รุ่นแก้ไขปัจจุบันเมื่อ 11:16, 8 กรกฎาคม 2553

Loop Invariants

การเรียงข้อมูล ยกตัวอย่าง

Insertion Sort
Bubble Sort

Insertion Sort

Algorithm

  1.   for i = 2  to  n       (พิจารณาข้อมูล array A[i])

  2.   x  $\Leftarrow$  A[i]  , j  $\Leftarrow$  (i - 1)

  3.   While (i > 0) and (A[j] > x)
               
                A[j+1]  $\Leftarrow$  A[j]
                
                j  $\Leftarrow$  j-1
                
                A[j+1] = x

Loop Invariants

  1. I จริงก่อนทำ (Initialization)
  2. ทุกๆรอบหลัง loop ทำเสร็จ I ก็จริง (Maintainance)
  3. ถ้า loop จบการทำงาน +I (Termination)
  เป้าหมายก็คือโปรแกรมถูกต้องตรงกับ termination ที่เราต้องการ

Proof

  1. I : A[1,...,i-1] เป็นข้อมูลชุดเดียวกับ A[1,....,i-1]ตั้งต้นและเรียงลำดับจากน้อยไปมาก

  2. รอบที่ K ใดๆ    i = k    A[1,...,k-1]   A[k]      
                     .      ตัวที่ 1 ... k-1     K
                     .
                     .
                     .
                   i = k+1  A[1,....,k](เรียงตามลำดับ)

ถ้า loop Invariants จริง โปรแกรมทำงานเรื่อย จะหยุดทำงานเมื่อเงื่อนไขไม่จริง

Bubble Sort

พิจารณา array A = [2,1,3,4,6,5,7,9,10]

Algorithm

  1.   for j  $\Leftarrow$  1 to  n
  2.       i  $\Leftarrow$  1
  3.       while i<n
  4.          if A[i]>A[i+1]
  5.             swap(A[i],A[i+1])                
  6.          i  $\Leftarrow$  i+1

Loop Invariant

I1: "A ช่อง j-1 ช่องสุดท้ายเรียงลำดับจากน้อยไปมาก และเป็นข้อมูล j-1 ตัวที่มีค่ามากที่สุดใน A"

I2: "A[i] มีค่ามากสุดในบรรดา A[1,...,i]"

Proof I2

1. เริ่มต้น i=1 เห็นตัวเดียว เพราะฉะนั้น Initial จริง

2. ตาม if ถ้าตัวที่ i มากกว่า i+1 ก็สลับ เพราะฉะนั้น i เป็นตัวที่มากสุึด

3.โปรแกรมทำงานเรื่อย จะหยุดทำงานเมื่อเงื่อนไขไม่จริง

BIG O

Definition

     function f(n) เป็น O(g(n)) หรือ f(n) = O(g(n))

     ถ้ามี n₀ และ c(คือค่าคงที่) ที่

     f(n) ≤ c.g(n)    โดยที่ n   ≥  n₀

ตัวอย่าง กราฟ Big O

ตัวอย่าง1

พิสูจน์ 1000n = O(n²)

ถ้า n > 1000 $\Rightarrow$ n² ≥ 1000n

ให้ n₀ = 1001 , c = 1 $\Rightarrow$ 1000n ≤ 1n²

เมื่อ n ≥ 1001

Binary Search Tree

ตัวอย่าง Binary Tree

ตัวอย่าง Subtree

ตัวอย่างการเก็บค่าใน Tree

Function

เมื่อ x=>root, k=>key

INSERT(x,k)
FIND(x,k)
MIN(x) -ไล่ tree ทางด้านซ้าย
MAX(x) -ไล่ tree ทางด้านขวา
SUCCESSOR(x,k) -หาตัวถัดไปที่ติดกับมันหลังเรียง
DELETE(x,k)

FIND(x,k)

  if x=NIL return NIL
  if x.key=k
     return x
  else if x.key<k
     return FIND(x.right,k)
  else
     return FIND(x.left,k)

อื่นๆ

ความลึกของ Tree - ความยาวสูงสุดจาก root ถึง leaf (ที่ root ลึก 0)

มีข้อมูล n ตัว สูงอย่างน้อย log n

Red-Black Trees

เป็น Binary tree
Assume ว่าทุก node จบลงที่ Nil Node(All leaf node is Nil)

เงื่อนไข

Node ใดๆจะเป็นสีแดงไม่ก็ดำ
Root เป็นสีดำ
Leaf เป็นสีดำ
Node ใดเป็น Red Node Child ของ Node นั้นจะต้องเป็น Black Node
จาก Node u ใดๆทุกๆ Path จาก Node ดังกล่าวไปยัง Leaf ของมันจะต้องมี Node ที่เป็นสีดำเท่ากันทั้งหมด

Lemma

Red-Black tree ที่มี n internal nodes จะมีความสูงไม่เกิน 2log(n+1)

Proof

นิยาม ที่ Node u ใดๆ bh(u) (black height ของ u) จะเท่ากับจำนวน Black Node จาก u ไป Node Leaf ใดๆ(ไม่นับ u))

Claim

สำหรับ internal node u ใดๆจำนวน internal node ใน sub-tree ใดๆที่ u เป็น rootจะมีค่าไม่น้อยกว่า 2^bh(u) -1

Proof (By induction)

ให้ w = u.left และ h = u.right

     bh(w) ≥ bh(u) – 1

     bh(x) ≥ bh(u) – 1

โดย Induction

     Sub-tree ของ w มี internal node ≥ 2^bh(w) -1 ≥ 2^(bh(u)-1)  -1

     Sub-tree ของ x มี internal node ≥ 2^bh(x) -1 ≥ 2^(bh(u)-1)  -1

ดังนั้น internal node ของ u = 1 + 2^(bh(u)-1) -1 + 2^(bh(u)-1) -1 = 2^bh(u) -1

พิจารณา Red-Black Tree ใดๆสูง h

bh(h) ≥ h/2 (เนื่องจาก Red Node จะต้องตามด้วย Black Node เสมอ)

จะได้ Internal node (n)

     n 	≥ 2^bh(h) -1

     n 	≥ 2^(h/2)-1

     n+1       ≥ 2^(h/2)

     log(n+1)  ≤ h/2

     h	       ≤2log(n+1)

ผลต่างระหว่างรุ่นของ "204512-53/lecture2"

รุ่นแก้ไขปัจจุบันเมื่อ 11:16, 8 กรกฎาคม 2553

เนื้อหา

Loop Invariants

Insertion Sort

Algorithm

Loop Invariants

Proof

Bubble Sort

Algorithm

Loop Invariant

Proof I2

BIG O

Definition

ตัวอย่าง กราฟ Big O

ตัวอย่าง1

Binary Search Tree

ตัวอย่าง Binary Tree

ตัวอย่าง Subtree

ตัวอย่างการเก็บค่าใน Tree

Function

FIND(x,k)

อื่นๆ

Red-Black Trees

เงื่อนไข

Lemma

Proof

Claim

Proof (By induction)

รายการเลือกการนำทาง

เครื่องมือส่วนตัว

เนมสเปซ

สิ่งที่แตกต่าง

ดู

เพิ่มเติม

ค้นหา

การนำทาง

เครื่องมือ

@@ แถว 1: / แถว 1: @@
 =Loop Invariants=
+* การเรียงข้อมูล ยกตัวอย่าง
+#Insertion Sort
+#Bubble Sort
+=Insertion Sort=
+===Algorithm===
+.   for i = 2  to  n       (พิจารณาข้อมูล array A[i])
+.   x <math>\Leftarrow</math> A[i]  , j <math>\Leftarrow</math> (i - 1)
+.   While (i > 0) and (A[j] > x)
+                 A[j+1] <math>\Leftarrow</math> A[j]
+                 j <math>\Leftarrow</math> j-1
+                 A[j+1] = x
+===Loop Invariants===
+. I จริงก่อนทำ (Initialization)
+. ทุกๆรอบหลัง loop ทำเสร็จ I ก็จริง (Maintainance)
+. ถ้า loop จบการทำงาน +I (Termination)
+   เป้าหมายก็คือโปรแกรมถูกต้องตรงกับ termination ที่เราต้องการ
+===Proof===
+. I : A[1,...,i-1] เป็นข้อมูลชุดเดียวกับ A[1,....,i-1]ตั้งต้นและเรียงลำดับจากน้อยไปมาก
+. รอบที่ K ใดๆ    i = k    A[1,...,k-1]   A[k]
+                      .      ตัวที่ 1 ... k-1     K
+                      .
+                      .
+                      .
+                    i = k+1  A[1,....,k](เรียงตามลำดับ)
+ถ้า loop Invariants จริง โปรแกรมทำงานเรื่อย จะหยุดทำงานเมื่อเงื่อนไขไม่จริง
+=Bubble Sort=
+พิจารณา array A = [2,1,3,4,6,5,7,9,10]
+===Algorithm===
+.   for j <math>\Leftarrow</math> 1 to  n
+.       i <math>\Leftarrow</math> 1
+.       while i<n
+.          if A[i]>A[i+1]
+.             swap(A[i],A[i+1])
+.          i <math>\Leftarrow</math> i+1
+===Loop Invariant===
+I1: "A ช่อง j-1 ช่องสุดท้ายเรียงลำดับจากน้อยไปมาก และเป็นข้อมูล j-1 ตัวที่มีค่ามากที่สุดใน A"
+[[ไฟล์:I1.jpg]]
+I2: "A[i] มีค่ามากสุดในบรรดา A[1,...,i]"
+====Proof I2====
+. เริ่มต้น i=1 เห็นตัวเดียว เพราะฉะนั้น Initial จริง
+. ตาม if ถ้าตัวที่ i มากกว่า i+1 ก็สลับ เพราะฉะนั้น i เป็นตัวที่มากสุึด
+[[ไฟล์:I2.jpg]]
+.โปรแกรมทำงานเรื่อย จะหยุดทำงานเมื่อเงื่อนไขไม่จริง
 =BIG O=
 ==Definition==
-   function f(n) เป็น O(g(n)) หรือ f(n) = O(g(n))
+      function f(n) เป็น O(g(n)) หรือ f(n) = O(g(n))
-   ถ้ามี n<sub>0</sub> และ c(คือค่าคงที่) ที่
+      ถ้ามี n<sub>0</sub> และ c(คือค่าคงที่) ที่
-   f(n) <math>\le \;</math> c.g(n)    โดยที่ n   <math>\ge \;</math> n<sub>0</sub>
+      f(n) ≤ c.g(n)    โดยที่ n   ≥  n<sub>0</sub>
 ===ตัวอย่าง กราฟ Big O===
@@ แถว 17: / แถว 84: @@
 พิสูจน์   1000n = O(n<sup>2</sup>)
-ถ้า n > 1000 <math>\Rightarrow</math> n<sup>2</sup>  <math>\ge \;</math> 1000n
+ถ้า n > 1000 <math>\Rightarrow</math> n<sup>2</sup>  ≥ 1000n
-ให้ n<sub>0</sub> = 1001 , c = 1 <math>\Rightarrow</math> 1000n <math>\le \;</math> 1n<sup>2</sup>
+ให้ n<sub>0</sub> = 1001 , c = 1 <math>\Rightarrow</math> 1000n ≤ 1n<sup>2</sup>
-เมื่อ n <math>\ge \;</math> 1001
+เมื่อ n ≥ 1001
 =Binary Search Tree=
+===ตัวอย่าง Binary Tree===
+[[ไฟล์:BST.JPG]]
+===ตัวอย่าง Subtree===
+[[ไฟล์:Tree_subtree.PNG]]
+===ตัวอย่างการเก็บค่าใน Tree===
+[[ไฟล์:Tree_value.PNG‎]]
+===Function===
+เมื่อ x=>root, k=>key
+* INSERT(x,k)
+* FIND(x,k)
+* MIN(x) -ไล่ tree ทางด้านซ้าย
+* MAX(x) -ไล่ tree ทางด้านขวา
+* SUCCESSOR(x,k) -หาตัวถัดไปที่ติดกับมันหลังเรียง
+* DELETE(x,k)
+===FIND(x,k)===
+   if x=NIL return NIL
+   if x.key=k
+      return x
+   else if x.key<k
+      return FIND(x.right,k)
+   else
+      return FIND(x.left,k)
+===อื่นๆ===
+* ความลึกของ Tree - ความยาวสูงสุดจาก root ถึง leaf (ที่ root ลึก 0)
+* มีข้อมูล n ตัว สูงอย่างน้อย log n
 =Red-Black Trees=