Algoritmy a datové struktury 1 - NTIN060

• Anglický název: Algorithms and Data Structures 1
• Zajišťuje: Katedra teoretické informatiky a matematické logiky (32-KTIML)
• Fakulta: Matematicko-fyzikální fakulta
• Platnost: od 2021
• Semestr: letní
• E-Kredity: 5
• Rozsah, examinace: letní s.:2/2, Z+Zk [HT]
• Počet míst: neomezen
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: čeština, angličtina
• Způsob výuky: prezenční
• Garant: prof. RNDr. Ondřej Čepek, Ph.D.; Mgr. Martin Mareš, Ph.D.; doc. Mgr. Jan Hubička, Ph.D.
• Vyučující: Sudatta Bhattacharya, M.Sc.; prof. RNDr. Ondřej Čepek, Ph.D.; Mgr. Tomáš Domes; Mgr. Jelena Glišić; RNDr. Jan Hric; Bc. Vojtěch Káně; Mgr. Kate Konczycki; RNDr. Petr Kučera, Ph.D.; Mgr. Vladan Majerech, Dr.; Mgr. Martin Mareš, Ph.D.; RNDr. Jiří Švancara, Ph.D.; Mgr. Tomáš Turek
• Třída: Informatika Bc.
• Kategorizace předmětu: Informatika > Teoretická informatika
• Je korekvizitou pro: NPFL145

Anotace

čeština

Úvodní přednáška o základních typech algoritmů a datových strukturách potřebných pro jejich implementaci. Navazuje na výklad v přednášce NPRG062 Algoritmizace v předchozím semestru.

Poslední úprava: Töpfer Pavel, doc. RNDr., CSc. (01.02.2018)

angličtina

Introductory lecture on the basic types of algorithms and data structures necessary for their implementation. It follows the lecture NPRG062 Algorithmization in the previous semester.

Poslední úprava: Töpfer Pavel, doc. RNDr., CSc. (01.02.2018)

Cíl předmětu

Naučit základní datové struktury, algoritmy a metody teoretické informatiky

Poslední úprava: T_KTI (23.05.2008)

Podmínky zakončení předmětu

čeština

Je třeba získat zápočet a složit zkoušku (v libovolném pořadí).

Pro zápočet je třeba získat 100 bodů z alespoň 150 možných udělovaných průběžně za řešení domácích úloh, písemné testy a další aktivity. Z průběžné povahy kontroly neplyne nárok na vypisování opravných termínů testů ani zadání náhradních domácích úloh.

V důvodných případech (dlouhodobá nemoc, pobyt v zahraničí, apod.) může cvičící stanovit individuální podmínky na udělení zápočtu.

Zkouška může být písemná, ústní nebo kombinovaná. Zkouška může mít kontaktní nebo distanční formu. Formu zkoušky určuje vyučující.

Poslední úprava: Mareš Martin, Mgr., Ph.D. (06.02.2023)

angličtina

It is necessary to get course credit and pass the examination (in arbitrary order).

For credit you need to get 100 points out of at least 150 possible continuously awarded for homework, tests, and other activities.

The ongoing nature of the inspection does not imply a right to request corrective tests nor alternative homework assignments.

In justified cases (long-term illness, stay abroad, etc.) the lecturer may set individual conditions for credit granting.

The examination can be written, oral, or combined. It can take presence or distance form. The form of the exam is determined by the teacher.

Poslední úprava: Mareš Martin, Mgr., Ph.D. (06.02.2023)

Literatura

• Cormen, Leiserson, Rivest, Stein : Introduction to algorithms (2nd Edition), Mc Graw Hill 2001
• M.Mareš, T.Valla : Průvodce labyrintem algoritmů, CZ.NIC z.s.p.o. Praha 2017, 978-80-88168-19-5, http://pruvodce.ucw.cz/
• Videozáznamy přednášek

Poslední úprava: Maxová Jana, RNDr., Ph.D. (17.05.2025)

Požadavky ke zkoušce

čeština

Je třeba rozumět teorii z přednášky a být schopen ji aplikovat na řešení algoritmických úloh.

Poslední úprava: Mareš Martin, Mgr., Ph.D. (02.03.2018)

angličtina

It is necessary to understand the theory presented at the lectures and to be able to apply it to solving of algorithmic problems.

Poslední úprava: Mareš Martin, Mgr., Ph.D. (02.03.2018)

Sylabus

čeština

Volitelná témata v hranatých závorkách, zbytek je povinný.

1. Prostředky pro popis složitosti algoritmů a operací nad datovými strukturami

• měření velikosti dat, počet kroků algoritmu jako funkce velikosti dat

• výpočetní model RAM

• asymptotická notace

2. Stromové datové struktury

• binární vyhledávací stromy

• AVL stromy

• (a,b)-stromy

• [červeno-černé stromy]

3. Hešování

• popis jednoduchých strategií řešení kolizí

• analýza průměrné časové složitosti vyhledávání

• univerzální hešování

4. Třídění

• analýza průměrného případu pro Quicksort, randomizovaný Quicksort

• dolní odhad složitosti porovnávacích třídících algoritmů (rozhodovací stromy)

5. Základní grafové algoritmy

• prohledávání do hloubky na neorientovaném grafu, detekce mostů a artikulací

• prohledávání do hloubky na orientovaném grafu, tranzitivní uzávěr, topologické číslování

• [detekce komponent silné souvislosti v lineárním čase]

6. Extremální cesty v grafech

• extremální cesty v acyklickém orientovaném grafu, metoda kritické cesty

• Dijkstrův algoritmus (zopakování binární haldy, srovnání implementace polem a binární haldou)

• Bellmanův-Fordův algoritmus (hledání záporných cyklů)

• [Floydův-Warshallův algoritmus]

7. Minimální kostra grafu

• Jarníkův a Borůvkův algoritmus

• [Kruskalův algoritmus a datová struktura pro Union-Find]

8. Metoda rozděl a panuj

• obecné schéma algoritmů typu rozděl a panuj, souvislost jejich složitosti s rekurentními rovnicemi

• substituční metoda řešení rekurentních rovnic a „master theorem (kuchařka)“

• jednoduché aplikace: binární vyhledávání, Merge sort, násobení čísel (Karatsuba-Ofman)

• složitější aplikace: Strassenovo násobení matic, [hledání mediánu v lin. čase v nejhorším případě]

9. Dynamické programování

• obecný princip dynamického programování

• editační vzdálenost řetězců

• [optimální vyhledávací stromy]

Poslední úprava: Hric Jan, RNDr. (13.05.2022)

angličtina

Optional topics in square brackets, the rest is mandatory.

1. Means for describing the complexity of algorithms and operations with data structures

• measurement of data size, number of algorithm steps as a function of data size

• RAM computational model

• asymptotic notation

2. Tree data structures

• binary search trees

• AVL trees

• (a,b)-trees

• [red-black trees]

3. Hashing

• a description of simple collision resolution strategies

• analysis of the average time complexity of the search

• universal hashing

4. Sorting

• average case analysis for Quicksort, Randomized Quicksort

• lower bound on the complexity of comparison sorting algorithms (decision trees)

5. Basic graph algorithms

• depth-first search on an undirected graph, detection of bridges and articulations

• depth-first search on a directed graph, transitive closure, topological numbering

• [detection of components of strong connectivity in linear time]

6. Extreme paths in graphs

• extreme paths in a directed acyclic graph, the critical path method

• Dijkstra's algorithm (refresher of binary heaps, comparison of implementation using an array and a binary heap)

• Bellman-Ford's algorithm (looking for negative cycles)

• [Floyd-Warshall's algorithm]

7. Minimum spanning tree

• Jarník's and Borůvka's algorithm

• [Kruskal's algorithm and data structure for Union-Find]

8. Divide and conquer method

• general schema of divide and conquer algorithms, describing their complexity by recurrent equations

• substitution method for recurrent equations and "master theorem (cook-book)"

• simple applications: binary search, Merge sort, multiplication of numbers (Karatsuba-Ofman)

• more complex applications: Strassen's multiplication of matrices, [median search in linear time in the worst case]

9. Dynamic programming

• general principle of dynamic programming

• edit-distance of strings

• [optimal search trees]

Poslední úprava: Töpfer Pavel, doc. RNDr., CSc. (01.02.2018)