Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
GRUNDBEGRIFFE DER INFORMATIK
Grundbegriffe der Informatik: 10. UbungMaster-Theorem
Thomas Bittner | 10. Januar 2014
KIT – Universitat des Landes Baden-Wurttemberg und
nationales Forschungszentrum in der Helmholtz-Gemeinschaft
www.kit.edu
Uberblick
1 Master-Theorem
2 Ergebnisse Evaluation
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 2/24
Rekurrenzgleichung
Beschreibung von Divide-and-Conquer-Algorithmen durch
T (n) = aT(n
b
)+ f (n)
Bedeutung der Konstantena: In wie viele Teilprobleme wird aufgeteilt?
b: Wie groß sind die Teilprobleme?
f (n): Was muss der Algorithmus noch zusatzlich tun?
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 3/24
Beispiel: Summe
Gegeben: Ein ”Array“ von ZahlenGesucht: Die Summe uber alle Zahlen
Algorithmus:Basisfall: Array hat Lange 1
Dann: Gib die eine Zahl zuruck.
Rekursionsfall:
1 Teile Array in der Mitte2 Berechne Summe auf beiden Teilarrays (rekursiv)3 Addiere diese beiden Summen
Rekurrenzgleichung:
T (n) = 2T(n
2
)+ 1
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 4/24
Beispiel: Summe
Gegeben: Ein ”Array“ von ZahlenGesucht: Die Summe uber alle Zahlen
Algorithmus:Basisfall: Array hat Lange 1
Dann: Gib die eine Zahl zuruck.
Rekursionsfall:
1 Teile Array in der Mitte2 Berechne Summe auf beiden Teilarrays (rekursiv)3 Addiere diese beiden Summen
Rekurrenzgleichung:
T (n) = 2T(n
2
)+ 1
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 4/24
Master-Theorem
T (n) = aT (nb
) + f (n)
Master-Theorem
T (n) ∈
Θ(nlogb a) f (n) ∈ O(nlogb a−ε) fur ein ε > 0
Θ(nlogb a log n) f (n) ∈ Θ(nlogb a)
Θ(f (n)) f (n) ∈ Ω(nlogb a+ε) fur ein ε > 0 und
∃d ∈ R : 0 < d < 1,
sodass fur alle hinreichend großen n gilt:
a · f ( nb ) ≤ d · f (n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 5/24
Master-Theorem
T (n) = aT (nb
) + f (n)
Master-Theorem
T (n) ∈
Θ(nlogb a) f (n) ∈ O(nlogb a−ε) fur ein ε > 0
Θ(nlogb a log n) f (n) ∈ Θ(nlogb a)
Θ(f (n)) f (n) ∈ Ω(nlogb a+ε) fur ein ε > 0 und
∃d ∈ R : 0 < d < 1,
sodass fur alle hinreichend großen n gilt:
a · f ( nb ) ≤ d · f (n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 6/24
Master-Theorem
T (n) = aT (nb
) + f (n)
Master-Theorem
T (n) ∈
Θ(nlogb a) f (n) ∈ O(nlogb a−ε) fur ein ε > 0
Θ(nlogb a log n) f (n) ∈ Θ(nlogb a)
Θ(f (n)) f (n) ∈ Ω(nlogb a+ε) fur ein ε > 0 und
∃d ∈ R : 0 < d < 1,
sodass fur alle hinreichend großen n gilt:
a · f ( nb ) ≤ d · f (n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 7/24
Master-Theorem
T (n) = aT (nb
) + f (n)
Master-Theorem
T (n) ∈
Θ(nlogb a) f (n) ∈ O(nlogb a−ε) fur ein ε > 0
Θ(nlogb a log n) f (n) ∈ Θ(nlogb a)
Θ(f (n)) f (n) ∈ Ω(nlogb a+ε) fur ein ε > 0 und
∃d ∈ R : 0 < d < 1,
sodass fur alle hinreichend großen n gilt:
a · f ( nb ) ≤ d · f (n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 8/24
Veranschaulichung 1. Fall
1. Fall Master-Theorem
T (n) ∈ Θ(nlogb a) f (n) ∈ O(nlogb a−ε) fur ein ε > 0
Betrachte Rekurrenzgleichung:
T (1) = 1
T (n) = aT(n
b
)+ 0
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 9/24
Veranschaulichung 1. Fall
1. Fall Master-Theorem
T (n) ∈ Θ(nlogb a) f (n) ∈ O(nlogb a−ε) fur ein ε > 0
Betrachte Rekurrenzgleichung:
T (1) = 1
T (n) = aT(n
b
)+ 0
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 9/24
Veranschaulichung 1. Fall
Betrachte Rekurrenzgleichung:
T (1) = 1
T (n) = aT(n
b
)+ 0
Betrachte T(bk):
T(bk) = aT
(bk
b
)= aT
(bk−1) = a · aT
(bk−1
b
)= a · aT
(bk−2) = · · ·
= ak · T (1) = ak · 1= ak
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 10/24
Veranschaulichung 1. Fall
Betrachte Rekurrenzgleichung:
T (1) = 1
T (n) = aT(n
b
)+ 0
T(bk) = ak
Setze n := bk =⇒ k = logb n
=⇒ ak = alogb n =(blogba)logb n
= blogb a·logb n = blogb n·logb a = nlogb a
=⇒ T (n) = nlogb a ∈ Θ(nlogb a)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 11/24
Veranschaulichung 1. Fall
Betrachte Rekurrenzgleichung:
T (1) = 1
T (n) = aT(n
b
)+ 0
T(bk) = ak
Setze n := bk =⇒ k = logb n
=⇒ ak = alogb n =(blogba)logb n
= blogb a·logb n = blogb n·logb a = nlogb a
=⇒ T (n) = nlogb a ∈ Θ(nlogb a)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 11/24
Veranschaulichung 1. Fall
Betrachte Rekurrenzgleichung:
T (1) = 1
T (n) = aT(n
b
)+ 0
T(bk) = ak
Setze n := bk =⇒ k = logb n
=⇒ ak = alogb n =(blogba)logb n
= blogb a·logb n = blogb n·logb a = nlogb a
=⇒ T (n) = nlogb a ∈ Θ(nlogb a)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 11/24
Beispiel 1. Fall
T (n) = 2T(n
2
)+ log2 n
1 nlogb a = nlog2 2 = n1
2 f (n) = log2 n ∈ O(n1−ε) (z.B. fur ε = 0.1)3 =⇒ Erster Fall Master-Theorem4 =⇒ T (n) ∈ Θ(n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 12/24
Beispiel 1. Fall
T (n) = 2T(n
2
)+ log2 n
1 nlogb a = nlog2 2 = n1
2 f (n) = log2 n ∈ O(n1−ε) (z.B. fur ε = 0.1)3 =⇒ Erster Fall Master-Theorem4 =⇒ T (n) ∈ Θ(n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 12/24
Beispiel 1. Fall
T (n) = 2T(n
2
)+ log2 n
1 nlogb a = nlog2 2 = n1
2 f (n) = log2 n ∈ O(n1−ε) (z.B. fur ε = 0.1)3 =⇒ Erster Fall Master-Theorem4 =⇒ T (n) ∈ Θ(n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 12/24
Beispiel 1. Fall
T (n) = 2T(n
2
)+ log2 n
1 nlogb a = nlog2 2 = n1
2 f (n) = log2 n ∈ O(n1−ε) (z.B. fur ε = 0.1)3 =⇒ Erster Fall Master-Theorem4 =⇒ T (n) ∈ Θ(n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 12/24
Beispiel 1. Fall
T (n) = 2T(n
2
)+ log2 n
1 nlogb a = nlog2 2 = n1
2 f (n) = log2 n ∈ O(n1−ε) (z.B. fur ε = 0.1)3 =⇒ Erster Fall Master-Theorem4 =⇒ T (n) ∈ Θ(n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 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 fallt“?
Master-Theorem:
f (n) ∈ O(nlogb a−ε)⇐⇒ f (n) ∈ O(nc) mit c < logb a
Wachst zu stark:
f (n) = nlogb a/ log2 n
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 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 fallt“?
Master-Theorem:
f (n) ∈ O(nlogb a−ε)⇐⇒ f (n) ∈ O(nc) mit c < logb a
Wachst zu stark:
f (n) = nlogb a/ log2 n
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 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 fallt“?
Master-Theorem:
f (n) ∈ O(nlogb a−ε)⇐⇒ f (n) ∈ O(nc) mit c < logb a
Wachst zu stark:
f (n) = nlogb a/ log2 n
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 13/24
Grenze des 1. Falls
Wachst zu stark:
f (n) = nlogb a/ log2 n
Beispiel:
T (n) = 2T (n2
) + n/ log2 n
T (1) = 0
T (2) = 2
T (4) = 6
T (8) = 44/3
T (16) = 100/3
T (32) = 1096/15
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 14/24
Grenze des 1. Falls
Wachst zu stark:
f (n) = nlogb a/ log2 n
Beispiel:
T (n) = 2T (n2
) + n/ log2 n
T (1) = 0
T (2) = 2
T (4) = 6
T (8) = 44/3
T (16) = 100/3
T (32) = 1096/15
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 14/24
Grenze des 1. FallsBetrachte Verhaltnis von T (n)/nlogb a.Mit
T (n) = 2T (n2
) + n/ log2 n
also das Verhaltnis 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∑
i=1
1i
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 15/24
Grenze des 1. FallsBetrachte Verhaltnis von T (n)/nlogb a.Mit
T (n) = 2T (n2
) + n/ log2 n
also das Verhaltnis 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∑
i=1
1i
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 15/24
Grenze des 1. FallsBetrachte Verhaltnis von T (n)/nlogb a.Mit
T (n) = 2T (n2
) + n/ log2 n
also das Verhaltnis 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∑
i=1
1i
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 15/24
Grenze des 1. FallsBetrachte Verhaltnis von T (n)/nlogb a.Mit
T (n) = 2T (n2
) + n/ log2 n
also das Verhaltnis 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∑
i=1
1i
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 15/24
Grenze des 1. Falls
T (2k )/2k =∑k
i=11i
⇐⇒ T (2k ) = 2k · (∑k
i=11i ) (Beweis durch Vollstandige Induktion)
Harmonische Reihe∑ki=1
1i ist die Harmonische Reihe
Es gilt:k∑
i=1
1i∈ Θ(log k)
Setze n := 2k =⇒ k = log2 n=⇒ T (n) ∈ Θ(n log(log n))
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 16/24
Grenze des 1. Falls
T (2k )/2k =∑k
i=11i
⇐⇒ T (2k ) = 2k · (∑k
i=11i ) (Beweis durch Vollstandige Induktion)
Harmonische Reihe∑ki=1
1i ist die Harmonische Reihe
Es gilt:k∑
i=1
1i∈ Θ(log k)
Setze n := 2k =⇒ k = log2 n=⇒ T (n) ∈ Θ(n log(log n))
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 16/24
Grenze des 1. Falls
T (2k )/2k =∑k
i=11i
⇐⇒ T (2k ) = 2k · (∑k
i=11i ) (Beweis durch Vollstandige Induktion)
Harmonische Reihe∑ki=1
1i ist die Harmonische Reihe
Es gilt:k∑
i=1
1i∈ Θ(log k)
Setze n := 2k =⇒ k = log2 n=⇒ T (n) ∈ Θ(n log(log n))
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 16/24
Beispiel 2. Fall
T (n) = 9T(n
3
)+ n2 + 2n + 1
1 nlogb a = nlog3 9 = n2
2 f (n) = n2 + 2n + 1 ∈ Θ(n2)
3 =⇒ Zweiter Fall Master-Theorem4 =⇒ T (n) ∈ Θ(n2 log n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 17/24
Beispiel 2. Fall
T (n) = 9T(n
3
)+ n2 + 2n + 1
1 nlogb a = nlog3 9 = n2
2 f (n) = n2 + 2n + 1 ∈ Θ(n2)
3 =⇒ Zweiter Fall Master-Theorem4 =⇒ T (n) ∈ Θ(n2 log n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 17/24
Beispiel 2. Fall
T (n) = 9T(n
3
)+ n2 + 2n + 1
1 nlogb a = nlog3 9 = n2
2 f (n) = n2 + 2n + 1 ∈ Θ(n2)
3 =⇒ Zweiter Fall Master-Theorem4 =⇒ T (n) ∈ Θ(n2 log n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 17/24
Beispiel 2. Fall
T (n) = 9T(n
3
)+ n2 + 2n + 1
1 nlogb a = nlog3 9 = n2
2 f (n) = n2 + 2n + 1 ∈ Θ(n2)
3 =⇒ Zweiter Fall Master-Theorem4 =⇒ T (n) ∈ Θ(n2 log n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 17/24
Beispiel 2. Fall
T (n) = 9T(n
3
)+ n2 + 2n + 1
1 nlogb a = nlog3 9 = n2
2 f (n) = n2 + 2n + 1 ∈ Θ(n2)
3 =⇒ Zweiter Fall Master-Theorem4 =⇒ T (n) ∈ Θ(n2 log n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 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 · n12 = n
32 ∈ Ω(n1+ε) (z.B. fur ε = 0.1)
3 Außerdem gilt:
a · f(n
b
)= 4 · f
(n4
)= 4 · n
√n
4√
4= 4 · n
√n
8=
12
n√
n =12· f (n)
=⇒ ∃d ∈ R mit 0 < d < 1 und a · f(
nb
)≤ d · f (n)
4 =⇒ Dritter Fall Master-Theorem5 =⇒ T (n) ∈ Θ(f (n)) = Θ(n
√n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 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 · n12 = n
32 ∈ Ω(n1+ε) (z.B. fur ε = 0.1)
3 Außerdem gilt:
a · f(n
b
)= 4 · f
(n4
)= 4 · n
√n
4√
4= 4 · n
√n
8=
12
n√
n =12· f (n)
=⇒ ∃d ∈ R mit 0 < d < 1 und a · f(
nb
)≤ d · f (n)
4 =⇒ Dritter Fall Master-Theorem5 =⇒ T (n) ∈ Θ(f (n)) = Θ(n
√n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 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 · n12 = n
32 ∈ Ω(n1+ε) (z.B. fur ε = 0.1)
3 Außerdem gilt:
a · f(n
b
)= 4 · f
(n4
)= 4 · n
√n
4√
4= 4 · n
√n
8=
12
n√
n =12· f (n)
=⇒ ∃d ∈ R mit 0 < d < 1 und a · f(
nb
)≤ d · f (n)
4 =⇒ Dritter Fall Master-Theorem5 =⇒ T (n) ∈ Θ(f (n)) = Θ(n
√n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 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 · n12 = n
32 ∈ Ω(n1+ε) (z.B. fur ε = 0.1)
3 Außerdem gilt:
a · f(n
b
)= 4 · f
(n4
)= 4 · n
√n
4√
4= 4 · n
√n
8=
12
n√
n =12· f (n)
=⇒ ∃d ∈ R mit 0 < d < 1 und a · f(
nb
)≤ d · f (n)
4 =⇒ Dritter Fall Master-Theorem5 =⇒ T (n) ∈ Θ(f (n)) = Θ(n
√n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 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 · n12 = n
32 ∈ Ω(n1+ε) (z.B. fur ε = 0.1)
3 Außerdem gilt:
a · f(n
b
)= 4 · f
(n4
)= 4 · n
√n
4√
4= 4 · n
√n
8=
12
n√
n =12· f (n)
=⇒ ∃d ∈ R mit 0 < d < 1 und a · f(
nb
)≤ d · f (n)
4 =⇒ Dritter Fall Master-Theorem5 =⇒ T (n) ∈ Θ(f (n)) = Θ(n
√n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 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 · n12 = n
32 ∈ Ω(n1+ε) (z.B. fur ε = 0.1)
3 Außerdem gilt:
a · f(n
b
)= 4 · f
(n4
)= 4 · n
√n
4√
4= 4 · n
√n
8=
12
n√
n =12· f (n)
=⇒ ∃d ∈ R mit 0 < d < 1 und a · f(
nb
)≤ d · f (n)
4 =⇒ Dritter Fall Master-Theorem5 =⇒ T (n) ∈ Θ(f (n)) = Θ(n
√n)
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 18/24
Beispiel: Kein Fall
T (n) = 4T (n4
) + n log n
1 nlogb a = nlog4 4 = n1
2 f (n) = n log nn log n /∈ O(n1−ε)n log n /∈ Θ(n1)n log n /∈ Ω(n1+ε)
3 =⇒ Kein Fall des Master-Theorems anwendbar
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 19/24
Beispiel: Kein Fall
T (n) = 4T (n4
) + n log n
1 nlogb a = nlog4 4 = n1
2 f (n) = n log nn log n /∈ O(n1−ε)n log n /∈ Θ(n1)n log n /∈ Ω(n1+ε)
3 =⇒ Kein Fall des Master-Theorems anwendbar
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 19/24
Beispiel: Kein Fall
T (n) = 4T (n4
) + n log n
1 nlogb a = nlog4 4 = n1
2 f (n) = n log nn log n /∈ O(n1−ε)n log n /∈ Θ(n1)n log n /∈ Ω(n1+ε)
3 =⇒ Kein Fall des Master-Theorems anwendbar
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 19/24
Beispiel: Kein Fall
T (n) = 4T (n4
) + n log n
1 nlogb a = nlog4 4 = n1
2 f (n) = n log nn log n /∈ O(n1−ε)n log n /∈ Θ(n1)n log n /∈ Ω(n1+ε)
3 =⇒ Kein Fall des Master-Theorems anwendbar
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 19/24
Beispiel: Kein Fall
T (n) = 4T (n4
) + n log n
1 nlogb a = nlog4 4 = n1
2 f (n) = n log nn log n /∈ O(n1−ε)n log n /∈ Θ(n1)n log n /∈ Ω(n1+ε)
3 =⇒ Kein Fall des Master-Theorems anwendbar
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 19/24
Beispiel: Kein Fall
T (n) = 4T (n4
) + n log n
1 nlogb a = nlog4 4 = n1
2 f (n) = n log nn log n /∈ O(n1−ε)n log n /∈ Θ(n1)n log n /∈ Ω(n1+ε)
3 =⇒ Kein Fall des Master-Theorems anwendbar
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 19/24
Beispiel: Kein Fall
T (n) = 4T (n4
) + n log n
1 nlogb a = nlog4 4 = n1
2 f (n) = n log nn log n /∈ O(n1−ε)n log n /∈ Θ(n1)n log n /∈ Ω(n1+ε)
3 =⇒ Kein Fall des Master-Theorems anwendbar
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 19/24
Beispiel: Ebenfalls Kein Fall
T (n) = 2nT (n2
) + nn
1 a = 2n
2 a ist keine KonstanteAllgemein gilt: a und b durfen nicht von n abhangen!
3 =⇒ Master-Theorem nicht anwendbar
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 20/24
Beispiel: Ebenfalls Kein Fall
T (n) = 2nT (n2
) + nn
1 a = 2n
2 a ist keine KonstanteAllgemein gilt: a und b durfen nicht von n abhangen!
3 =⇒ Master-Theorem nicht anwendbar
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 20/24
Beispiel: Ebenfalls Kein Fall
T (n) = 2nT (n2
) + nn
1 a = 2n
2 a ist keine KonstanteAllgemein gilt: a und b durfen nicht von n abhangen!
3 =⇒ Master-Theorem nicht anwendbar
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 20/24
Beispiel: Ebenfalls Kein Fall
T (n) = 2nT (n2
) + nn
1 a = 2n
2 a ist keine KonstanteAllgemein gilt: a und b durfen nicht von n abhangen!
3 =⇒ Master-Theorem nicht anwendbar
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 20/24
Beispiel: Ebenfalls Kein Fall
T (n) = 2nT (n2
) + nn
1 a = 2n
2 a ist keine KonstanteAllgemein gilt: a und b durfen nicht von n abhangen!
3 =⇒ Master-Theorem nicht anwendbar
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 20/24
Uberblick
1 Master-Theorem
2 Ergebnisse Evaluation
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 21/24
Ergebnisse der Evaluation
Gut gefallen hat:
Kompetenz des Ubungsleiters
Tempo
Foliengestaltung
Anschauliche Beispiele
Geht nur 45 min
Wechsel des Ubungsleiters
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 22/24
Ergebnisse der Evaluation
Nicht gefallen hat:
Wechsel des Ubungsleiters
Termin der Ubung (3h vor UB-Abgabe)
Spates Hochladen der Folien
Hohe Komplexitat 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 Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 23/24
Das war’s fur heute
Schones Wochenende!
Master-Theorem Ergebnisse Evaluation Schluss
Thomas Bittner – 10. Ubung - Grundbegriffe der Informatik 10. Januar 2014 24/24