Grundbegriffe der Informatik: 10. Übung - Master
Transcription
Grundbegriffe der Informatik: 10. Übung - Master
Grundbegriffe der Informatik: 10. Übung Master-Theorem Thomas Bittner | 10. Januar 2014 GRUNDBEGRIFFE DER INFORMATIK KIT – Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Überblick 1 Master-Theorem 2 Ergebnisse Evaluation Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 2/24 Rekurrenzgleichung Beschreibung von Divide-and-Conquer-Algorithmen durch T (n) = aT n b + f (n) Bedeutung der Konstanten a: In wie viele Teilprobleme wird aufgeteilt? b: Wie groß sind die Teilprobleme? f (n): Was muss der Algorithmus noch zusätzlich tun? Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 3/24 Beispiel: Summe Gegeben: Ein Array“ von Zahlen ” Gesucht: Die Summe über alle Zahlen Algorithmus: Basisfall: Array hat Länge 1 Dann: Gib die eine Zahl zurück. Rekursionsfall: 1 2 3 Teile Array in der Mitte Berechne Summe auf beiden Teilarrays (rekursiv) Addiere diese beiden Summen Rekurrenzgleichung: T (n) = 2T Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik n 2 +1 Ergebnisse Evaluation Schluss 10. Januar 2014 4/24 Beispiel: Summe Gegeben: Ein Array“ von Zahlen ” Gesucht: Die Summe über alle Zahlen Algorithmus: Basisfall: Array hat Länge 1 Dann: Gib die eine Zahl zurück. Rekursionsfall: 1 2 3 Teile Array in der Mitte Berechne Summe auf beiden Teilarrays (rekursiv) Addiere diese beiden Summen Rekurrenzgleichung: T (n) = 2T Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik n 2 +1 Ergebnisse Evaluation Schluss 10. Januar 2014 4/24 Master-Theorem n T (n) = aT ( ) + f (n) b Master-Theorem Θ(nlogb a ) Θ(nlogb a log n) Θ(f (n)) T (n) ∈ f (n) ∈ O (nlogb a− ) für ein > 0 f (n) ∈ Θ(nlogb a ) f (n) ∈ Ω(nlogb a+ ) für ein > 0 und ∃d ∈ R : 0 < d < 1, sodass für alle hinreichend großen n gilt: a · f ( bn ) ≤ d · f (n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 5/24 Master-Theorem n T (n) = aT ( ) + f (n) b Master-Theorem Θ(nlogb a ) Θ(nlogb a log n) Θ(f (n)) T (n) ∈ f (n) ∈ O (nlogb a− ) für ein > 0 f (n) ∈ Θ(nlogb a ) f (n) ∈ Ω(nlogb a+ ) für ein > 0 und ∃d ∈ R : 0 < d < 1, sodass für alle hinreichend großen n gilt: a · f ( bn ) ≤ d · f (n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 6/24 Master-Theorem n T (n) = aT ( ) + f (n) b Master-Theorem Θ(nlogb a ) Θ(nlogb a log n) Θ(f (n)) T (n) ∈ f (n) ∈ O (nlogb a− ) für ein > 0 f (n) ∈ Θ(nlogb a ) f (n) ∈ Ω(nlogb a+ ) für ein > 0 und ∃d ∈ R : 0 < d < 1, sodass für alle hinreichend großen n gilt: a · f ( bn ) ≤ d · f (n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 7/24 Master-Theorem n T (n) = aT ( ) + f (n) b Master-Theorem Θ(nlogb a ) Θ(nlogb a log n) Θ(f (n)) T (n) ∈ f (n) ∈ O (nlogb a− ) für ein > 0 f (n) ∈ Θ(nlogb a ) f (n) ∈ Ω(nlogb a+ ) für ein > 0 und ∃d ∈ R : 0 < d < 1, sodass für alle hinreichend großen n gilt: a · f ( bn ) ≤ d · f (n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 8/24 Veranschaulichung 1. Fall 1. Fall Master-Theorem T (n) ∈ Θ(nlogb a ) f (n) ∈ O (nlogb a− ) für ein > 0 Betrachte Rekurrenzgleichung: T (1) = 1 T (n) = aT Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik n b +0 Ergebnisse Evaluation Schluss 10. Januar 2014 9/24 Veranschaulichung 1. Fall 1. Fall Master-Theorem T (n) ∈ Θ(nlogb a ) f (n) ∈ O (nlogb a− ) für ein > 0 Betrachte Rekurrenzgleichung: T (1) = 1 T (n) = aT Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik n b +0 Ergebnisse Evaluation Schluss 10. Januar 2014 9/24 Veranschaulichung 1. Fall Betrachte Rekurrenzgleichung: T (1) = 1 T (n) = aT n b +0 Betrachte T bk : T b k = aT bk b k −1 = a · aT = a · aT bk −2 = · · · = aT b b k −1 b = ak · T (1) = ak · 1 = ak Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 10/24 Veranschaulichung 1. Fall Betrachte Rekurrenzgleichung: T (1) = 1 T (n) = aT n b +0 T b k = ak Setze n := bk =⇒ k = logb n =⇒ ak = alogb n = blogb a logb n = blogb a·logb n = blogb n·logb a = nlogb a =⇒ T (n) = nlogb a ∈ Θ(nlogb a ) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 11/24 Veranschaulichung 1. Fall Betrachte Rekurrenzgleichung: T (1) = 1 T (n) = aT n b +0 T b k = ak Setze n := bk =⇒ k = logb n =⇒ ak = alogb n = blogb a logb n = blogb a·logb n = blogb n·logb a = nlogb a =⇒ T (n) = nlogb a ∈ Θ(nlogb a ) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 11/24 Veranschaulichung 1. Fall Betrachte Rekurrenzgleichung: T (1) = 1 T (n) = aT n b +0 T b k = ak Setze n := bk =⇒ k = logb n =⇒ ak = alogb n = blogb a logb n = blogb a·logb n = blogb n·logb a = nlogb a =⇒ T (n) = nlogb a ∈ Θ(nlogb a ) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 11/24 Beispiel 1. Fall T (n) = 2T 1 nlogb a = nlog2 2 = n1 2 f (n) = log2 n ∈ O (n1− ) n 2 (z.B. für = 0.1) 3 =⇒ Erster Fall Master-Theorem 4 =⇒ T (n) ∈ Θ(n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik + log2 n Ergebnisse Evaluation Schluss 10. Januar 2014 12/24 Beispiel 1. Fall T (n) = 2T 1 nlogb a = nlog2 2 = n1 2 f (n) = log2 n ∈ O (n1− ) n 2 (z.B. für = 0.1) 3 =⇒ Erster Fall Master-Theorem 4 =⇒ T (n) ∈ Θ(n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik + log2 n Ergebnisse Evaluation Schluss 10. Januar 2014 12/24 Beispiel 1. Fall T (n) = 2T 1 nlogb a = nlog2 2 = n1 2 f (n) = log2 n ∈ O (n1− ) n 2 (z.B. für = 0.1) 3 =⇒ Erster Fall Master-Theorem 4 =⇒ T (n) ∈ Θ(n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik + log2 n Ergebnisse Evaluation Schluss 10. Januar 2014 12/24 Beispiel 1. Fall T (n) = 2T 1 nlogb a = nlog2 2 = n1 2 f (n) = log2 n ∈ O (n1− ) n 2 (z.B. für = 0.1) 3 =⇒ Erster Fall Master-Theorem 4 =⇒ T (n) ∈ Θ(n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik + log2 n Ergebnisse Evaluation Schluss 10. Januar 2014 12/24 Beispiel 1. Fall T (n) = 2T 1 nlogb a = nlog2 2 = n1 2 f (n) = log2 n ∈ O (n1− ) n 2 (z.B. für = 0.1) 3 =⇒ Erster Fall Master-Theorem 4 =⇒ T (n) ∈ Θ(n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik + log2 n Ergebnisse Evaluation Schluss 10. Januar 2014 12/24 Grenze des 1. Falls T (n) = aT n b + f (n) Frage: Wie schnell darf f (n) wachsen, damit es nicht ins Gewicht fällt“? ” Master-Theorem: f (n) ∈ O (nlogb a− ) ⇐⇒ f (n) ∈ O (nc ) mit c < logb a Wächst zu stark: f (n) = nlogb a / log2 n Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 13/24 Grenze des 1. Falls T (n) = aT n b + f (n) Frage: Wie schnell darf f (n) wachsen, damit es nicht ins Gewicht fällt“? ” Master-Theorem: f (n) ∈ O (nlogb a− ) ⇐⇒ f (n) ∈ O (nc ) mit c < logb a Wächst zu stark: f (n) = nlogb a / log2 n Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 13/24 Grenze des 1. Falls T (n) = aT n b + f (n) Frage: Wie schnell darf f (n) wachsen, damit es nicht ins Gewicht fällt“? ” Master-Theorem: f (n) ∈ O (nlogb a− ) ⇐⇒ f (n) ∈ O (nc ) mit c < logb a Wächst zu stark: f (n) = nlogb a / log2 n Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 13/24 Grenze des 1. Falls Wächst zu stark: f (n) = nlogb a / log2 n Beispiel: n T (n) = 2T ( ) + n/ log2 n 2 T (1) = 0 T (8) = 44/3 T (2) = 2 T (16) = 100/3 T (4) = 6 T (32) = 1096/15 Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 14/24 Grenze des 1. Falls Wächst zu stark: f (n) = nlogb a / log2 n Beispiel: n T (n) = 2T ( ) + n/ log2 n 2 T (1) = 0 T (8) = 44/3 T (2) = 2 T (16) = 100/3 T (4) = 6 T (32) = 1096/15 Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 14/24 Grenze des 1. Falls Betrachte Verhältnis von T (n)/nlogb a . Mit n T (n) = 2T ( ) + n/ log2 n 2 also das Verhältnis T (n)/n T (1)/1 = 0/1 = 0 T (2)/2 = 2/2 = 1 → Differenz 1 T (4)/4 = 6/4 = 3/2 → Differenz 1/2 T (8)/8 = (44/3)/8 = 11/6 → Differenz 1/3 T (16)/16 = (100/3)/16 = 25/12 → Differenz 1/4 T (32)/32 = (1096/15)/32 = 137/60 → Differenz 1/5 T (2k )/2k = k X 1 i =1 Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik i Ergebnisse Evaluation Schluss 10. Januar 2014 15/24 Grenze des 1. Falls Betrachte Verhältnis von T (n)/nlogb a . Mit n T (n) = 2T ( ) + n/ log2 n 2 also das Verhältnis T (n)/n T (1)/1 = 0/1 = 0 T (2)/2 = 2/2 = 1 → Differenz 1 T (4)/4 = 6/4 = 3/2 → Differenz 1/2 T (8)/8 = (44/3)/8 = 11/6 → Differenz 1/3 T (16)/16 = (100/3)/16 = 25/12 → Differenz 1/4 T (32)/32 = (1096/15)/32 = 137/60 → Differenz 1/5 T (2k )/2k = k X 1 i =1 Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik i Ergebnisse Evaluation Schluss 10. Januar 2014 15/24 Grenze des 1. Falls Betrachte Verhältnis von T (n)/nlogb a . Mit n T (n) = 2T ( ) + n/ log2 n 2 also das Verhältnis T (n)/n T (1)/1 = 0/1 = 0 T (2)/2 = 2/2 = 1 → Differenz 1 T (4)/4 = 6/4 = 3/2 → Differenz 1/2 T (8)/8 = (44/3)/8 = 11/6 → Differenz 1/3 T (16)/16 = (100/3)/16 = 25/12 → Differenz 1/4 T (32)/32 = (1096/15)/32 = 137/60 → Differenz 1/5 T (2k )/2k = k X 1 i =1 Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik i Ergebnisse Evaluation Schluss 10. Januar 2014 15/24 Grenze des 1. Falls Betrachte Verhältnis von T (n)/nlogb a . Mit n T (n) = 2T ( ) + n/ log2 n 2 also das Verhältnis T (n)/n T (1)/1 = 0/1 = 0 T (2)/2 = 2/2 = 1 → Differenz 1 T (4)/4 = 6/4 = 3/2 → Differenz 1/2 T (8)/8 = (44/3)/8 = 11/6 → Differenz 1/3 T (16)/16 = (100/3)/16 = 25/12 → Differenz 1/4 T (32)/32 = (1096/15)/32 = 137/60 → Differenz 1/5 T (2k )/2k = k X 1 i =1 Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik i Ergebnisse Evaluation Schluss 10. Januar 2014 15/24 Grenze des 1. Falls T (2k )/2k = Pk 1 i =1 i k ⇐⇒ T (2k ) = 2 · ( Pk 1 i =1 i ) (Beweis durch Vollständige Induktion) Harmonische Reihe Pk 1 i =1 i ist die Harmonische Reihe Es gilt: k X 1 i =1 i ∈ Θ(log k ) Setze n := 2k =⇒ k = log2 n =⇒ T (n) ∈ Θ(n log(log n)) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 16/24 Grenze des 1. Falls T (2k )/2k = Pk 1 i =1 i k ⇐⇒ T (2k ) = 2 · ( Pk 1 i =1 i ) (Beweis durch Vollständige Induktion) Harmonische Reihe Pk 1 i =1 i ist die Harmonische Reihe Es gilt: k X 1 i =1 i ∈ Θ(log k ) Setze n := 2k =⇒ k = log2 n =⇒ T (n) ∈ Θ(n log(log n)) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 16/24 Grenze des 1. Falls T (2k )/2k = Pk 1 i =1 i k ⇐⇒ T (2k ) = 2 · ( Pk 1 i =1 i ) (Beweis durch Vollständige Induktion) Harmonische Reihe Pk 1 i =1 i ist die Harmonische Reihe Es gilt: k X 1 i =1 i ∈ Θ(log k ) Setze n := 2k =⇒ k = log2 n =⇒ T (n) ∈ Θ(n log(log n)) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 16/24 Beispiel 2. Fall T (n) = 9T n 1 nlogb a = nlog3 9 = n2 2 f (n) = n2 + 2n + 1 ∈ Θ(n2 ) 3 + n2 + 2n + 1 3 =⇒ Zweiter Fall Master-Theorem 4 =⇒ T (n) ∈ Θ(n2 log n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 17/24 Beispiel 2. Fall T (n) = 9T n 1 nlogb a = nlog3 9 = n2 2 f (n) = n2 + 2n + 1 ∈ Θ(n2 ) 3 + n2 + 2n + 1 3 =⇒ Zweiter Fall Master-Theorem 4 =⇒ T (n) ∈ Θ(n2 log n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 17/24 Beispiel 2. Fall T (n) = 9T n 1 nlogb a = nlog3 9 = n2 2 f (n) = n2 + 2n + 1 ∈ Θ(n2 ) 3 + n2 + 2n + 1 3 =⇒ Zweiter Fall Master-Theorem 4 =⇒ T (n) ∈ Θ(n2 log n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 17/24 Beispiel 2. Fall T (n) = 9T n 1 nlogb a = nlog3 9 = n2 2 f (n) = n2 + 2n + 1 ∈ Θ(n2 ) 3 + n2 + 2n + 1 3 =⇒ Zweiter Fall Master-Theorem 4 =⇒ T (n) ∈ Θ(n2 log n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 17/24 Beispiel 2. Fall T (n) = 9T n 1 nlogb a = nlog3 9 = n2 2 f (n) = n2 + 2n + 1 ∈ Θ(n2 ) 3 + n2 + 2n + 1 3 =⇒ Zweiter Fall Master-Theorem 4 =⇒ T (n) ∈ Θ(n2 log n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 17/24 Beispiel 3. Fall T (n) = 4T n 4 √ +n n 1 nlogb a = nlog4 4 = n1 2 f (n) = n n = n · n 2 = n 2 ∈ Ω(n1+ ) 3 Außerdem gilt: √ a·f n b 3 1 =4·f n 4 √ √ 1 n n 1 √ =4· √ =4· = n n = · f (n ) n n 5 8 4 4 =⇒ ∃d ∈ R mit 0 < d < 1 und a · f 4 (z.B. für = 0.1) n b 2 2 ≤ d · f (n) =⇒ Dritter Fall Master-Theorem √ =⇒ T (n) ∈ Θ(f (n)) = Θ(n n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 18/24 Beispiel 3. Fall T (n) = 4T n 4 √ +n n 1 nlogb a = nlog4 4 = n1 2 f (n) = n n = n · n 2 = n 2 ∈ Ω(n1+ ) 3 Außerdem gilt: √ a·f n b 3 1 =4·f n 4 √ √ 1 n n 1 √ =4· √ =4· = n n = · f (n ) n n 5 8 4 4 =⇒ ∃d ∈ R mit 0 < d < 1 und a · f 4 (z.B. für = 0.1) n b 2 2 ≤ d · f (n) =⇒ Dritter Fall Master-Theorem √ =⇒ T (n) ∈ Θ(f (n)) = Θ(n n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 18/24 Beispiel 3. Fall T (n) = 4T n 4 √ +n n 1 nlogb a = nlog4 4 = n1 2 f (n) = n n = n · n 2 = n 2 ∈ Ω(n1+ ) 3 Außerdem gilt: √ a·f n b 3 1 =4·f n 4 √ √ 1 n n 1 √ =4· √ =4· = n n = · f (n ) n n 5 8 4 4 =⇒ ∃d ∈ R mit 0 < d < 1 und a · f 4 (z.B. für = 0.1) n b 2 2 ≤ d · f (n) =⇒ Dritter Fall Master-Theorem √ =⇒ T (n) ∈ Θ(f (n)) = Θ(n n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 18/24 Beispiel 3. Fall T (n) = 4T n 4 √ +n n 1 nlogb a = nlog4 4 = n1 2 f (n) = n n = n · n 2 = n 2 ∈ Ω(n1+ ) 3 Außerdem gilt: √ a·f n b 3 1 =4·f n 4 √ √ 1 n n 1 √ =4· √ =4· = n n = · f (n ) n n 5 8 4 4 =⇒ ∃d ∈ R mit 0 < d < 1 und a · f 4 (z.B. für = 0.1) n b 2 2 ≤ d · f (n) =⇒ Dritter Fall Master-Theorem √ =⇒ T (n) ∈ Θ(f (n)) = Θ(n n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 18/24 Beispiel 3. Fall T (n) = 4T n 4 √ +n n 1 nlogb a = nlog4 4 = n1 2 f (n) = n n = n · n 2 = n 2 ∈ Ω(n1+ ) 3 Außerdem gilt: √ a·f n b 3 1 =4·f n 4 √ √ 1 n n 1 √ =4· √ =4· = n n = · f (n ) n n 5 8 4 4 =⇒ ∃d ∈ R mit 0 < d < 1 und a · f 4 (z.B. für = 0.1) n b 2 2 ≤ d · f (n) =⇒ Dritter Fall Master-Theorem √ =⇒ T (n) ∈ Θ(f (n)) = Θ(n n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 18/24 Beispiel 3. Fall T (n) = 4T n 4 √ +n n 1 nlogb a = nlog4 4 = n1 2 f (n) = n n = n · n 2 = n 2 ∈ Ω(n1+ ) 3 Außerdem gilt: √ a·f n b 3 1 =4·f n 4 √ √ 1 n n 1 √ =4· √ =4· = n n = · f (n ) n n 5 8 4 4 =⇒ ∃d ∈ R mit 0 < d < 1 und a · f 4 (z.B. für = 0.1) n b 2 2 ≤ d · f (n) =⇒ Dritter Fall Master-Theorem √ =⇒ T (n) ∈ Θ(f (n)) = Θ(n n) Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 18/24 Beispiel: Kein Fall n T (n) = 4T ( ) + n log n 4 1 2 3 nlogb a = nlog4 4 = n1 f (n) = n log n n log n ∈ / O (n1− ) n log n ∈ / Θ(n1 ) n log n ∈ / Ω(n1+ ) =⇒ Kein Fall des Master-Theorems anwendbar Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 19/24 Beispiel: Kein Fall n T (n) = 4T ( ) + n log n 4 1 2 3 nlogb a = nlog4 4 = n1 f (n) = n log n n log n ∈ / O (n1− ) n log n ∈ / Θ(n1 ) n log n ∈ / Ω(n1+ ) =⇒ Kein Fall des Master-Theorems anwendbar Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 19/24 Beispiel: Kein Fall n T (n) = 4T ( ) + n log n 4 1 2 3 nlogb a = nlog4 4 = n1 f (n) = n log n n log n ∈ / O (n1− ) n log n ∈ / Θ(n1 ) n log n ∈ / Ω(n1+ ) =⇒ Kein Fall des Master-Theorems anwendbar Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 19/24 Beispiel: Kein Fall n T (n) = 4T ( ) + n log n 4 1 2 3 nlogb a = nlog4 4 = n1 f (n) = n log n n log n ∈ / O (n1− ) n log n ∈ / Θ(n1 ) n log n ∈ / Ω(n1+ ) =⇒ Kein Fall des Master-Theorems anwendbar Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 19/24 Beispiel: Kein Fall n T (n) = 4T ( ) + n log n 4 1 2 3 nlogb a = nlog4 4 = n1 f (n) = n log n n log n ∈ / O (n1− ) n log n ∈ / Θ(n1 ) n log n ∈ / Ω(n1+ ) =⇒ Kein Fall des Master-Theorems anwendbar Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 19/24 Beispiel: Kein Fall n T (n) = 4T ( ) + n log n 4 1 2 3 nlogb a = nlog4 4 = n1 f (n) = n log n n log n ∈ / O (n1− ) n log n ∈ / Θ(n1 ) n log n ∈ / Ω(n1+ ) =⇒ Kein Fall des Master-Theorems anwendbar Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 19/24 Beispiel: Kein Fall n T (n) = 4T ( ) + n log n 4 1 2 3 nlogb a = nlog4 4 = n1 f (n) = n log n n log n ∈ / O (n1− ) n log n ∈ / Θ(n1 ) n log n ∈ / Ω(n1+ ) =⇒ Kein Fall des Master-Theorems anwendbar Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 19/24 Beispiel: Ebenfalls Kein Fall n T (n) = 2n T ( ) + nn 2 1 2 a = 2n a ist keine Konstante Allgemein gilt: a und b dürfen nicht von n abhängen! 3 =⇒ Master-Theorem nicht anwendbar Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 20/24 Beispiel: Ebenfalls Kein Fall n T (n) = 2n T ( ) + nn 2 1 2 a = 2n a ist keine Konstante Allgemein gilt: a und b dürfen nicht von n abhängen! 3 =⇒ Master-Theorem nicht anwendbar Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 20/24 Beispiel: Ebenfalls Kein Fall n T (n) = 2n T ( ) + nn 2 1 2 a = 2n a ist keine Konstante Allgemein gilt: a und b dürfen nicht von n abhängen! 3 =⇒ Master-Theorem nicht anwendbar Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 20/24 Beispiel: Ebenfalls Kein Fall n T (n) = 2n T ( ) + nn 2 1 2 a = 2n a ist keine Konstante Allgemein gilt: a und b dürfen nicht von n abhängen! 3 =⇒ Master-Theorem nicht anwendbar Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 20/24 Beispiel: Ebenfalls Kein Fall n T (n) = 2n T ( ) + nn 2 1 2 a = 2n a ist keine Konstante Allgemein gilt: a und b dürfen nicht von n abhängen! 3 =⇒ Master-Theorem nicht anwendbar Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 20/24 Überblick 1 Master-Theorem 2 Ergebnisse Evaluation Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 21/24 Ergebnisse der Evaluation Gut gefallen hat: Kompetenz des Übungsleiters Tempo Foliengestaltung Anschauliche Beispiele Geht nur 45 min Wechsel des Übungsleiters Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 22/24 Ergebnisse der Evaluation Nicht gefallen hat: Wechsel des Übungsleiters Termin der Übung (3h vor ÜB-Abgabe) Spätes Hochladen der Folien Hohe Komplexität und hoher Abstraktionsgrad Mehr konkrete/einfachere Beispiele Lehrveranstalter versteht Fragen/Probleme nicht manchmal zu viele Folien zum Mitschreiben/zu schnell manchmal undeutlich Frauenanteil zu gering Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 23/24 Das war’s für heute Schönes Wochenende! Master-Theorem Thomas Bittner – 10. Übung - Grundbegriffe der Informatik Ergebnisse Evaluation Schluss 10. Januar 2014 24/24