DM578: Algoritmer og datastrukturer
Kommentar
Indgangskrav
Faglige forudsætninger
Studerende, der følger kurset, forventes at:
- Have matematisk modenhed svarende til niveauet i kurset DM549 Diskrete metoder til datalogi.
- Have kendskab til programmering i Java eller Python.
Formål
Kurset har til formål at sætte den studerende i stand til at anvende en
lang række eksisterende algoritmer og datastrukturer for fundamentale
problemer, anvende generelle metoder til udvikling af nye algoritmer, samt anvende matematiske værktøjer til analyse af algoritmers korrekthed og
effektivitet. Dette er en helt central kompetence, når man skal udvikle
effektiv software. Det giver desuden en vigtig forståelse for øvre og nedre
grænser for beregningsproblemer.
Kurset bygger oven på den viden, der
er erhvervet i kurserne DM549 Diskrete metoder til datalogi og DM574 Introduktion til programmering, og giver et fagligt grundlag for at
studere algoritmiske og kompleksitetsteoretiske emner, der er placeret
senere i uddannelsen. I forhold til uddannelsens kompetenceprofil har
kurset eksplicit fokus på at:
- Give kompetence til udvikle nye varianter af centrale algoritmer og datastrukturer udviklet inden for datalogi.
- Give færdigheder i at analysere fordele og ulemper ved forskellige algoritmer, specielt med hensyn til ressourceforbrug.
- Give viden om et stort udvalg af centrale algoritmer og datastrukturer udviklet inden for datalogi.
Målbeskrivelse
For at opnå kursets formål er det læringsmålet for kurset, at den studerende demonstrerer evnen til at:
- anvende algoritmerne fra kurset på konkrete problemer.
- argumentere præcist for en algoritmes korrekthed eller mangel på samme.
- bestemme en algoritmes asymptotiske køretid.
- tilpasse kendte algoritmer og datastrukturer til specialtilfælde af kendte problemer og til nye problemer.
- designe
nye algoritmer til at løse problemer, som i natur minder om problemer
fra kurset, herunder give en præcis beskrivelse af algoritmen, f.eks.
vha. pseudokode.
Indhold
- Matematisk grundlag: rekursionsligninger, invarianter.
- Algoritmer:
korrekthed og kompleksitetsanalyse, del og hersk algoritmer (master
teorem, Strassens algoritme), grådige algoritmer, dynamisk
programmering, sorteringsalgoritmer (insertionsort, mergesort, heapsort,
quicksort, countingsort, radixsort), graf-algoritmer (BFS, DFS,
topologisk sortering af DAGs, sammenhængskomponenter, stærke
sammenhængskomponenter, MST, SSSP, APSP), Huffman-kodning. - Datastrukturer: ordbøger (BSTs, rødsorte træer, hashing), prioritetskøer, disjunkte mængder.
Litteratur
Eksamensbestemmelser
Eksamenselement a)
Tidsmæssig placering
Udprøvninger
Skriftlig eksamen
EKA
Censur
Bedømmelse
Identifikation
Sprog
Varighed
Hjælpemidler
Alle almindelige hjælpemidler er tilladte fx lærebøger, egne noter, computerprogrammer som ikke benytter internettet m.v.
Internet er ikke tilladt. Du må dog gå ind på system DE-Digital Eksamen i forbindelse med udfyldelse af multiple choice testen. Noter fra kurset i itslearning, som du ønsker at anvende som hjælpemidler, skal downloades til din computer senest dagen før eksamenen. Under eksamenen må itslearning ikke anvendes.
ECTS-point
Uddybende information
Vejledende antal undervisningstimer
Undervisningsform
- Introfase (forelæsning, holdtimer) - Antal timer: 44
- Træningsfase: Antal timer: 44
Undervisningsform: Opgaver i studiegrupper.
Ansvarlig underviser
Skemaoplysninger
Administrationsenhed
Team hos Uddannelsesjura & Registratur
Udbudssteder
Anbefalede studieforløb
Overgangsordninger
Se overgangsordninger for alle kurser på Det Naturvidenskabelige Fakultet.