Estruturas de Dados

Download Report

Transcript Estruturas de Dados

http://www.computacao.gigamundo.com

ESTRUTURA DE DADOS I

Christiano Lima Santos

http://www.computacao.gigamundo.com

Tipos de Dados e Tipos Abstratos de Dados (Aula 1)

Christiano Lima Santos

http://www.computacao.gigamundo.com

Sumário

    Motivação Tipos de Dados Operações Tipos Primitivos ou Escalares – – – – – Tipos Inteiros Tipos Reais Tipos Lógicos Tipo Caracter Funções Para Conversão     Tipos Coleções ou Não-Escalares – Tipo Vetor – – Tipo Registro Tipo Conjunto Tipos Abstratos de Dados Alocação de Memória Vantagens e Desvantagens da Alocação Dinâmica

http://www.computacao.gigamundo.com

Motivação

 Por que estudar os tipos de dados?

 Duas são as principais preocupações em um projeto de software – Os procedimentos a serem executados; – Os dados sobre os quais os procedimentos atuam;

http://www.computacao.gigamundo.com

Motivação

 “Estruturas de Dados” busca descrever modelos de estruturas de dados e procedimentos – Exemplos: Arrays, Registros, Listas, Pilhas, Filas e Árvores, etc.

http://www.computacao.gigamundo.com

Motivação

 Os tipos de dados e operações determinam as estruturas de dados – Exemplo: em uma pilha ou fila você possui operações push e pop para colocar e retirar elementos dela;  A forma como os dados são inseridos ou removidos é que difere uma estrutura da outra!

http://www.computacao.gigamundo.com

Tipos de Dados

 Define a forma como um dado deve ser armazenado ou recuperado, bem como os possíveis valores que ele pode assumir ou as operações que podem ser efetuadas sobre os mesmos – Exemplo em Pascal:   integer permite valores inteiros e operações de adição, multiplicação, subtração e divisão; string permite valores literais e operações de concatenação;

http://www.computacao.gigamundo.com

Tipos de Dados

 Primitivos, derivados ou coleções; – Os principais tipos primitivos são: inteiro, real, lógico, caracter, ponteiro;  Estáticos ou dinâmicos (instanciados em tempo de execução);

http://www.computacao.gigamundo.com

Operações

 Um conjunto de instruções a fim de manipular um determinado tipo de dado a fim algum objetivo; – Criação (declaração) – – – – – Percurso Busca Alteração Retirada Inserção (em tipos dinâmicos)

http://www.computacao.gigamundo.com

Tipos Primitivos ou Escalares

 Inteiro (integer, longint, etc.);  Real (real, double, etc.);  Lógico (boolean);  Caracter (char);

http://www.computacao.gigamundo.com

Tipos Inteiros

 Operações numéricas contidas no conjunto dos números inteiros: – Soma, subtração, multiplicação, divisão inteira, resto da divisão;  Permitem comparações de igualdade e/ou de desigualdade;

http://www.computacao.gigamundo.com

Tipos Reais

 Satisfaz as operações e comparações possíveis com tipos inteiros;  Operações numéricas contidas no conjunto dos números reais: – Soma, subtração, multiplicação, divisão;

http://www.computacao.gigamundo.com

Tipos Lógicos

 Permite operações lógicas (booleanas): – E, OU, NÃO;  Deve se ter muito cuidado na construção de expressões lógicas – Quanto maiores elas são, maiores as chances de cometermos equívocos.

http://www.computacao.gigamundo.com

Tipo Caracter

 Permite a representação de um único caracter;  Operações de igualdade e desigualdade;  Por ser armazenado internamente como um valor inteiro, podemos fazer um “casting” e efetuar outras operações.

http://www.computacao.gigamundo.com

Funções para conversão

 De real para inteiro: – Trunc, Floor, Ceil, Round;  De caracter para inteiro: – Ord;  De inteiro para caracter: – Char;  Obs: Dependendo de quais os tipos/classes envolvidos, podemos efetuar “typecasting”;

http://www.computacao.gigamundo.com

Tipos Coleções ou Não-Escalares

 Vetor;  Registro;  Conjunto.

http://www.computacao.gigamundo.com

Tipo Vetor

 Coleção de dados homogênea indexada que pode ser acessada por meio de um índice numérico;  var v = array [1..5] of integer;  v[3];

http://www.computacao.gigamundo.com

Tipo Registro

 Coleção de dados heterogênea cujas informações podem ser acessadas por meio de um campo;  var r = record end; c1: integer; c2: boolean;  r.c1;

http://www.computacao.gigamundo.com

Tipo Conjunto

 Coleção de objetos (ou informações) correlatos que podem estar presentes ou não em um dado momento;  var c = set of (V1, V2, V3);  c := [V1, V2];  V1 in c;

http://www.computacao.gigamundo.com

Tipos Abstratos de Dados

 Segundo a Wikipédia: – Especificação de um conjunto de dados e operações que podem ser executadas sobre esses dados;  Exemplo: – Quando usamos arrays e registros para criar uma estrutura de dados em vez de usar variáveis de tipos primitivos.

http://www.computacao.gigamundo.com

Tipos Abstratos de Dados

 Vetores, registros e conjuntos são interessantes...

– ... Mas há um problema, são estáticos!

 O que acontece se eu tiver um vetor de 5 posições e precisar de outras 1000?

 E se meu vetor tiver 100000 posições e eu somente uso 5, isso é bom?

http://www.computacao.gigamundo.com

Alocação de Memória

 Alocação estática  Variável alocada ocupa espaço fixo e contíguo na memória;  Alocação dinâmica  Variável alocada ocupa espaço variável e é criada segundo a necessidade do programa.

http://www.computacao.gigamundo.com

Vantagens e Desvantagens da Alocação Dinâmica

 Se alocamos dinamicamente, podemos aumentar e diminuir o tamanho de nossa estrutura quando quisermos!

 Entretanto, necessitaremos de mais algumas operações para buscar, inserir e/ou remover informações;  Além disso, um array (estático) de vinte posições geralmente ocupa menos espaço que uma lista cujos elementos foram criados um a um dinamicamente.

http://www.computacao.gigamundo.com

Referências Bibliográficas



[Não foram definidas]

http://www.computacao.gigamundo.com

Matrizes (Aula 2)

Christiano Lima Santos

http://www.computacao.gigamundo.com

Sumário

 Definição e Representação de Matrizes  Compactação de Matrizes – Matrizes Diagonais – Matrizes Triangulares – Matrizes Esparsas

http://www.computacao.gigamundo.com

Definição e Representação de Matrizes

 Na Matemática, uma matriz pode ser considerada um conjunto de informações numéricas que podem ser referenciadas por meio de dois parâmetros, comumente chamados linha e coluna;

A =

1 2 3 4 2 0 3 1 0 1 2 5

http://www.computacao.gigamundo.com

Definição e Representação de Matrizes

 Na Computação, podemos representar as matrizes matemáticas por meio de estruturas conhecidas como vetores ou arrays, onde cada posição/valor pode ser referenciada por um ou mais parâmetros (dependendo da quantidade de dimensões de nosso vetor);

var A = array [1..3, 1..4] of real;

http://www.computacao.gigamundo.com

Definição e Representação de Matrizes

 Enquanto que na Matemática uma matriz possui sempre duas dimensões, na Computação podemos chamar qualquer vetor de matriz, podendo assim ter uma ou mais dimensões; – Matrizes unidimensionais; – Matrizes bidimensionais; – Matrizes n-dimensionais.

http://www.computacao.gigamundo.com

Compactação de Matrizes

 Quanto memória ocupa uma matriz 5000 x 5000 de reais?

– Um valor real = 4 bytes; – Aproximadamente 100 MB!

 E se somente alguns poucos elementos da matriz fossem diferentes de zero, poderíamos reduzir o tamanho dela?

http://www.computacao.gigamundo.com

Compactação de Matrizes

 Como representar de forma compactada: – Matrizes Diagonais; – Matrizes Triangulares; – Matrizes Esparsas;

http://www.computacao.gigamundo.com

Matrizes Diagonais

 Os elementos da diagonal de uma matriz são: a[1,1], a[2,2], a[3,3], ... a[n,n];  Podemos armazená-los, então, em uma matriz unidimensional de n elementos.

http://www.computacao.gigamundo.com

Matrizes Triangulares

 Podem ser superior ou inferior;  Podemos armazenar todos os elementos da parte triangular em uma matriz unidimensional de m elementos (inclui os elementos da diagonal).

http://www.computacao.gigamundo.com

Matrizes Esparsas

 Podem ser n-dimensionais;  Podemos armazenar somente os elementos diferentes de zero em uma matriz unidimensional;  Problemas: – – Como saber qual o índice de cada elemento na matriz?

 Armazenar também o índice (tupla índice-valor); E se um dos elementos for alterado para um valor não nulo?

 Deve se reservar algumas posições vazias para o caso de incluir novos elementos.

http://www.computacao.gigamundo.com

Exercícios

  De volta às aulas? De volta aos jogos.  Vamos criar um simulador de exploração espacial (modo texto, claro)! Crie um universo que possa ser “navegado tridimensionalmente” por meio da indicação de três coordenadas X, Y e Z, onde o jogador precisa pilotar uma nave até um dos planetas existentes.

– O sistema de coordenadas de nosso “universo” vai de 0 a 4100 (para cada coordenada); – Temos um total de 100 planetas no espaço; – – – – Para facilitar para o jogador, cada vez que ele indicar as coordenadas, dizer quão longe ele está do planeta mais próximo; O jogo encerra quando ele encontrar um dos planetas; Os planetas são criados em posições aleatórias a cada vez que é gerada uma nova partida; E há um total de combustível para o jogador, o qual é consumido de acordo com a distância percorrida!

http://www.computacao.gigamundo.com

Referências Bibliográficas

 VELOSO, Paulo, SANTOS, Clésio, AZEREDO, Paulo, FURTADO, Antônio,

Estruturas de Dados

, Editora Campus Ltda

http://www.computacao.gigamundo.com

Recursividade (Aula 3)

Christiano Lima Santos

http://www.computacao.gigamundo.com

Sumário

     Definição de Recursão Exemplo de Recursão Recursão versus Iteração Observações Referências Bibliográficas

http://www.computacao.gigamundo.com

Definição de Recursão

 Possibilidade de um objeto buscar definir-se em função dele próprio;  Na Computação, um método é recursivo quando ele invoca a si próprio a fim de resolver um problema;

http://www.computacao.gigamundo.com

Definição de Recursão

 Na Matemática, podemos encontrar claramente a recursividade na resolução de problemas por meio de recorrência; – Fatorial de um número; – Potenciação; – Seqüência de Fibonacci.

http://www.computacao.gigamundo.com

Exemplo de Recursão

 Recorrência para encontrar um elemento da seqüência de Fibonacci: – – – x 1 = 1; x 2 = 1; x n = x n-1 + x n-2 ;

http://www.computacao.gigamundo.com

Exemplo de Recursão

 Função em Pascal: function fibonacci(n: integer): integer; begin if (n < 1) then fibonacci := 0 else if (n <= 2) then fibonacci := 1 else fibonacci := fibonacci(n-1) + fibonacci(n-2); end;

http://www.computacao.gigamundo.com

Recursão versus Iteração

 Iteração na definição de algoritmos – cada um dos “passos”/repetições de um comando de repetição (“loop”);  Diversos problemas resolvidos de forma recursiva podem ser resolvidos de forma iterativa; – – Chamadas recursivas precisam salvar o “contexto” atual da execução do programa a fim de recuperá-lo após a execução de cada chamada recursiva; A implementação do cálculo do fatorial de forma iterativa, por exemplo, consome menos memória e processamento.

http://www.computacao.gigamundo.com

Recursão versus Iteração

 Por outro lado, há problemas que não podem ser resolvidos de forma iterativa; – Percorrer uma árvore para encontrar um elemento, por exemplo;  Além disso, recursão é muito útil na resolução de diversos problemas que possam se beneficiar do “dividir-para-conquistar”, exemplos: – – – Ordenação por meio de quicksort ou mergesort; Programação dinâmica; Diversas técnicas de busca em grafos.

http://www.computacao.gigamundo.com

Observações

 Quando escrevendo funções recursivas, atente-se a: – – – Ordem em que cada comando deve aparecer dentro da função – o resultado final pode ser totalmente diferente se trocarmos duas linhas de código de lugar!

Definição de todos os casos base – se esquecermos de definir um dos casos base e o algoritmo procurar por ele em algum momento, ele não saberá que é um caso de parada e continuará a sua execução, talvez indefinidamente!

Cuidado com a passagem de parâmetros por valor ou por referência.

http://www.computacao.gigamundo.com

Referências Bibliográficas

 COSTA, Raimundo M,

Programação Pascal

, 1995  WIKIPÉDIA,

Recursividade em Ciência da Computação

, disponível em http://pt.wikipedia.org/wiki/Recursividade_(ci ência_da_computação)

http://www.computacao.gigamundo.com

Noções de Complexidade de Algoritmos (Aula 4)

Christiano Lima Santos

http://www.computacao.gigamundo.com

Sumário

      Motivação Alguns Mitos Como Medir a Eficiência de um Algoritmo?

– – – Avaliação Empírica Contagem do Número de Operações Efetuadas Determinação da Complexidade Assintótica de um Algoritmo Notação O Notação Ω Notação θ     Principais Classes de Comportamento Assintótico – Tabela Comparativa das Principais Classes Os “Três Casos” – – – O Melhor Caso O Pior Caso O Caso Médio Calculando a Complexidade para cada Caso Referências Bibliográficas

http://www.computacao.gigamundo.com

Motivação

 Quais os dois recursos de hardware mais importantes para a execução de um algoritmo?

– – Tempo de processamento; Quantidade de memória consumida;  Devemos, então, observar quanto de cada recurso nossos algoritmos consomem; – Temos que medir quanto de cada recurso nossos programas utilizam!

http://www.computacao.gigamundo.com

Motivação

 Um exemplo bem simples é o caso de dois programas que precisam fazer a ordenação de um grande conjunto de dados: – Cada qual deles pode usar uma abordagem bem diferente do outro; – – Desta forma, cada qual pode resolver o problema com mais ou menos tempo, ocupando mais ou menos memória; Como exímios Cientistas da Computação, buscamos sempre compreender e trabalhar com a melhor solução possível!

http://www.computacao.gigamundo.com

Alguns Mitos

 Basta um computador mais rápido para resolver o problema; – Pena que até mesmo um grande cluster com dezenas de computadores não conseguem resolver eficientemente alguns problemas somente por “força bruta”;  Ninguém efetua cálculo de complexidade ou busca de solução mais eficiente em um sistema!

– É, se você considerar somente os sistemas do tipo “controle de locadora”, pois sistemas de tempo real, simulações físicas, sistemas para cálculos estatísticos e estimativas razoavelmente pesadas e tantos outros precisam!

http://www.computacao.gigamundo.com

Alguns Mitos

 Por que eu tenho que aprender sobre isso? Eu posso simplesmente contratar alguém!

– Pois é, que tal alguém da área de Computação? Ei, esse alguém é você!

http://www.computacao.gigamundo.com

Como Medir a Eficiência de um Algoritmo?

 Avaliação empírica (medir o tempo de execução);  Contagem do número de operações efetuadas;  Determinação da complexidade assintótica de um algoritmo;

http://www.computacao.gigamundo.com

Avaliação Empírica



Experimento 1

um dado; : Verificar o tempo que dois programas levam para efetuar uma busca em um array e recuperar – – Primeiro programa: 750 ns; Segundo programa: 600 ns;  Qual programa é mais eficiente?

– – – E se o primeiro foi executado em um core duo de 2,4 GHz cada, e o segundo em um 486 DX2?

E se ambos foram executados na mesma máquina, mas o segundo executou em paralelo com algum outro programa?

Somente por avaliação empírica, conseguimos ter certeza de qual o programa mais eficiente?

http://www.computacao.gigamundo.com

Considerações sobre a Avaliação Empírica

 Em meu supercomputador o programa “rodou” normal...

– ... Mas nos computadores do cliente não!

 Programas podem possuir “casos especiais” para alguns tipos de casos – Deve se então aumentar o número de casos de testes tentando cobrir o maior número possível de situações;  Em uma dada linguagem, um programa pode ser mais eficiente do que quando implementado em outra linguagem; – Não estamos analisando o algoritmo em si, mas somente o programa!

http://www.computacao.gigamundo.com

Contagem do Número de Operações Efetuadas



Experimento 2

: Dado o algoritmo abaixo, vamos contar quantas operações são necessárias para calcular fatorial(5): function fatorial (n: integer): longint; var f, i: integer; begin if (n < 0) then f := -1 else begin f := 1; for i := 1 to n do f := f*i; end; fatorial := f; end;

http://www.computacao.gigamundo.com

Contagem do Número de Operações Efetuadas

 No algoritmo anterior: – – fatorial(1)  fatorial(5)  5 operações; 13 operações; – – fatorial(10)  fatorial(n)  23 operações; 2*n + 3;  Perceba que para calcular o fatorial de um número N qualquer, vamos executar 2*N operações, ou seja, um número de operações diretamente proporcional;

http://www.computacao.gigamundo.com

Considerações do Número de Operações Efetuadas

 Em Computação, geralmente não nos preocupamos com a eficiência do algoritmo quando tratando poucos elementos – – Se são poucos, por pior que nosso algoritmo seja, provavelmente ele executará rápido e sem ocupar muito espaço!

2*n + 3 operações parecem piores que n ou 2; 2 operações para n = 0, 1  Entretanto, quanto maior o número de elementos ou o valor do dado de entrada...

– Para n = 1.000, 2*n + 3 é 2003; – Mas e se nosso algoritmo executasse n 2 operações? 1.000.000!

http://www.computacao.gigamundo.com

Determinação da Complexidade Assintótica de um Algoritmo

 Definição de Complexidade – Quantidade de "trabalho" necessária para a execução de um algoritmo, expressa em função das operações fundamentais, as quais variam de acordo com o algoritmo, e em função do volume de dados;  Complexidade Assintótica – – Trata se de uma função que expressa a relação entre o volume de dados ( n ) e o tempo ( t ) necessário para o processamento dos mesmos; No algoritmo do experimento 2, poderíamos dizer que: f(n) = 2*n + 3

http://www.computacao.gigamundo.com

Determinação da Complexidade Assintótica de um Algoritmo

 Notações O (“O Grande”), Ω (Omega) e θ (Theta);  Obs: Funções assintoticamente não negativas;

http://www.computacao.gigamundo.com

Notação O

 Dadas duas funções f e g, diz-se que f está na ordem O de g ( f = O(g) ) se: f(n) ≤ c * g(n) Para algum c positivo e para todo n suficientemente grande.

g(n) é, então, o limite assintótico superior (upper bound) de f(n)  Exemplos: 3x 2 + 5 = O ( x 2 ) x 3 /2 = O ( x 3 ) 1 + 2 + 3 + ... + x = O ( x 2 )

http://www.computacao.gigamundo.com

Notação Ω

 Dadas duas funções f e g, diz-se que f está na ordem O de g ( f = Ω(g) ) se: f(n) ≥ c * g(n) Para algum c positivo e para todo n suficientemente grande.

g(n) é, então, o limite assintótico inferior (lower bound) de f(n)  Exemplos: 3x 3 + 5 = Ω ( x 2 x 3 /2 = Ω ( x 3 /3) )

http://www.computacao.gigamundo.com

Notação θ

 Dadas duas funções f e g, diz-se que f está na ordem O de g ( f = θ(g) ) se: f(n) ≥ c 1 * g(n) e f(n) ≥ c 2 * g(n) Para algum c 1 e c 2 positivos e para todo n suficientemente grande.

 Exemplo: 3x 3 + 5 = θ ( x 3 )

http://www.computacao.gigamundo.com

Principais Classes de Comportamento Assintótico

    O (1) : O uso do algoritmo independe do tamanho de n. Neste caso as instruções do algoritmo são executadas um número fixo de vezes; O (log n): ocorre tipicamente em algoritmos que resolvem um problema transformando-o em problemas menores; O (n): linear – Um conjunto de operações de tamanho constante é aplicado a cada elemento da entrada; O (n log n): Ocorre em algoritmos que resolvem um problema quebrando-o em problemas menores, resolvendo cada um deles independentemente e depois juntando as soluções;

http://www.computacao.gigamundo.com

Principais Classes de Comportamento Assintótico

   O (n 2 ): quadrático. Algoritmos desta ordem de complexidade ocorrem quando os itens de dados são processados aos pares, muitas vezes em um loop dentro de outro. Úteis para resolver problemas de tamanhos relativamente pequenos; O (n k ): polinomial – OK para k pequeno; O (k n ), O (n!), O (n resolvê-los.

n ): exponencial – Geralmente não são úteis sob o ponto de vista prático. Eles ocorrem na solução de problemas quando se usa força bruta para

http://www.computacao.gigamundo.com

Tabela Comparativa das Principais Classes

CLASSE NOTAÇÂO O constante logaritmico linear O(n lg n) quadrático cúbico exponencial O(1) O(lg n) O(n) O(n lg n) O(n²) O(n³) O(2^n) n=10

1 3,32 10 33,2 100 1000 1024

n=100

1 6,64 100 664 10000 1000000 10^30

n=1000

1 9,97 1000 9970 1000000 10^9 10^301

... n=1000000

1 19,93 1000000 199,3*10^5 10^12 10^18 10^301030

http://www.computacao.gigamundo.com

Os “Três Casos”

 Para qualquer algoritmo, sempre há situações em que ele resolverá de forma muito rápida e outras em que “nem tanto”; – Exemplo: ordenação dos dados de um vetor  Se ele já estiver ordenado? Ótimo!

 E se os dados estiverem em ordem inversa? Dependendo do algoritmo, pode ser muito ruim;  Desta forma, para determinar a eficiência de um algoritmo, precisamos conhecer a sua complexidade para o melhor caso, o pior caso e o caso médio.

http://www.computacao.gigamundo.com

Melhor Caso

 Caso para o qual o algoritmo executa da melhor forma possível: – Menor número de instruções; – – Menor tempo de processamento necessário; Menor consumo de memória.

http://www.computacao.gigamundo.com

Pior Caso

 Ao contrário do melhor caso, este é o caso para o qual o algoritmo executa da pior forma possível;

http://www.computacao.gigamundo.com

Caso Médio

 A complexidade para o caso médio é dada por meio de cálculo tempo médio esperado para a resolução de um problema qualquer, independente de como os dados estão (se ordenados ou não, etc);

http://www.computacao.gigamundo.com

Calculando a Complexidade Para Cada Caso

 Geralmente, é necessário conhecer qual o volume de dados que atende a cada um dos casos e, então, busca-se definir a função matemática que expressa o número de operações necessárias para cada caso;  No caso de algoritmos recursivos, deve-se determinar primeiro a fórmula de recorrência capaz de expressá-los e, então, “resolvê-la”.

http://www.computacao.gigamundo.com

Referências Bibliográficas

 MADEIRA, Gonçalo,

Complexidade Computacional

, disponível em http://w3.ualg.pt/~hshah/algoritmos/aula8/Aula8.htm

 SILVA, Elton,

Análise Assintótica da Complexidade de Algoritmos

, disponível em http://www.decom.ufop.br/prof/elton/cic210/cap2.pdf

http://www.computacao.gigamundo.com

Exercícios Sobre Matrizes, Recursividade e Complexidade de Algoritmos (Aula 5)

Christiano Lima Santos

http://www.computacao.gigamundo.com

Primeiro Exercício

 Implemente um programa capaz de armazenar e recuperar dados de uma matriz triangular inferior;  Qual a ordem de complexidade desse algoritmo para: – – – Armazenar n elementos; Para recuperar um elemento qualquer, dada a sua posição na matriz inicial; Para buscar a posição de um elemento qualquer, dado o valor do elemento;  Você consegue identificar quais são os casos pior, médio e melhor?

http://www.computacao.gigamundo.com

Segundo Exercício

 Implemente um programa que localiza uma substring dentro de outra string;  Qual a ordem de complexidade desse algoritmo para: – – Encontrar uma letra em uma frase de tamanho N; Encontrar uma palavra de tamanho K em uma frase de tamanho N;  Você consegue identificar quais são os casos pior, médio e melhor?

http://www.computacao.gigamundo.com

Terceiro Exercício

   Implemente um programa que armazena os telefones armazenados em ordem alfabética de acordo com os nomes das pessoas seguindo a seguinte “fórmula”: – Toda vez que for inserir um novo telefone, procura qual será a posição correta dele e, para inseri-lo ali, move antes todo mundo daquela posição em diante para uma após e, então, copia seus dados para lá (inserção direta); Qual a ordem de complexidade deste algoritmo?

Você consegue identificar quais são os casos pior, médio e melhor?

http://www.computacao.gigamundo.com

Quarto exercício

 Implemente a função de potenciação de forma recursiva;  Qual a complexidade deste algoritmo?

 Faça uma comparação das vantagens e desvantagens desta implementação em relação à iterativa.

http://www.computacao.gigamundo.com

Ponteiros e Alocação Dinâmica (Aula 6)

Christiano Lima Santos

http://www.computacao.gigamundo.com

Sumário

  Motivação; Definição de ponteiro;    Tipos de ponteiro; Apontando para um endereço nulo; Apontando e recuperando uma variável;     Apontando e Invocando um Subprograma; Alocação Dinâmica de Memória; Alocando e desalocando memória; Referências Bibliográficas.

http://www.computacao.gigamundo.com

Motivação

 Por que estudar alocação dinâmica se podemos criar todas as estruturas de forma estática?

 O que acontece em um programa com alocação estática quando precisamos de estruturas maiores do que as que foram criadas?

 Ponteiros e alocação dinâmica permite-nos criar diversos Tipos Abstratos de Dados; – É fácil criá-los somente com alocação estática? Como seria?

http://www.computacao.gigamundo.com

Definição de ponteiro

 Tipo de variável que “aponta” para um outro endereço de memória;  O conteúdo de uma variável ponteiro é o endereço de memória para o qual está apontando;  Um ponteiro pode referenciar e “des-referenciar”;

http://www.computacao.gigamundo.com

Definição de ponteiro

 Um ponteiro pode apontar para: – Uma área com informação (uma variável ou conteúdo de uma variável); – Uma rotina (procedimento ou função); – Endereço nulo.

http://www.computacao.gigamundo.com

Tipos de Ponteiro

 Tipado – irá interpretar o dado do endereço referenciado segundo o seu tipo; – Declaração:  var p : ^integer;  Não-Tipado – não está associado a um tipo, logo, é necessário fazer o typecasting da informação referenciada a fim de acessá-la; – Declaração:  var p : Pointer;

http://www.computacao.gigamundo.com

Apontando para um endereço nulo

 Em Pascal, nil representa um endereço nulo que qualquer ponteiro pode apontar; ponteiro := nil; if ponteiro = nil then writeln(‘Não está apontando’) else writeln(‘Está apontando para ’, ponteiro);

http://www.computacao.gigamundo.com

Apontando e Recuperando uma variável

program ponteiro1; uses crt; var p: ^integer; a: integer; BEGIN a := 12; p := @a; writeln(‘O endereço de a é: ’, p); writeln(‘O valor de a é: ’, p^); p^ := 6; writeln(‘O novo valor de a é: ’, p^, ‘. Confirmando: ’, a); readkey; END.

http://www.computacao.gigamundo.com

Apontando e Invocando um Subprograma

program ponteiro2; uses crt; var D: procedure(Arg: Byte); procedure rotina1(Arg: Byte); Begin writeln('Rotina 1 recebeu ', Arg); end; procedure rotina2(Arg: Byte); Begin writeln('Rotina 2 recebeu ', Arg); end; BEGIN D := @rotina2; D(10); { Irá imprimir: 'Rotina 2 recebeu 10' } END.

http://www.computacao.gigamundo.com

Alocação Dinâmica de Memória

 É a criação (reserva) de um endereço de memória para uma dada variável do tipo ponteiro;  Geralmente, quando alocamos dinamicamente um endereço de memória, devemos desalocá-la (na alocação estática, o compilador é encarregado disso).

http://www.computacao.gigamundo.com

Alocando e Desalocando Memória

program ponteiro3; uses crt; var p: ^integer; BEGIN new(p); p^ := 12; writeln(‘Endereço apontado: ’, p); writeln(‘Valor armazenado: ’, p^); readkey; dispose(p); END.

Não confunda nil com new!

http://www.computacao.gigamundo.com

Referências Bibliográficas

 Blog de João Morais, http://blog.joaomorais.com.br/2008/08/23/po nteiros.html

 http://www2.dc.ufscar.br/~bsi/materiais/ed/u7 .html

http://www.computacao.gigamundo.com

Listas (Aula 7)

Christiano Lima Santos

http://www.computacao.gigamundo.com

Sumário

     Definição de Lista Características Tipos de Implementação – – Lista Seqüencial Lista Encadeada ou Dinâmica  Outros Tipos de Listas Implementação de uma Lista Referências Bibliográficas

http://www.computacao.gigamundo.com

Definição de Lista

 TAD que permite representação e manipulação de seus elementos de forma linear;  Também chamada lista linear; L  e 1 , e 2 , ... , e n ;

http://www.computacao.gigamundo.com

Características

 Uma coleção de dados homogênea;  Itens dispostos em seqüência;  Quantificável;  Ordenável;

http://www.computacao.gigamundo.com

Tipos de Implementação

 Seqüencial  Encadeada ou Dinâmica

http://www.computacao.gigamundo.com

Lista Seqüencial

 Os itens são armazenados em posição contígua na memória;  Podem ser implementadas por meio de um array!

 O programa executa um determinado cálculo para encontrar a posição na memória em que se encontra o elemento e i ;

http://www.computacao.gigamundo.com

Lista Encadeada ou Dinâmica

   A lista cresce dinamicamente, isto é, cada novo elemento é criado e inserido nela em tempo de execução; Se é criado em tempo de execução, precisamos usar ponteiros... Onde estará o ponteiro para cada elemento?

– Cada elemento possui o ponteiro para o próximo elemento; Listas podem ser encadeadas, duplamente encadeadas ou n uplamente encadeadas (só depende de sua criatividade)!

http://www.computacao.gigamundo.com

Outros Tipos de Listas

 Podemos precisar de listas que satisfaçam certas restrições quanto à forma de recuperar um elemento ou de inserção do mesmo; – Pilhas; – Filas.

http://www.computacao.gigamundo.com

Implementação de uma Lista

 Lista Seqüencial var lista: array [1..N] of integer;  Lista Encadeada type PNo = ^TNo; TNo = record valor: integer; proximo: PNo; end; var lista: TNo;

http://www.computacao.gigamundo.com

Referências Bibliográficas



[Não foram definidas]

http://www.computacao.gigamundo.com

Buscas em Listas (Aula 8)

Christiano Lima Santos

http://www.computacao.gigamundo.com

Sumário

    Definição de Busca Tipos de Busca Busca Seqüencial – Implementação – Complexidade Busca Binária – Implementação – Complexidade    Busca Interpolada – Implementação – Complexidade Comparando os Três Métodos Referências Bibliográficas

http://www.computacao.gigamundo.com

Definição de Busca

 Operação de percurso de uma estrutura de dados e recuperação de uma informação baseado em algum campo-chave;  Recuperação de informações em uma lista é uma operação importante e o tempo que operações de inserção, remoção e busca levam para serem processadas afetam diretamente a eficiência de um algoritmo.

http://www.computacao.gigamundo.com

Tipos de Busca

 Busca Seqüencial todos os elementos de uma lista de forma seqüencial;  baseia-se no percurso de  Busca Binária  baseia-se no percurso dos elementos de uma lista levando em consideração o valor de chave esperado e o valor encontrado;  Busca Interpolada “elementos-limite”.

 similar à busca binária, introduz cálculo de próxima posição a ser verificada levando em consideração os valores dos

http://www.computacao.gigamundo.com

Busca Seqüencial

 “Se você não sabe por onde começar, comece pelo começo”;  Não se conhece uma ordenação dentro da lista;  Somos forçados a verificar um por um.

http://www.computacao.gigamundo.com

Busca Seqüencial - Implementação

function buscaSeq(lista: TLista; tamanho, chave: integer): integer; var i : integer; Begin For i := 1 to tamanho do If lista[i] = chave then Begin buscaSeq := i; exit; End; buscaSeq := -1; End;

http://www.computacao.gigamundo.com

Busca Seqüencial - Complexidade

 Qual a complexidade para: – O melhor caso; – O pior caso; – O caso médio.

http://www.computacao.gigamundo.com

Busca Binária

 Quando os elementos de uma lista estão ordenados segundo um campo-chave, podemos tirar proveito disso; – O primeiro elemento é o menor; – – O último elemento é o maior; O elemento do meio... é o do meio!

http://www.computacao.gigamundo.com

Busca Binária

      Suponha uma lista com valores ordenados de forma crescente; Dado um intervalo [A, B] (inicialmente, A é 1 e B é o tamanho da lista), calculo um elemento X = floor((A + B) / 2); Se lista[X] é o valor que procuro, retorno a posição / elemento encontrado; Senão, se lista[X] é maior que o valor que procuro, então devo olhar o intervalo que possui os valores menores que lista[X], ou seja, [A, X-1]; Senão, se lista[X] é menor que o valor que procuro, então devo olhar o intervalo que possui os valores maiores que lista[X], ou seja, [X+1, B]; Repito todo o processo até encontrar (ou não!) o elemento.

http://www.computacao.gigamundo.com

Busca Binária - Implementação

function buscaBin(lista: TLista; tamanho, chave: integer): integer; var A, B, X: integer; Begin A := 1; B := tamanho; While (A <= B) do Begin X := floor( (A + B) / 2); If lista[X] = chave then Begin buscaBin := X; exit; End Else If lista[X] < chave then A := X + 1 Else B := X - 1; End; End; buscaBin := -1;

http://www.computacao.gigamundo.com

Busca Binária - Complexidade

 Qual a complexidade para: – O melhor caso; – O pior caso; – O caso médio.

http://www.computacao.gigamundo.com

Busca Interpolada

 Similar à busca binária, leva em conta a ordenação dos dados de uma lista;  Entretanto, em vez de “olhar” sempre o elemento mediano, efetua um cálculo que busca estimar onde o elemento desejado deve estar.

http://www.computacao.gigamundo.com

Busca Interpolada

 Se tenho uma lista ordenada crescente com 50 elementos, o primeiro é o 1 e o último é o 1000, onde provavelmente estará o 999?

– Próximo do início; – No meio; – Próximo do fim.

http://www.computacao.gigamundo.com

Busca Interpolada

 Basta mudar o cálculo do termo X: X := 1 + floor((tamanho - 1)*(chave – lista[A])/(lista[B] – lista[A]));

http://www.computacao.gigamundo.com

Busca Interpolada Implementação

function buscaInterp(lista: TLista; tamanho, chave: integer): integer; var A, B, X: integer; Begin A := 1; B := tamanho; While (A <= B) do Begin X := 1 + floor((tamanho - 1)*(chave – lista[A])/(lista[B] – lista[A])); If lista[X] = chave then Begin buscaInterp := X; exit; End Else If lista[X] < chave then A := X + 1 Else B := X - 1; End; End; buscaInterp := -1;

http://www.computacao.gigamundo.com

Busca Interpolada - Complexidade

 Qual a complexidade para: – O melhor caso; – O pior caso; – O caso médio.

http://www.computacao.gigamundo.com

Comparando os Três Métodos

 Em que ocasiões o busca seqüencial é melhor?

 O que é melhor: busca interpolada ou busca binária?

 E se na busca binária / interpolada comparássemos também os valores dos extremos com o valor da chave, melhoraríamos a eficiência?

http://www.computacao.gigamundo.com

Referências Bibliográficas



[Não foram definidas]

http://www.computacao.gigamundo.com

Listas Encadeadas (Aula 9)

Christiano Lima Santos

http://www.computacao.gigamundo.com

Sumário

          Definição de Lista Encadeada Listas Encadeadas Estáticas Listas Encadeadas Dinâmicas Listas Encadeadas Simples Operações em Listas Encadeadas Definindo nossa Lista Encadeada Inserção na Lista Encadeada Busca na Lista Encadeada Remoção na Lista Encadeada Referências Bibliográficas

http://www.computacao.gigamundo.com

Definição de Lista Encadeada

 Toda lista linear onde cada elemento (geralmente chamado nó) possui algum apontador para o próximo elemento; | | ...

 Esse encadeamento produz a estrutura linear da lista.

http://www.computacao.gigamundo.com

Lista Encadeadas Estáticas

 Alguns autores consideram a possibilidade de listas encadeadas criadas de forma estática;   Exemplo de lista encadeada não dinâmica; O apontadores são inteiros.

4 5 0 1 2 3 Carlos Erica Beth Ana Davi 3 2 4 5 -1 1

http://www.computacao.gigamundo.com

Listas Encadeadas Dinâmicas

 Permitem a inserção de novos elementos com menos restrições quanto à posição (não precisa ser contígua) ou quantidade.

http://www.computacao.gigamundo.com

Listas Encadeadas Simples

 Cada nó possui um único apontador para o próximo nó;  Para fins de facilitar a inserção, alteração (quando ordenada), remoção e busca pelo valor presente em um nó qualquer da lista, podemos eleger um campo (ou atributo) do nó para ser o campo-chave do mesmo;  Podem ser implementadas com listas seqüenciais ou dinâmicas.

http://www.computacao.gigamundo.com

Operações em Lista Encadeada

 Criação;  Inserção;  Busca / Recuperação;  Remoção.

http://www.computacao.gigamundo.com

Definindo Nossa Lista Encadeada (opção 1)

type PNo = ^TNo; TNo = record valor: integer; proximo: PNo; end; TLista = PNo;

http://www.computacao.gigamundo.com

Definindo Nossa Lista Encadeada (opção 2)

type PNo = ^TNo; TNo = record valor: integer; proximo: PNo; end; TLista = record primeiro: PNo; end; ultimo: PNo; tamanho: integer;

http://www.computacao.gigamundo.com

Inserção na Lista Encadeada

//Inserção no fim da Lista

procedure inserirFim(var a: TLista; var v: integer); var p, t: PNo; Begin new(p); p^.valor := v; p^.proximo := nil; if a = nil then a := p else begin t := a; while (t^.proximo <> nil) do t := t^.proximo; t^.proximo := p; end; end;

http://www.computacao.gigamundo.com

Inserção na Lista Encadeada //Inserção no início da Lista

procedure inserirInicio(var a: TLista; var v: integer); var p, t: PNo; Begin new(p); p^.valor := v; p^.proximo := a; a := p; end;

http://www.computacao.gigamundo.com

Inserção na Lista Encadeada

//Inserção ordenada

procedure inserirOrdenado(var a: TLista; var v: integer); var p, t: PNo; Begin new(p); p^.valor := v; p^.proximo := nil; if a = nil then a := p else if a^.valor >= v then begin p^.proximo := a; a := p; end else begin t := a; while ((t^.proximo <> nil) && ((t^.proximo^).valor < v)) do t := t^.proximo; if (t.proximo = nil) then t^.proximo := p else begin p^.proximo := t^.proximo; t^.proximo := p; end; end; end;

http://www.computacao.gigamundo.com

Busca na Lista Encadeada

//Busca Seqüencial

function buscaSeq(a: TLista; v: integer): PNo; var t: PNo; Begin t := a; while ((t <> nil) && (t^.valor <> v)) t := t^.proximo; buscaSeq := t; End;

http://www.computacao.gigamundo.com

Busca na Lista Encadeada

 Em Listas Encadeadas Dinâmicas, Busca Binária ou Interpolada, é possível? Há vantagens em seu uso em relação à Busca Seqüencial?

http://www.computacao.gigamundo.com

Remoção na Lista Encadeada

 Como seria a remoção de um elemento em uma lista encadeada? E a remoção de todos os elementos?

 No caso de remoção de um elemento (e), tomar o cuidado para garantir que o anterior (t) dele passe a apontar para o sucessor dele (t.proximo := e.proximo);  No caso de remoção de todos os elementos, a idéia é percorrer todos os elementos da lista, removendo-os (dispose);  Cuidado para não remover um elemento antes de guardar a referência para o próximo  como saber quem é o próximo elemento de um elemento que não mais existe?

http://www.computacao.gigamundo.com

Referências Bibliográficas



[Não foram definidas]

http://www.computacao.gigamundo.com

Pilhas & Filas (Aula 10)

Christiano Lima Santos

http://www.computacao.gigamundo.com

Sumário

 Definição de Pilha  – – Exemplo de Pilha no Mundo Real Implementação de uma Pilha Definição de Fila   – – Exemplo de Fila no Mundo Real Implementação de uma Fila Exercícios Referências Bibliográficas

http://www.computacao.gigamundo.com

Definição de Pilha

 Toda lista linear onde o último elemento a entrar é o primeiro a sair (ou o primeiro a entrar é o último a sair, FILO);  Para satisfazer esta condição, basta que a inserção e remoção sejam feitas na mesma extremidade da lista (head); – Obviamente, não é necessário ordenar;

http://www.computacao.gigamundo.com

Exemplo de Pilha no Mundo Real

 Um baralho de cartas, colocadas uma a uma sobre a mesa, umas sobre as outras, formando um monte;  A carta mais ao topo (a primeira a ser removida) foi a última a ser colocada sobre o monte;

http://www.computacao.gigamundo.com

Implementação de uma Pilha

type PNo = ^TNo; TNo = record valor: integer; proximo: PNo; end; TPilha = record end; head: PNo; function push(var pilha: TPilha; valor: integer): Boolean; function pop(var pilha: TPilha): integer;

http://www.computacao.gigamundo.com

Implementação de uma Pilha

 Push: Nada mais é que o nosso método inserirInicio!

 Pop: Como devemos inserir e remover da mesma extremidade da lista, devemos então remover do início, devolvendo então o valor daquele elemento.

http://www.computacao.gigamundo.com

Implementando o Método Push

function push(var pilha: TPilha; valor: integer): Boolean; var p, t: PNo; Begin new(p); p^.valor := v; p^.proximo := pilha.head; pilha.head := p; push := true; end;

http://www.computacao.gigamundo.com

Implementando o Método Pop

function pop(var pilha: TPilha): integer; var p: PNo; Begin if (pilha.head = nil) then pop := -1 else begin p := pilha.head; pilha.head := pilha.head^.proximo; pop := p^.valor; dispose(p); end; end;

http://www.computacao.gigamundo.com

Definição de Fila

 Toda lista linear onde o primeiro elemento a entrar é o primeiro a sair (FIFO);  Para satisfazer esta condição, basta que a inserção seja feita em uma extremidade (tail) da lista e a remoção seja feita na outra extremidade (head); – Obviamente, também não é necessário ordenar;

http://www.computacao.gigamundo.com

Exemplo de Fila no Mundo Real

 Muitas coisas são ordenadas por fila;  A fila de um banco por exemplo; – ... e a fila do RESUN?

 Muitos processos e requisições em um computador são organizados e gerenciados por meio de filas.

http://www.computacao.gigamundo.com

Implementação de uma Fila

type PNo = ^TNo; TNo = record valor: integer; proximo: PNo; end; TFila = record head: PNo; tail: PNo; end; function push(var pilha: TFila; valor: integer): Boolean; function pop(var pilha: TFila): integer;

http://www.computacao.gigamundo.com

Implementação de uma Fila

 Push: Apesar de inserir no final, nós não precisaremos percorrer toda a fila para inserir no fim; – Nós mantemos um ponteiro para o último elemento!

 Pop: A remoção continua sendo feita na cabeça, o que facilita muito as coisas.

http://www.computacao.gigamundo.com

Implementando o Método Push

function push(var fila: TFila; valor: integer): Boolean; var p, t: PNo; Begin new(p); p^.valor := v; p^.proximo := nil; if (fila.tail = nil) then fila.head := p else fila.tail^.proximo := p; fila.tail := p; push := true; end;

http://www.computacao.gigamundo.com

Implementando o Método Pop

function pop(var fila: TFila): integer; var p: PNo; Begin if (fila^.head = nil) then pop := -1; else begin p := fila; fila^.head := fila^.head^.proximo; if (fila^.head = nil) then fila^.tail := nil; pop := p^.valor; dispose(p); end; end;

http://www.computacao.gigamundo.com

Exercício

     Crie um jogo para ser disputado por duas pessoas com dois “modos” (o modo pilha e o modo fila) e a opção de sair; Primeiro, Deve mesmos; se escolher quantos números serão embaralhados e ocultos e qual o modo de organização dos Em segundo lugar, o jogo deverá ir inserindo cada número (0 <= K <= 9) na pilha/fila, mostrando um de cada vez na tela (lembre se de limpar ela por inteiro a cada número mostrado); Após isso, os jogadores devem alternar-se tentando adivinhar qual o próximo número a ser removido do jogo. Ganha quem não errar. Caso acabem todos os números, declarar empate; Quando os jogadores escolherem sair, mostrar o placar final e encerrar o jogo.

http://www.computacao.gigamundo.com

Referências Bibliográficas

http://www.computacao.gigamundo.com

Outros Tipos de Listas (Aula 11)

Christiano Lima Santos

http://www.computacao.gigamundo.com

Sumário

 Lista Duplamente Encadeada – – Declaração Operações    Lista Circular – – Declaração Operações Exercícios Referências Bibliográficas

http://www.computacao.gigamundo.com

Lista Duplamente Encadeada

 Uma estrutura de dados linear que se utiliza de dois ponteiros (um apontando o elemento anterior e outro o posterior) a fim de permitir percorrer a mesma não somente avançando, como também recuando; I | | | ...

http://www.computacao.gigamundo.com

Lista Duplamente Encadeada

 Vantagem: – Facilidades na hora de procurar um elemento, principalmente se o mesmo estiver antes da atual posição pesquisada;  Desvantagem: – Nas inserções, remoções e alterações, isso significa mais ponteiros para atualizar, o que pode levar programadores não muito bons a cometer falhas (o que não é o caso de vocês!).

http://www.computacao.gigamundo.com

Declaração de uma Lista Duplamente Encadeada (opção 1)

type PNo = ^TNo; TNo = record valor: integer; anterior: PNo; proximo: PNo; end; TLista = PNo;

http://www.computacao.gigamundo.com

Declaração de uma Lista Duplamente Encadeada (opção 2)

type PNo = ^TNo; TNo = record valor: integer; anterior: PNo; proximo: PNo; end; TLista = record primeiro: PNo; ultimo: PNo; end; tamanho: integer;

http://www.computacao.gigamundo.com

Operações em Lista Duplamente Encadeada

  Operações Básicas: – – – – Criação; Inserção; Busca / Recuperação; Remoção; Como seriam essas operações em uma Lista DE se ela não estiver ordenada? E se estiver ordenada?

http://www.computacao.gigamundo.com

Lista Circular

 Estrutura de dados linear em que o último elemento aponta para o primeiro;  Lista em que todo elemento possui um “sucessor” (o sucessor do último é o primeiro elemento);  Pode-se adotar encadeamento simples, duplo ou outro qualquer;

http://www.computacao.gigamundo.com

Lista Circular

 Observações: – Não há mais elementos apontando para nil, logo não podemos mais identificar o último elemento desta forma!

–  Mas podemos parar quando percebermos que o próximo é o “primeiro elemento” (apontado pela lista circular); Podemos até mesmo deslocar a “cabeça” da lista sem que se perca a referência para nenhum dos elementos;  Mas isso não é interessante caso a lista seja ordenada.

http://www.computacao.gigamundo.com

Declaração de uma Lista Circular (opção 1)

type PNo = ^TNo; TNo = record valor: integer; proximo: PNo; end; TLista = PNo;

http://www.computacao.gigamundo.com

Declaração de uma Lista Circular (opção 2)

type PNo = ^TNo; TNo = record valor: integer; proximo: PNo; end; TLista = record end; primeiro: PNo; tamanho: integer;

http://www.computacao.gigamundo.com

Operações em Lista Circular

  Operações Básicas: – – – – Criação; Inserção; Busca / Recuperação; Remoção; Como seriam essas operações em uma Lista Circular se ela não estiver ordenada? E se estiver ordenada?

http://www.computacao.gigamundo.com

Exercícios

 Implemente as operações de inserção, busca, alteração e remoção para: – Lista duplamente encadeada não-ordenada; – Lista duplamente encadeada ordenada; – Lista circular.

http://www.computacao.gigamundo.com

Referências Bibliográficas



[Não foram definidas]

http://www.computacao.gigamundo.com

Árvores (Aula 12)

Christiano Lima Santos

http://www.computacao.gigamundo.com

Sumário

         Definição de Árvore Representação Gráfica Classificação das Árvores Declaração de uma Árvore N ária Declaração de uma Árvore Não N-ária Nível de um Nó Altura ou Profundidade de uma Árvore Percurso de uma Árvore Inserção em uma Árvore         Remoção em uma Árvore Árvores Binárias Árvores Binárias de Busca Inserção em uma Árvore Binária de Busca Busca em uma Árvore Binária de Busca Deleção em uma Árvore Binária de Busca Comparações entre Ordens de Complexidade Referências Bibliográficas

http://www.computacao.gigamundo.com

Definição de Árvore

 Estrutura de dados não linear;  Um grafo totalmente conexo e acíclico;  Analogia a uma árvore (reino vegetal): – Raiz; – – Folhas; “galhos” ou sub-árvores – conceito de poda.

http://www.computacao.gigamundo.com

Representação Gráfica

http://www.computacao.gigamundo.com

Classificação das Árvores

 Uma árvore pode ser classificada de diversas formas diferentes, uma delas é pelo número máximo de nós-filhos que cada nó pai pode ter: – – – – – Binária (dois nós); Ternária (três nós); Quaternária (quatro nós); N ária (N nós); Não N-ária (quando não conhecemos ou não há um número máximo de nós-filhos para cada nó pai).

http://www.computacao.gigamundo.com

Declaração de uma Árvore N-ária

const N = 2; type PNo = ^Tno; TNo = record valor: integer; filhos: array [1..N] of PNo; end; TArvore = PNo;

http://www.computacao.gigamundo.com

Declaração de uma Árvore Não N-ária

type PNo = ^TNo; TNo = record valor: integer; irmao: PNo; filho: PNo; end; TArvore = PNo;

http://www.computacao.gigamundo.com

Nível de um Nó

 Refere se à distância do mesmo até a raiz;

0 2 1 3

http://www.computacao.gigamundo.com

Altura ou Profundidade de uma Árvore

 É o nível máximo que um nó da árvore atinge;

0 1 2 3 A altura desta árvore é 3! Ela possui 4 níveis!

http://www.computacao.gigamundo.com

Percurso de uma Árvore

 Também conhecido como travessia;  Consiste em percorrer (em uma dada ordem) todos os nós de um árvore ou até encontrar algum que satisfaça ao problema em questão;  É empregado, por exemplo, na busca de um nó a partir de uma chave;

http://www.computacao.gigamundo.com

Percurso de uma Árvore

 Tipos – Pré-ordem / pre-order; – – Em-ordem / in-order; Pós-ordem / pos-order.

http://www.computacao.gigamundo.com

Percurso Pré-Ordem

 Processa primeiro a informação do nó atual, para só então processar a informação de seus filhos; função x (no) Início processa no; aplica função x para cada filho de no; Fim;

http://www.computacao.gigamundo.com

Percurso Pré-Ordem

function buscaTelefone(no: PNode; nome: String): String; var s: String; Begin if no = nil then buscaTelefone := “” else if no.nome = nome then buscaTelefone := no.telefone

else begin s := buscaTelefone(no.filho1, nome); if s <> “” then buscaTelefone := s else begin s := buscaTelefone(no.filho2, nome); if s <> “” then buscaTelefone := s else buscaTelefone := “”; end; End; end;

http://www.computacao.gigamundo.com

Percurso Em-Ordem

 Neste caso, um filho (ou parte dos filhos) é processado primeiro, o nó atual é então processado e, por fim, o outro filho (ou parte dos filhos); função x (no) Início aplica função x para parte dos filhos de no; processa no; aplica função x para parte dos filhos de no; Fim;

http://www.computacao.gigamundo.com

Percurso Pós-Ordem

 Neste caso, todos os filhos do nó atual devem ser processados antes que o mesmo o seja; função x (no) Início aplica função x para cada filho de no; processa no; Fim;

http://www.computacao.gigamundo.com

Inserção em uma Árvore

 Cria se o novo nó (método new) e popula-se o mesmo com as informações desejadas;  Pode utilizar algum critério para determinar em qual nó e em qual posição o novo nó deverá ficar;  O pai deve apontar para o filho.

http://www.computacao.gigamundo.com

Remoção em uma Árvore

    Utiliza-se de um outro ponteiro ( t ) para apontar para o objeto que se deseja remover; Após isso, reorganiza-se seus filhos a fim de que seu pai possa apontara para esses e ninguém ficar “abandonado”, eliminando o vínculo entre a árvore e o nó-alvo; Por fim, elimina se o nó (método dispose); E se nosso objetivo for remover TODOS os nós de uma árvore, qual método de percurso você utilizaria? Por quê?

http://www.computacao.gigamundo.com

Árvores Binárias

 Árvores onde cada nó possui no máximo dois filhos;  Muito usadas em computação;  Cada nível pode ter no máximo 2 N valor do nível; nós, onde N é o  Quantidade de níveis que uma árvore binária com N nós pode ter: – – Máximo: N; (árvore degenerada) Mínimo: Log 2 N + 1; (árvore completa)

http://www.computacao.gigamundo.com

Árvores Binárias

 Dado um nó qualquer, ele possuirá uma sub árvore esquerda e uma sub-árvore direita (podendo qualquer uma delas ou ambas não possuir elementos);

Sub árvore direita Sub árvore esquerda

http://www.computacao.gigamundo.com

Árvores Binárias de Busca

 Ou árvores de busca binária (tanto faz!);  São árvores em que é possível determinar em que direção buscar um dado nó a partir do valor do pai e levando se em consideração alguma regra quanto à disposição dos filhos; – – Nós com valores menores que o pai à esquerda, nós com valores maiores que o pai à direita; Nós que satisfazem uma condição expressa pelo pai de um lado e nós que não satisfazem do outro;  O que acontecerá se a árvore de busca não estiver bem balanceada?

http://www.computacao.gigamundo.com

Inserção em uma Árvore Binária de Busca

function inserir(var arvore: TArvore; valor: integer): boolean; var p, t: PNode; Begin new(p); p.valor := valor; p.filho[1] := nil; p.filho[2] := nil; if arvore = nil then arvore := p else begin t := arvore; while t <> nil do begin if (t^.valor > valor) then begin if t^.filho[1] = nil then begin end t^.filho[1] := p; inserir := true; exit; else t := t^.filho[1]; end else if t^.valor < valor then begin if t^.filho[2] = nil then begin end t^.filho[2] := p; inserir := true; exit; else t := t^.filho[2]; end else begin inserir := false; exit; end; end; inserir := false; end;

http://www.computacao.gigamundo.com

Busca em uma Árvore Binária de Busca

function buscar(arvore: TArvore; valor: integer): PNode; var t:PNode; Begin if (arvore = nil) then buscar := nil else begin t := arvore; while (t <> nil) do begin if t^.valor > valor then t := t^.filho[1] else if t^.valor < valor then else t := t^.filho[2] begin buscar := t; exit; end; end; buscar := nil; end; end;

http://www.computacao.gigamundo.com

Deleção em uma Árvore Binária de Busca

 Caso 1: Remover um nó que não possui filhos

http://www.computacao.gigamundo.com

Deleção em uma Árvore Binária de Busca

 Caso 2: Remover um nó que possui um filho

http://www.computacao.gigamundo.com

Deleção em uma Árvore Binária de Busca

 Caso 3: Remover um nó que possui dois filhos – Escolher o nó mais à esquerda da sub-árvore direita (ou mais à direita da sub árvore esquerda) para “substituí-lo; – Com isso, teremos que remover o nó selecionado de onde ele está  abordagem recursiva.

http://www.computacao.gigamundo.com

Comparações entre Ordens de Complexidade

http://www.computacao.gigamundo.com

Referências Bibliográficas



[Não foram definidas]

http://www.computacao.gigamundo.com

Árvores AVL (Aula 13)

Christiano Lima Santos

Sumário

    Definição de Árvore AVL Representação Gráfica Operações – – – Inserção Remoção Rotação   Simples – – À Esquerda À Direita Dupla – Pesquisa Referências Bibliográficas

http://www.computacao.gigamundo.com

Definição de Árvore AVL

 Trata se de uma Árvore de Busca Binária Auto Balanceada, isto é, que mantém o balanceamento de sua árvore em cada operação executada;  A maior diferença possível entre os níveis de dois nós-folhas é 1;

http://www.computacao.gigamundo.com

Representação Gráfica

Árvore Não-Balanceada Árvore AVL (Balanceada)

http://www.computacao.gigamundo.com

Operações

 Inserção  Remoção  Rotação – Simples (à esquerda ou à direita); – Dupla.

http://www.computacao.gigamundo.com

Inserção

 Efetua se a busca pelo nó (igual a qualquer outra árvore de busca binária);  Insere se o nó;  Verifica se se ela está balanceada, caso não esteja, efetuar rotação (simples ou dupla) até que esteja.

http://www.computacao.gigamundo.com

Remoção

 Efetua se a busca pelo nó (igual a qualquer outra árvore de busca binária);  Rotaciona se até que o mesmo seja um nó-folha e remova-o; – Por quê? A remoção de um nó sem filhos é o caso mais simples!

 Verifique se a árvore se encontra balanceada, caso não esteja, efetue rotações.

http://www.computacao.gigamundo.com

Rotação

 Operação em que a ordem dos nós em uma árvore de busca binária pode ser invertida a fim de manter o balanceamento da mesma;  Pode ser simples (um único passo, rotacionando à esquerda ou à direita) ou dupla (efetuando mais de uma vez a rotação, em qualquer combinação de rotações simples);

Rotação Simples

http://www.computacao.gigamundo.com

 Ocorre quando o nó desbalanceado e o seu filho estão no mesmo sentido de inclinação da árvore;  Formam “uma linha reta”;

http://www.computacao.gigamundo.com

Rotação à Esquerda

 Dado um nó X com um filho à direita Y e este tendo um filho à esquerda Z;  Pseudo código: Seja Y o filho à direita de X; Torne X o filho à esquerda de Y; Torne o filho à esquerda de Y (Z) o filho à direita de X;

http://www.computacao.gigamundo.com

Rotação à Direita

 Dado um nó X com um filho à esquerda Y e este tendo um filho à direita Z;  Pseudo código: Seja Y o filho à esquerda de X; Torne X o filho à direita de Y; Torne o filho à direita de Y (Z) o filho à esquerda de X;

http://www.computacao.gigamundo.com

Rotação Dupla

 Ocorre quando o nó desbalanceado está em um sentido da inclinação e o seu filho em outro;  Formam, assim, “um joelho”.

http://www.computacao.gigamundo.com

Pesquisa

 O tempo médio para encontrar um elemento em uma árvore AVL é da ordem de O (log n)  Aproximadamente 1.44 log 2 n no pior caso

http://www.computacao.gigamundo.com

Referências Bibliográficas

 http://www.csi.uottawa.ca/~stan/csi2514/appl ets/avl/BT.html Aplicação interessante para compreender árvores AVL  http://pt.wikipedia.org/wiki/Árvore_AVL

http://www.computacao.gigamundo.com

Classificação de Dados (Aula 14)

Christiano Lima Santos

http://www.computacao.gigamundo.com

Sumário

          Por que estudar métodos para classificação de dados?

Alguns tipos de algoritmos de classificação Seleção Direta (Selection Sort) Inserção Direta (Insertion Sort) Método da Bolha (Bubble Sort) Método do Balde (Bucket Sort) QuickSort MergeSort HeapSort Referências Bibliográficas

http://www.computacao.gigamundo.com

Por que estudar métodos para classificação de dados?

 Qual a importância da ordenação dos dados quando se deseja uma busca mais eficiente ou classificar os mesmos segundo algum critério?

http://www.computacao.gigamundo.com

Seleção Direta (Selection Sort)



Complexidade

– Tanto para o pior caso, quanto para o caso médio e para o melhor caso, o algoritmo sempre precisará efetuar:  N operações para encontrar o primeiro menor elemento;  N 1 operações para encontrar o segundo menor elemento;  ...

1 operação para encontrar o n-ésimo menor elemento;  Total: 1 + 2 + ... + N = N(N+1)/2 = O(n 2 )

http://www.computacao.gigamundo.com

Inserção Direta (Insertion Sort)



Definição

– Dado um array/lista Y não ordenado, inicia com uma lista X vazia. Pega o primeiro elemento de Y e varre toda a lista X procurando a posição correta para inseri lo e, então, o insere. Pega o segundo elemento e também varre toda a lista X, procurando a posição correta e insere-o. Procede desta forma até processar os N elementos;

http://www.computacao.gigamundo.com



Ilustração

http://www.computacao.gigamundo.com

Método da Bolha (Bubble Sort)



Implementação

function metodoDaBolha(insercaoDireta (var y: array [1..N] of real):boolean; var i: integer; c: real; begin i := 1; while (i < N) do begin if (y[i] <= y[i+1]) then i := i + 1 else begin c := y[i]; y[i] := y[i+1]; y[i+1] := c; i := i – 1; if (i < 1) then end; i := 1; end; metodoDaBolha := true;

http://www.computacao.gigamundo.com

Método da Bolha (Bubble Sort)



Complexidade

– – – Melhor Caso: O(n), pois passa uma vez só por cada par (todos os dados já estão ordenados); Pior Caso: O(n 2 ), onde os dados estão na ordem inversa e portanto levará executará 1 + 2 + ... + N trocas; Caso médio: O(n 2 );

http://www.computacao.gigamundo.com

Método do Balde (Bucket Sort)



Definição

– Cria K buckets identificados e ordenados segundo algum critério (buckets contendo elementos de 1 a 10, buckets contendo elementos de 11 a 20, etc.) e então armazena os elementos dentro de cada bucket correspondente. Após isso, pode-se aplicar a cada bucket o algoritmo de ordenação que melhor convier; – Este método geralmente se utiliza de um array de buckets como estrutura auxiliar, cada qual podendo ser implementado como um array ou uma lista.

http://www.computacao.gigamundo.com

Método do Balde (Bucket Sort)



Ilustração

http://www.computacao.gigamundo.com

Método do Balde (Bucket Sort)



Implementação (pseudo-código)



[Não foram definidas]