Indice
Algoritmi e Strutture dei Dati: A.A. 2019-2020
Avvisi
- È disponibile il [progetto] del corso, non c'è una scadenza per la consegna.
- L'insegnamento verrà erogato in modalità didattica a distanza: occorre accedere al sito https://esami.unipi.it con le proprie credenziali di Ateneo per poter partecipare (verrà utilizzato Microsoft Teams).
- Orario lezioni: mar 16:00‑18:00, gio 9:00‑11:00, ven 14:00‑16:00
- Per il ricevimento, consultare la homepage dei docenti
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 binaria (passato/non passato, con eventuale nota di merito se ben fatto; non richiede la presentazione del mini-progetto).
- ABOLITO causa corvid-19: 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);
- ABOLITO causa corvid-19: 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 |
---|---|---|
25.02.2020 | Presentazione del corso. Analisi di un problema semiserio: il problema delle 12 monete. | 12 monete |
27.02.2020 | Indecidibilità di problemi computazionali | [CGGR, cap.0, par.1] |
03.03.2020 | Modello RAM, Notazioni asintotiche, Sottosequenza di somma massima | [CGGR, cap.0, par.6-7] |
10.03.2020 | Il problema del Sorting: SelectionSort, InsertionSort, Definizione e analisi. Paradigma del Divide et Impera e MergeSort. Analisi di mergeSort con equazione di ricorrenza risolta col metodo iterativo. | [CGGR, cap.1, par.1.2.1 e 1.2.2. Cap 3, par.3.1] lavagna |
12.03.2020 | Limite inferiore per il problema del Sorting con la tecnica dell'albero di decisione. Eventi contabili: il problema del massimo. Il problema del primo e secondo, algoritmo del doppio torneo.Limite inferiore con la tecnica dell'oracolo. | [CGGR pag.56 ] Note di F. Luccio su limiti inferiori. |
17.03.2020 | Tecniche per la soluzione di equazioni di ricorrenza: sostituzione, albero di ricorsione, metodo dell'esperto. Moltiplicazione rapida di due interi. | [CLRS 4.3, 4.4, 4.5; CGGR 3.5]. equazioni ricorrenza |
19.03.2020 | QuickSort e randomization. | [CGGR 3.4; CLRS 7.3 ] lucidi |
24.03.2020 | Algoritmo di Strassen per il prodotto di matrici. Ordina 012 e 3-Partition per QuickSort | [ CGGR 3.3]. |
26.03.2020 | Code, code con priorità, Heap definizione, operazioni Enqueue e Dequeue. Un algoritmo ottimo di ordinamento: HeapSort | [CGGR 2.3, 2.4].lavagna |
27.03.2020 | Laboratorio: presentazione degli strumenti per la didattica a distanza. Insertion Sort e generazione di un array casuale. | lab |
31.03.2020 | Esercizi su Heap e Heapsort | lavagna |
02.04.2020 | Array di dimensione variabile. Alberi: definizioni, proprietà, alberi binari, algoritmi ricorsivi, visite, memorizzazione. | [CGGR 1.1.3, 3.8 ] |
03.04.2020 | Laboratorio: Quicksort e sua versione ibrida con Insertion Sort. | lab |
07.04.2020 | Alberi binari di ricerca per le operazioni del dizionario. Definizioni, Operazioni di ricerca, inserzione, cancellazione, ordinamento, minimo, massimo,precedente e successivo | [CGGR 4.4, 4.4.1]lavagna |
09.04.2020 | Alberi AVL, Alberi di Fibonacci, relazione tra altezza e numero di nodi, rotazioni dopo inserzione e cancellazione | [CGGR 4.4.2 ] lavagna |
21.04.2020 | Tabelle hash, funzioni hash, metodi per la gestione delle collisioni: liste di trabocco, scansione lineare. Algoritmi di ricerca, inserzione e cancellazione. Problemi per la cancellazione, cancellazione virtuale | [CGGR 4.3 ]lavagna |
23.04.2020 | Tabelle hash, Open hash: scansione quadratica e doppio hash. Numero medio di accessi, dimostrazione. Algoritmo di cancellazione con scambio per scansione a passo 1. | [ CGGR 4.3 ]lavagna |
24.04.2020 | Laboratorio: calcolo del numero di inversioni in un array: algoritmo quadratico e quasi lineare basato su mergesort. | lab |
28.04.2020 | Introduzione alla Programmazione Dinamica. Numeri di Fibonacci. Il problema della Longest Common Subsequence. | [ CGGR 6.1, 6.2, 6.3]lavagna |
30.04.2019 | Paradigma della programmazione dinamica: ottimalità della sotto-struttura per LCS. Problemi Edit Distance e Zaino. | [ CGGR par.6.5, , CLRS pag.325 , Note di F. Luccio ]lavagna |
05.05.2019 | Zaino e pseudopolinomialità. Algoritmo brute-force per Zaino, vettore caratteristico, generazione dei sottoinsiemi di un insieme. Introduzione ai grafi | [ CGGR ] 7.1, 7.2.1, lavagna |
07.05.2019 | Visite BFS, BFS-explore e DFS. Alberi di copertura corrispondenti. Classificazione degli archi. | [ CGGR ] 7.2.1, 7.2.2, lavagna |
08.05.2020 | Laboratorio: alberi binari di ricerca, operazioni di base del dizionario | lab |
12/05/2020 | Grafi orientati aciclici (DAG) e ordinamento topologico. Algoritmo di Dijkstra per i cammini minimi con esempio di simulazione. | [ CGGR ] 7.3.1, 7.4, 7.4.1, 7.4.2 lavagna |
14/05/2020 | Grafi: Analisi Algoritmo di Dijkstra. Minimal Spanning Tree. Algoritmo di Kruskal. Set Union su liste disgiunte. | [ CGGR ] 7.5, 7.5.1, 7.5.2, 5.3 lavagna |
15.05.2020 | Laboratorio: alberi binari di ricerca, operazione di range query | lab |
19/05/2020 | Il problema P e NP. Introduzione all'NP-Completezza | PvsNP |
21/05/2020 | Riducibilità polinomiale e problemi NP-completi. Teorema di Cook-Levin (senza dimostrazione) esempi di verifica polinomiale e riduzioni | [ CGGR ] Cap 8: fino a 8.7. 8.8 cenni, lavagna |
22.05.2020 | Laboratorio: rappresentazione di grafi e visite | lab |
26.05.2020 | Laboratorio: calcolo del diametro del grafo | lab |
05.06.2020 | Laboratorio: discussione collettiva del progetto d'esame | lab |