Indice
Algoritmi e Strutture dei Dati: A.A. 2015-2016
Avvisi
- Sono disponibili i dati e il testo del [progetto] e del [mini-progetto].
- IMPORTANTE: compilare il questionario in rete
- Per chi intende sostenere l'esame scritto, le date sono da concordare su appuntamento.
- Sintesi degli argomenti svolti nel [laboratorio].
- Immagini usate durante la lezione.
- Visualizzazioni in HTML5 mostrate a lezione.
- Per il ricevimento, consultare la homepage del docente.
Motivazioni
“Fino a poco tempo fa, i matematici teorici consideravano un problema risolto se esisteva un metodo conosciuto, o algoritmo, per risolverlo; il procedimento di esecuzione dell'algoritmo era di importanza secondaria. Tuttavia, c'è una grande differenza tra il sapere che è possibile fare qualcosa e il farlo. Questo atteggiamento di indifferenza sta cambiando rapidamente, grazie ai progressi della tecnologia del computer. Adesso, è importantissimo trovare metodi di soluzione che siano pratici per il calcolo. La teoria della complessità studia i vari algoritmi e la loro relativa effficienza computazionale. Si tratta di una teoria giovane e in pieno sviluppo, che sta motivando nuove direzioni nella matematica e nello stesso tempo trova applicazioni concrete quali quello fondamentale della sicurezza e identificazione dei dati.”
– E. Bombieri, Medaglia Fields, in La matematica nella società di oggi, Bollettino UMI, Aprile 2001
Contenuti
Introduzione al modello di calcolo, all'analisi e alla complessità degli algoritmi. Algoritmi ricorsivi e relazioni di ricorrenza: divide et impera e programmazione dinamica. Strutture di dati combinatorie con applicazioni: algoritmi per array, liste, alberi, pile, code, code di priorità, dizionari, grafi. Problemi P, NP, NP-completi e approssimazione.
Obiettivi formativi
Definire formalmente le nozioni di algoritmo e di modello di calcolo caratterizzandone gli aspetti rilevanti. Organizzare e strutturare i dati da elaborare nel modo più opportuno al fine di agevolarne l'uso da parte degli algoritmi. Progettare algoritmi corretti (che risolvono cioè sempre e solo il problema a cui si è interessati) ed efficienti (cioè che lo risolvono il più velocemente possibile o usano il minor spazio di memoria possibile), attraverso l'esame di paradigmi diversi e problemi provenienti dal mondo reale. Studiare le limitazioni inerenti dei problemi da risolvere, in particolare di quelli la cui soluzione richiede l'esame di tutte le possibilità.
Prerequisiti e metodologia
- Conoscenza di un linguaggio di programmazione (C, C++, C#, Java, Phyton).
- Lezioni frontali con esercitazioni.
- Sviluppo di codice in laboratorio.
- Uso di strumenti di visualizzazione.
- Sviluppo di un progetto basato su “real-world data”.
Modalità d'esame
- Parte prima, a scelta una delle seguenti possibilità:
- [progetto] con sviluppo di nuovi algoritmi e relativa implementazione, avente una votazione in trentesimi (non richiede la presentazione del mini-progetto).
- scritto con esercizi da svolgere, avente una votazione in trentesimi, più un [mini-progetto] con votazione booleana (prova superata o meno per valutare le capacità programmative);
- seminario basato su un argomento di ricerca nel campo dell'algoritmica, avente una votazione in trentesimi, più un [mini-progetto] con votazione booleana (vedi sopra);
- Parte seconda, comune per tutti: verifica tramite l'orale basato sul programma dettagliato (vedi sotto).
Testi e materiale didattico
- P. Crescenzi, G. Gambosi, R. Grossi, G. Rossi. Strutture di Dati e Algoritmi, Pearson, seconda edizione, 2012 [CGGR].
- T. H. Cormen, C. E. Leiserson, R. L. Rivest, C. Stein. Introduction to algorithms, MIT Press, third edition, 2011.
- C. Demestrescu, I. Finocchi, G. F. Italiano, Algoritmi e strutture dati, McGraw Hill, seconda edizione, 2008.
Programma
Capitolo 0 (versione elettronica), Capitolo 1 (tranne par.1.3), Capitolo 2 (tranne par.2.2), Capitolo 3 (tranne par. 3.5), Capitolo 4 (più cuckoo hashing), Capitolo 5 (par.5.1, 5.2, 5.3), Capitolo 6 (par. 6.1, 6.3, 6.4, 6.5, 6.8), Capitolo 7 (tranne par. 7.3.2), Capitolo 8 (tranne par. 8.7). Guardare errata-corrige, integrazioni ed esempi utilizzando ALVIE sul sito Web.
Data | Argomento | Riferimenti e note |
---|---|---|
24.02.2016 | Presentazione del corso. Breve ripasso del linguaggio C. | [laboratorio, lez.0] |
26.02.2016 | Discussione di un problema algoritmico in classe e relative soluzioni | - |
29.02.2015 | Problemi indecidibili: problema della fermata di Turing. Problemi esponenziali: Torri di Hanoi. Problemi polinomiali. | [CGGR, cap.0] |
02.03.2016 | Segmento di somma massima | [CGGR, cap.0], [laboratorio, lez.1] |
04.03.2016 | Gestione di una coda di stampa. Insertion sort. Selection sort. Analisi di algoritmi. | [CGGR, par.1.2] |
07.03.2016 | Quicksort (caso pessimo) e versione randomizzato (caso medio) | [CGGR, par.5.1], [CLRS,par. 7.3] |
09.03.2016 | Implementazione del quicksort. | [laboratorio, lez.2] |
11.03.2016 | Mergesort. Complessità asintotica di un problema: limiti superiori e inferiori dell'ordinamento. Heap implicito e heapsort | [CGGR, par.2.4, 3.1]] |
14.03.2016 | Divide et impera su alberi: problemi decomponibili. Visita di alberi. Ricerca binaria e albero binario di ricerca corrispondente. | [CGGR, par. 1.4, 3.3, 3.8] |
16.03.2016 | Algorithm engineering per il quicksort. | [laboratorio, lez.3] |
18.03.2016 | Discussione del codice per lo heapsort. Alberi binari di ricerca: ricerca, inserimento, cancellazione. Il problema del dizionario: realizzazione mediante array, liste e alberi binari di ricerca. Limite inferiore logaritmico per la ricerca mediante confronti. | [CGGR, 4.1, 4.2, 4.4.1] |
21.03.2016 | Alberi binari di ricerca AVL: ricerca, inserimento, cancellazione. Dizionari per stringhe: trie | [CGGR, par. 4.4.2, 4.5] |
23.03.2016 | Implementazione degli alberi binari di ricerca. | [laboratorio, lez.4] |
01.04.2016 | Sospensione della didattica disposta dal presidente di corso. | Elezioni studentesche |
04.04.2016 | Hashing e tabelle hash. Liste trabocco, indirizzamento aperto, cuckoo hash (prima parte) | [CGGR, par. 4.3] Note in inglese |
06.04.2016 | Semplice implementazione del cuckoo hashing | [laboratorio, lez.5] |
08.04.2016 | Cuckoo hash (seconda parte) | Note in inglese analisi insert |
11.04.2016 | Grafi: alcune proprietà combinatorie; esempi di problemi; rappresentazione in memoria. | [CGGR, par. 7.1] |
13.04.2016 | Lettura da file di un grafo e creazione della sua rappresentazione in memoria mediante liste compatte di adiacenza | [laboratorio, lez.6] |
15.04.2016 | Visita in profondità (DFS) di un grafo e ordinamento topologico. | [CGGR, par. 7.2.1, 7.3.1] |
18.04.2016 | Visita in ampiezza (BFS) con coda implementata mediante liste. Diametro. | [CGGR, par. codice 8.1, 7.2.1] |
20.04.2016 | Scrittura di uno header in C/C++ per la lettura di un grafo da file | [laboratorio, lez.7a] |
22.04.2016 | Grafi pesati e cammini minimi. Algoritmi di Dijstra e Floyd-Warshall. Albero di ricoprimento minimo (MST): regola del ciclo e del taglio. | [CGGR, par. 7.4, 7.5.1] |
27.04.2016 | DFS, BFS e calcolo eccentricità di un grafo. | [laboratorio, lez.7b] |
29.04.2016 | Algoritmo di Jarnik-Prim mediante heap. Algoritmo di Kruskal con struttura di dati per union-find e analisi ammortizzata. | [CGGR, par. 5.3, 7.5.2-7.5.3] |
02.05.2016 | Programmazione dinamica. Fibonacci e sottosequenza comune più lunga. Partizione (subset sum) e zaino (knapsack). Problemi pseudo-polinomiali. | [CGGR, par. 6.1, 6.3-6.5] |
04.05.2016 | Programmazione dinamica per edit distance. | [laboratorio, lez.8] |
06.05.2016 | Lezione cancellata. | Aule chiuse a causa sciopero. |
09.05.2016 | Classi di complessità P e NP: esempio dei cicli euleriani e hamiltoniani (HAM) nei grafi. Nozione di certificato polinomiale. Definizione della classe NP. Relazione tra certificato polinomiale e non-determinismo polinomiale. Riduzione polinomiale. Esempio da HAM a commesso viaggiatore (TSP). | [CGGR, par. 8.1-8.3] video |
11.05.2016 | Introduzione alla struttura delle proteine per il progetto (a cura del dott. Lorenzo Tattini). Parsing dei file PDB (Protein Data Bank) | [laboratorio, lez.9] |
13.05.2016 | Proprietà della riduzione polinomiale e definizione della classe NPC (problemi NP-completi). Problema della soddisfacibilità (SAT) e Teorema di Cook-Levin. Riduzione da SAT a 3-colorazione di mappe (3-COL). Riduzioni a la Karp: da SAT a soddisfacibilità con clausole a 3 letterali (3-SAT), e da 3-SAT a vertex cover (VC). | [CGGR, par. 8.4-8.6, 8.8-8.10] |
16.05.2016 | Algoritmi di r-approssimazione. 2-approssimazione per min VC. Inapprossimabilità di TSP nel caso generale e sua 2-approssimazione per istanze metriche. | [CGGR, par. 8.10-8.11] |
18.05.2016 | Discussione del progetto su PDB. | [laboratorio, lez.10] |