenharia de Teleinformática Universidade Federal do Ceará UFC http://www.gtel.ufc.br/
Leia maisEstruturas Discretas
Estruturas Discretas 2017.2 Marco Molinaro > Indução Forte Corretude de Algoritmos 1/20 Indução Forte > Indução Forte Corretude de Algoritmos 2/20 Indução Forte X Indução Fraca Para provar Propriedade
Leia maisESTRUTURAS DE DADOS E ALGORITMOS ALGORITMOS DE ORDENAÇÃO EM TEMPO LINEAR
ESTRUTURAS DE DADOS E ALGORITMOS 1 ALGORITMOS DE ORDENAÇÃO EM TEMPO LINEAR Adalberto Cajueiro Departamento de Sistemas e Computação Universidade Federal de Campina Grande COMPARAÇÃO DOS ALGORITMOS DE ORDENAÇÃO
Leia maisUNIVERSIDADE DE SÃO PAULO ICMC SCC 202 Algoritmos e Estrutura de Dados I - 2º Semestre 2010 Profa. Sandra Maria Aluísio;
UNIVERSIDADE DE SÃO PAULO ICMC SCC 202 Algoritmos e Estrutura de Dados I - 2º Semestre 2010 Profa. Sandra Maria Aluísio; e-mail: sandra@icmc.usp.br Lista de Exercícios Árvores, Árvores Binárias, Árvores
Leia maisProblema de escalonamento
Problema de escalonamento Considere n tarefas indicadas pelos números 1,...,n Algoritmos p. 1 Problema de escalonamento Considere n tarefas indicadas pelos números 1,...,n t i : duração da tarefa i d i
Leia maisCódigos Corretores de Erros e Cliques de Grafos
Códigos Corretores de Erros e Cliques de Grafos Natália Pedroza Jayme Szwarcfiter Paulo Eustáquio UFRJ/UERJ 2016 Natália Pedroza (UFRJ/UERJ) Códigos Corretores 2016 1 / 32 Apresentação Códigos corretores
Leia maisEstruturas de Repetição
Algoritmos e Estruturas de Dados I (DCC/003) Estruturas de Repetição Aula Tópico 4 (while, for) 1 Problema 10 Suponha que soma (+) e subtração (-) são as únicas operações disponíveis em C. Dados dois números
Leia maisuniversidade federal de pernambuco departamento de estatística
soluções do o exercício escolar Teoria da Informação set./207 a) Qual a variável aleatória de maior incerteza? Surpreendentemente, há uma maior incerteza sobre a variável aleatória X, é definida apenas
Leia maisOrdenação em Tempo Linear. Leitura: Cormen Capítulo 8
Ordenação em Tempo Linear Leitura: Cormen Capítulo 8 Revisão Insertion sort: Vantagens Fácil de implementar Rápido em entradas com menos de 50 elementos. Rápido em entradas aproximadamente ordenadas. Desvantagens
Leia maisOrganização de Arquivos. Thiago A. S. Pardo Leandro C. Cintra M.C.F. de Oliveira Cristina D. A. Ciferri
Organização de Arquivos Thiago A. S. Pardo Leandro C. Cintra M.C.F. de Oliveira Cristina D. A. Ciferri Organização de arquivos para desempenho Organização de arquivos visando desempenho Complexidade de
Leia maisOrdenação: HeapSort. Prof. Túlio Toffolo BCC202 Aula 17 Algoritmos e Estruturas de Dados I
2014-01 Aula 16 Fila de Prioridade / HeapSort Adaptado por Reinaldo Fortes para o curso de 2014-01 Arquivo original: Aula 17: HeapSort Ordenação: HeapSort Prof. Túlio Toffolo http://www.toffolo.com.br
Leia maisOrdenação de Dados (III) HeapSort
UFSC-CTC-INE INE53 - Estruturas de Dados Ordenação de Dados (III) Prof. Ronaldo S. Mello 00/ HeapSort HeapSort também é um método de seleção ordena através de sucessivas seleções do elemento correto a
Leia maisAED1 - Árvores. Hebert Coelho. Instituto de Informática Universidade Federal de Goiás. HC AED1-Árvores 1/49
AED1 - Árvores Hebert Coelho Instituto de Informática Universidade Federal de Goiás HC AED1-Árvores 1/49 Roteiro Árvore; Árvores - Representações; Árvores - Conceitos; Árvores Binárias; Árvores Binárias
Leia maisBacktracking. Backtracking
Notas de aula da disciplina IME 0-0 ALGORITMOS E ESTRUTURAS DE DADOS II Paulo Eustáquio Duarte Pinto (pauloedp arroba ime.uerj.br) É uma técnica de solução de problemas (construção de algoritmos) que eamina
Leia maisMétodos de Ordenação Parte 3
Estrutura de Dados II Métodos de Ordenação Parte 3 Prof a Márcio Bueno ed2tarde@marciobueno.com / ed2noite@marciobueno.com Material baseado nos materiais do Prof. Robson Lins Classificação em Memória Primária
Leia maisEstruturas de Dados 2
Estruturas de Dados 2 Algoritmos de Ordenação em Tempo Linear IF64C Estruturas de Dados 2 Engenharia da Computação Prof. João Alberto Fabro - Slide 1/38 Algoritmos de Ordenação em Tempo Linear Limite Assintótico
Leia maisLista 1. 8 de abril de Algorithms: Capítulo 0, exercícios 1 e 2. Tardos: Todos exercícios do cap 2 do livro texto, exceto 7 e 8 letra b.
Lista 1 8 de abril de 2013 1 Exercícios Básicos 1.1 Na bibliografia Algorithms: Capítulo 0, exercícios 1 e 2. Tardos: Todos exercícios do cap 2 do livro texto, exceto 7 e 8 letra b. 1.2 Outros 1. Projete
Leia maisMA21: Resolução de Problemas - gabarito da primeira prova
MA21: Resolução de Problemas - gabarito da primeira prova Problema 1 (2 pontos) Prove que a maior área dentre todos os retângulos de perímetro 1 é atingida por um quadrado. Dificuldade: MUITO FÁCIL Sejam
Leia maisAula 19: Métodos eficientes de ordenação
Algoritmos e Estruturas de Dados I Aula 19: Métodos eficientes de ordenação (Merge sort e Quick sort) Prof. Jesús P. Mena-Chalco jesus.mena@ufabc.edu.br 1Q-2019 1 Intercalando 2 vetores ordenados 2 Intercalando
Leia maisQUESTÕES DE PROVAS ANTIGAS
CT-24 QUESTÕES DE PROVAS ANTIGAS ) Preencha a tabela abaixo com Î ou Ï: ω(log n) Θ(n) O(n log n) Ω(n 2 ) o(n ) 6n + 2n 2 + 2.log n + 4n + n.log n + log n 2) Dada a árvore binária abaixo, escreva os seus
Leia maisAula 13: Ordenação - Heapsort. Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP
Aula 13: Ordenação - Heapsort Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP Filas de Prioridades É uma estrutura de dados onde a chave de cada item reflete sua habilidade relativa de abandonar
Leia maisTÉCNICAS DE CODIFICAÇÃO DE SINAIS
TÉCNICAS DE CODIFICAÇÃO DE SINAIS COMPRESSÃO SEM PERDAS Evelio M. G. Fernández - 2010 Exemplo Símbolo Prob I II III IV A 1/2 00 0 0 0 B 1/4 01 11 10 01 C 1/8 10 00 110 011 D 1/8 11 01 1110 0111 Entropia
Leia maisTeoria dos Grafos Aula 14
Teoria dos Grafos Aula 14 Aula passada MST Aula de hoje Construção de algoritmos Paradigma guloso Escalonando tarefas no tempo (interval scheduling) Projetando Algoritmos Dado um problema P, como projetar
Leia maisColoração de intervalos
Coloração de intervalos Problema: Dados intervalos de tempo [s 1,f 1 ),...,[s n,f n ), encontrar uma coloração dos intervalos com o menor número possível de cores em que dois intervalos de mesma cor sempre
Leia maisClassificação Externa: Intercalação de Partições Classificadas
Classificação Externa: Intercalação de Partições Classificadas Vanessa Braganholo Baseado no Material de: Inhaúma Neves Ferraz (IC/UFF) Relembrando: Modelo da Classificação Externa 2 Aula Passada: Etapa
Leia maisALGORITMOS DE ORDENAÇÃO
ALGORITMOS DE ORDENAÇÃO Prof. André Backes Conceitos básicos 2 Ordenação Ato de colocar um conjunto de dados em uma determinada ordem predefinida Fora de ordem 5, 2, 1, 3, 4 Ordenado 1, 2, 3, 4, 5 OU 5,
Leia maisEET-49 Comunicações II
EET-49 Comunicações II Parte 4 - Codificação sem perda de informação March 20, 2012 1 Introdução Realizar a codificação da fonte é representá-la da menor forma possível Se a utilização não permite a perda
Leia maisUNIVERSIDADE DO ESTADO DO RIO DE JANEIRO ANÁLISE DE ALGORITMOS. LISTA DE EXERCÍCIOS (Parte B)
UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO ANÁLISE DE ALGORITMOS LISTA DE EXERCÍCIOS (Parte B). Supondo uma lista encadeada (externa) cujos nós possuem um campo que aponta para outra lista encadeada (interna),
Leia maisBusca Binária. Aula 05. Busca em um vetor ordenado. Análise do Busca Binária. Equações com Recorrência
Busca Binária Aula 05 Equações com Recorrência Prof. Marco Aurélio Stefanes marco em dct.ufms.br www.dct.ufms.br/ marco Idéia: Divisão e Conquista Busca_Binária(A[l...r],k) 1:if r < lthen 2: index = 1
Leia maisIntrodução à Programação. João Manuel R. S. Tavares
Introdução à Programação João Manuel R. S. Tavares Sumário 1. Ciclo de desenvolvimento de um programa; 2. Descrição de algoritmos; 3. Desenvolvimento modular de programas; 4. Estruturas de controlo de
Leia maisEstruturas de Dados II
Estruturas de Dados II Rodrigo Porfírio da Silva Sacchi rodrigosacchi@ufgd.edu.br 3410-2086 Aula 2: Árvores http://www.do.ufgd.edu.br/rodrigosacchi Árvores Definição: Árvores Uma árvore T é um conjunto
Leia maisIntrodução à Programação
Introdução à Program João Manuel R. S. Tavares Sumário 1. Ciclo de desenvolvimento de um programa; 2. Descrição de algoritmos; 3. Desenvolvimento modular de programas; 4. Estruturas de controlo de um programa.
Leia maisEstrutura de Dados. Carlos Eduardo Batista. Centro de Informática - UFPB
Estrutura de Dados Carlos Eduardo Batista Centro de Informática - UFPB bidu@ci.ufpb.br Árvores (parte 3) Estruturas de Dados 2 Organização dos dados: Linear: Listas, pilhas, filas. Relação sequencial.
Leia maisListas Lineares. Alocação Encadeada. Notas de aula da disciplina IME ESTRUTURAS DE DADOS I
Notas de aula da disciplina I 04-0820 STUTUAS D DADOS I Paulo ustáuio Duarte Pinto (pauloedp arroba ime.uerj.br) Listas encadeadas: - Conceitos - Buscas/Inserções/deleções de elementos - Pilhas e Filas
Leia maisÁrvores Binárias e AVL Felipe Barros Pontes Gustavo Márcio de Morais Cunha Márcio de Medeiros Ribeiro
Universidade Federal de Alagoas - UFAL Departamento de Tecnologia da Informação - TCI Ciência da Computação Árvores Binárias e AVL Felipe Barros Pontes Gustavo Márcio de Morais Cunha Márcio de Medeiros
Leia maisÁlgebra Linear e Geometria Analítica Bacharelados e Engenharias Parte II Matrizes (continuação)
Álgebra Linear e Geometria Analítica Bacharelados e Engenharias Parte II Matrizes (continuação) Prof.a Tânia Preto Departamento Acadêmico de Matemática UTFPR - 2014 Importante Material desenvolvido a partir
Leia maisAlguns comentários. Segunda prova. Programação dinâmica em grafos. Guloso em grafos. Algoritmos p. 1
Alguns comentários Segunda prova Programação dinâmica em grafos Guloso em grafos Algoritmos p. 1 Problema dos intervalos disjuntos Problema: Dados intervalos [s[1],f[1]),...,[s[n],f[n]), encontrar coleção
Leia maisHeapSort Filas de Prioridade Heap. David Menotti Algoritmos e Estruturas de Dados II DInf UFPR
HeapSort Filas de Prioridade Heap David Menotti Algoritmos e Estruturas de Dados II DInf UFPR Filas de Prioridades É uma estrutura de dados onde a chave de cada item reflete sua habilidade relativa de
Leia maisAula 28: Listas de Prioridades
28.1 Aula 28: Listas de Prioridades Conceitos básicos Definição de heap Alteração de prioridades 28.2 Listas de Prioridades Motivação: Os dados possuem prioridades. A prioridade de um dado pode variar
Leia maisAula 10: Tratabilidade
Teoria da Computação DAINF-UTFPR Aula 10: Tratabilidade Prof. Ricardo Dutra da Silva Na aula anterior discutimos problemas que podem e que não podem ser computados. Nesta aula vamos considerar apenas problemas
Leia maisGrafos. Notas. Notas. Notas. Notas. Caminhos mais curtos de única origem. Subestrutura ótima. Propriedades de caminhos mais curtos
Grafos Caminhos mais curtos de única origem Conteúdo Subestrutura ótima Inicialização Propriedades de caminhos mais curtos Algoritmos Algoritmo de Bellman-Ford Caminhos mais curtos de única origem em gaos
Leia maisSolução de Recorrências
CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS Solução de Recorrências Algoritmos e Estruturas de Dados I Natália Batista https://sites.google.com/site/nataliacefetmg/ nataliabatista@decom.cefetmg.br
Leia maisTópico 5 Algoritmos de Ordenação. Parte I - métodos de ordenação: inserção, mergesort, heapsort e quicksort.
Tópico 5 Algoritmos de Ordenação Parte I - métodos de ordenação: inserção, mergesort, heapsort e quicksort. 1 Problema Computacional: Ordenação Problema computacional que surge em diversas situações. Definição:
Leia maisÁrvores Vermelho-Preto
SCC0202 - Algoritmos e Estruturas de Dados I Prof. Fernando V. Paulovich http://www.icmc.usp.br/~paulovic paulovic@icmc.usp.br Instituto de Ciências Matemáticas e de Computação (ICMC) Universidade de São
Leia maisCompressão de Textos. Introdução. Introdução. Introdução. O volume de informação textual disponível on-line é imenso:
Compressão de Textos Estrutura de Dados II Prof. Guilherme Tavares de Assis Universidade Federal de Ouro Preto UFOP Instituto de Ciências Exatas e Biológicas ICEB Departamento de Computação DECOM O volume
Leia maisOrdenação: QuickSort. Prof. Túlio Toffolo BCC202 Aula 15 Algoritmos e Estruturas de Dados I
Ordenação: QuickSort Prof. Túlio Toffolo http://www.toffolo.com.br BCC202 Aula 15 Algoritmos e Estruturas de Dados I QuickSort Proposto por Hoare em 1960 e publicado em 1962. É o algoritmo de ordenação
Leia maisProjeto de Algoritmos por Divisão e Conquista
Projeto de Algoritmos por Divisão e Conquista Profa. Sheila Morais de Almeida DAINF-UTFPR-PG junho - 2018 Sheila Almeida (DAINF-UTFPR-PG) Divisão e Conquista junho - 2018 1 / 70 Este material é preparado
Leia maisOtimização em Grafos
Otimização em Grafos Luidi G. Simonetti PESC/COPPE 2017 Luidi Simonetti (PESC) EEL857 2017 1 / 35 Teoria dos Grafos - Relembrando Árvore Um grafo G é uma árvore se é conexo e não possui ciclos (acíclico).
Leia maisAlgoritmos e Estrutura de Dados. Aula 04 Recorrência Prof. Tiago A. E. Ferreira
Algoritmos e Estrutura de Dados Aula 04 Recorrência Prof. Tiago A. E. Ferreira Esta Aula... Nesta aula veremos três métodos para resolver recorrência: Método da substituição É suposto um limite hipotético
Leia maisXXV OLIMPÍADA BRASILEIRA DE MATEMÁTICA Segunda Fase Nível 2 (7 a. ou 8 a. séries)
PROBLEMA No desenho ao lado, o quadrado ABCD tem área de 30 cm e o quadrado FHIJ tem área de 0 cm. Os vértices A, D, E, H e I dos três quadrados pertencem a uma mesma reta. Calcule a área do quadrado BEFG.
Leia maisBusca em Regiões Ortogonais
Busca em Regiões Ortogonais Claudio Esperança Paulo Roma 1 O problema O problema O problema consiste em recuperar objetos tipicamente pontos que intersectam ou estão contidos numa região simples do espaço
Leia mais36ª Olimpíada Brasileira de Matemática GABARITO Segunda Fase
36ª Olimpíada Brasileira de Matemática GABARITO Segunda Fase Soluções Nível 2 Segunda Fase Parte A CRITÉRIO DE CORREÇÃO: PARTE A Na parte A serão atribuídos 5 pontos para cada resposta correta e a pontuação
Leia mais2 Teoria da Informação
2 Teoria da Informação Neste capítulo apresentamos alguns conceitos básicos sobre Teoria da Informação que utilizaremos durante este trabalho. 2.1 Alfabeto, texto, letras e caracteres Um alfabeto Σ = (σ
Leia maisAlgoritmos e Estruturas de Dados 2006/2007
Filas de prioridade Algoritmos e Estruturas de Dados 2006/2007 Filas de prioridade Uma fila de prioridade permite, pelo menos, duas operações sobre um conjunto de valores comparáveis: inserção de um elemento
Leia maisProbabilidade e Estatística (Aula Prática - 23/05/16 e 24/05/16)
Probabilidade e Estatística (Aula Prática - 23/05/16 e 24/05/16) Resumo: Veremos nesta aula tabelas, cálculos de porcentagem e gráficos; amostras e tipo de amostragem; Medidas de tendência central e medidas
Leia maisOrdenação Interna. Prof. Jonas Potros
Ordenação Interna Prof. Jonas Potros Heap A estrutura de dados heap é um objeto arranjo que pode ser visto como uma árvore binária completa. A árvore está completamente preenchida em todos os níveis, exceto
Leia maisÁrvores Binárias. Disciplina de Algoritmos e Estrutura de Dados III. Prof. Marcos Antonio Schreiner 17/03/2015
Árvores Binárias Disciplina de Algoritmos e Estrutura de Dados III Prof. Marcos Antonio Schreiner 17/03/2015 1 Introdução Árvore binárias são estruturas importantes toda vez que uma decisão binária deve
Leia maisLimite assintótico para a ordenação, Ordenação em tempo linear
Algoritmos e Estruturas de Dados I Limite assintótico para a ordenação, Ordenação em tempo linear Prof. Jesús P. Mena-Chalco jesus.mena@ufabc.edu.br 1Q-2017 1 Ordenação Ordenar corresponde ao processo
Leia maisTecnicas Essencias Greedy e Dynamic
Tecnicas Essencias Greedy e Dynamic Paul Crocker RELEASE - Reliable and Secure Computation Group Universidade da Beira Interior, Portugal October 2010 1 / 27 Outline 1 Introdução 2 Exemplo Greedy I : Interval
Leia maisAlgoritmos de Ordenação. Cota inferior. Professora: Fátima L. S. Nunes SISTEMAS DE INFORMAÇÃO
Algoritmos de Ordenação Cota inferior Professora: Fátima L. S. Nunes 1 1 1 Algoritmos de Ordenação Algoritmos de ordenação que já conhecemos: 2 2 2 Algoritmos de Ordenação Algoritmos de ordenação que já
Leia maisÁrvores. SCC-214 Projeto de Algoritmos. Thiago A. S. Pardo. Um nó após o outro, adjacentes Sem relações hierárquicas entre os nós, em geral
SCC-214 Projeto de Algoritmos Thiago A. S. Pardo Listas e árvores Listas lineares Um nó após o outro, adjacentes Sem relações hierárquicas entre os nós, em geral Diversas aplicações necessitam de estruturas
Leia maisCIC 111 Análise e Projeto de Algoritmos II
CIC 111 Análise e Projeto de Algoritmos II Prof. Roberto Affonso da Costa Junior Universidade Federal de Itajubá AULA 27 Square root algorithms Combining algorithms Integer partitions Mo s algorithm Square
Leia maisMergesort. Aula 04. Algoritmo Mergesort. Divisão e Conquista. Divisão e Conquista- MergeSort
Mergesort Aula 0 Divisão e Conquista- MergeSort Prof. Marco Aurélio Stefanes marco em dct.ufms.br www.dct.ufms.br/ marco Mergesort é um algoritmo de ordenação recursivo Ele recursivamente ordena as duas
Leia maisGrafos: árvores geradoras mínimas. Graça Nunes
Grafos: árvores geradoras mínimas Graça Nunes 1 Motivação Suponha que queremos construir estradas para interligar n cidades Cada estrada direta entre as cidades i e j tem um custo associado Nem todas as
Leia maisProgramação Dinâmica Partição de Inteiros
Notas de aula da disciplina IME -8 ALGORITMOS E ESTRUTURAS DE DADOS II Paulo Eustáquio Duarte Pinto (pauloedp arroba ime.uerj.br) abril/9 Partição de Inteiros Dado n inteiro, determinar o número de maneiras
Leia maisListas de Prioridade. Fonte de consulta: Szwarcfiter, J.; Markezon, L. Estruturas de Dados e seus Algoritmos, 3a. ed. LTC.
Listas de Prioridade Fonte de consulta: Szwarcfiter, J.; Markezon, L. Estruturas de Dados e seus Algoritmos, 3a. ed. LTC. Capítulo 6 Prioridade } Algumas aplicações precisam recuperar rapidamente um dado
Leia maisLuís Fernando Schultz Xavier da Silveira. 12 de maio de 2010
Monóides e o Algoritmo de Exponenciação Luís Fernando Schultz Xavier da Silveira Departamento de Informática e Estatística - INE - CTC - UFSC 12 de maio de 2010 Conteúdo 1 Monóides Definição Propriedades
Leia maisGrafos. Exemplo de árvore geradora mínima. Notas. Notas. Notas. Notas. Árvores espalhadas mínimas. Como construir uma árvore geradora miníma
Grafos Árvores espalhadas mínimas Conteúdo Introdução Como construir uma árvore geradora miníma Algoritmos Referências Introdução Dado um grafo conectado não orientado G = (V, E) e uma função peso w :
Leia mais