PORZĄDEK WŚRÓD INFORMACJI
KLUCZEM DO SZYBKIEGO WYSZUKIWANIA
Maciej M. Sysło
Uniwersytet Wrocławski Uniwersytet UMK w Toruniu
syslo@ii.uni.wroc.pl
2
Algorytm, algorytmika
Algorytm – opis rozwiązania krok po kroku postawionego
problemu lub sposobu osiągnięcia jakiegoś celu
Pierwszy algorytm – algorytm Euklidesa
300 p.n.e
algorytm od Muhammad
ibn Musa al-Chorezmi IX w.
Algorytmika – dziedzina zajmująca się algorytmami i ich
własnościami
Algorytmy a informatyka
Informatyka – jedna z definicji: dziedzina wiedzy i działalności
zajmująca się algorytmami
Czy zajmuje się też algorytmami kulinarnymi?
Donald E. Knuth:
Mówi się często, że człowiek dotąd nie zrozumie czegoś,
zanim nie nauczy tego – kogoś innego.
W rzeczywistości,
człowiek nie zrozumie czegoś (
algorytmu
) naprawdę,
zanim nie zdoła nauczyć tego – komputera.
Ralf Gomory (IBM):
Najlepszym sposobem przyspieszania komputerów
jest obarczanie ich mniejszą liczbą działań (
szybszymi algorytmami
)
Myślenie algorytmiczne
Myślenie komputacyjne
(ang. computational thinking)
informatyka +
5
Reklama firmy IBM
z 1924 roku
Komputer to maszyna
do myślenia !!!
IBM
Problemy, algorytmy
i ich komputerowe realizacje (implementacje)
Plan:
• Poszukiwanie informacji:
• w zbiorze nieuporządkowanym • w zbiorze uporządkowanym
• Przeszukiwanie zbioru:
schemat blokowy, algorytm optymalny• Kompletowanie podium zwycięzców turnieju
• Jednoczesne znajdowanie najmniejszego i największego
elementu
• zasada dziel i zwyciężaj
• Porządkowanie: przez wybór, przez zliczanie, przez scalanie
• Inne zastosowania zasady dziel i zwyciężaj
Poszukiwanie elementu w zbiorze
Problem poszukiwania elementu w zbiorze – specyfikacja
Dane: Zbiór elementów w postaci ciągu n liczb x1, x2, ..., xn.
Wyróżniony element y
Wynik: Jeśli y należy do tego zbioru, to podaj jego miejsce (indeks) w ciągu, a w przeciwnym razie – sygnalizuj brak takiego elementu w zbiorze
Dwa przypadki:
• Nieuporządkowany ciąg liczb x1, x2, ..., xn
• Uporządkowany ciąg liczb x1, x2, ..., xn
Nasz cel:
Jakie są korzyści z uporządkowania?
Jak utrzymywać porządek wśród informacji?
informatyka +
8
Poszukiwanie elementu w zbiorze – przykład
Przeszukiwanie książki telefonicznej
Poszukiwanie numeru telefonu danej osoby
Dane: Nazwiska, adresy, numery telefonów … – książka telefoniczna. Ciąg danych x1, x2, ..., xn – kartki książki z danymi o numerach
Wyróżniony element y – nazwisko osoby, której numeru szukamy
Wynik: Jeśli osoba y ma numer telefony w książce, to podaj na której stronie, a w przeciwnym razie – sygnalizuj brak danych o y
Poszukiwanie osoby o danym numerze telefonu
Dane: Książka telefoniczna.
Ciąg danych x1, x2, ..., xn – kartki książki z danymi o numerach
Wyróżniony element y – numer telefonu osoby, której szukamy
Wynik: Jeśli istnieje osoba z numerem telefonu y, to podaj jej nazwisko, a w przeciwnym razie – sygnalizuj brak takiej osoby
informatyka +
9
Książka telefon iczna uporządko wana alfabetyc znie nazwiskam i Książka telefon iczna nieuporzą dkowana alfabe tycznie numeramiPoszukiwania w zbiorze
nieuporządkowanym
Algorytm – Poszukiwanie liniowe
Krok 1. Dla i = 1, 2, ..., n, jeśli xi = y, to przejdź do kroku 3.
Krok 2. Komunikat: W ciągu danych nie ma elementu równego y. Zakończ algorytm: – wynik: –1
Krok 3. Element równy y znajduje się na miejscu i w ciągu danych. Zakończ algorytm: wynik: i
begin i:=1;
while (x[i]<>y) and (i<n) do i:=i+1;
if x[i]=y then PrzeszukiwanieLiniowe:=i else PrzeszukiwanieLiniowe:=-1 end
informatyka +
10
Pewna niedogodność – sprawdzanie, czy koniec ciągu. Przykład: Dane: ciąg: 2, 5, 1, 4, 10, 7. y = 1 Wynik: i = 3Poszukiwania w zbiorze
nieuporządkowanym
z wartownikiem
Algorytm – Poszukiwanie liniowe z wartownikiem
Takie same kroki algorytmu inna implementacja, czyli komputerowa realizacja: na końcu ciągu: x1 x2 x3 x4 … xn begin i:=1; x[n+1]:=y;
while x[i]<>y do i:=i+1;
if i<=n then PrzeszukiwanieLinioweWartownik:=i else PrzeszukiwanieLinioweWartownik:=-1
end
informatyka +
11
wstawiamy wartownika – pilnuje końca ciągu
xn+1
Nie ma sprawdzania, czy koniec ciągu
Poszukiwanie w zbiorze uporządkowanym
Zabawa w zgadywanie liczby
informatyka +
12
Zgadywana liczba:
17
w przedziale [1 : 20]
Metoda: połowienia przedziału
Kolejne kroki: strzałka wskazuje wybór;
kolor czerwony – ciąg do przeszukania:
5 po
rów
nań
zam
iast
20
!!!
Poszukiwanie przez połowienie
w ciągu uporządkowanym
function PrzeszukiwanieBinarne(x:tablicax; k,l:integer;
y:integer):integer;
{Przeszukiwanie binarne ciagu x[k..l] w poszukiwaniu elementu y.}
var Lewy,Prawy,Srodek:integer;
begin
Lewy:=k; Prawy:=l;
while Lewy<=Prawy do begin Srodek:=(Lewy+Prawy) div 2; if x[Srodek]=y then begin
PrzeszukiwanieBinarne:=Srodek; exit
end; {element y nalezy do przeszukiwanego ciagu} if x[Srodek]<y then Lewy:=Srodek+1
else Prawy:=Srodek-1 end; PrzeszukiwanieBinarne:=-1 end
informatyka +
13
Połowienie przedziału Początkowe końce przedziałuZmiana końców przedziału
y nie należy do
przeszukiwanego przedziału
Dane: Uporządkowany ciąg liczb w tablicy x[k..l] oraz
element y
Wynik: Miejsce dla y w ciągu x[k..l] takie, aby po
wstawieniu y ciąg nadal był uporządkowany
Algorytm: y wstawiamy do przeszukiwanego ciągu w to miejsce,
gdzie algorytm poszukiwania kończy działanie, a więc tam, gdzie jest y (jeśli y jest już w ciągu), albo gdzie powinien być.
informatyka +
14
Umieszczanie przez połowienie
Liczba kroków w algorytmie połowienia:
Ile razy należy przepołowić ciąg o danej długości, aby znaleźć element lub miejsce dla niego?
Przykład dla n = 1200
Kolejne długości ciągu:
1200, 600, 300, 150, 75, 38, 19, 10, 5, 3, 2, 1 11 razy dzielono ciąg o długości 1200, by pozostał 1 element
Liczba porównań w algorytmach poszukiwania dla n = 1200:
• przez połowienie 11
• liniowy 1200
informatyka +
15
Poszukiwanie przez połowienie
Złożoność (1)
Porównaj, jaka jest potęga uporządkowania !!!
Dla
n = 1200
liczba porównań w algorytmie połowienia wyniosła
11
Pytania:
•Jak liczba porównań zależy od n? •Jak dobry jest to algorytm?
Liczba porównań dla różnych n:
informatyka +
16
Poszukiwanie przez połowienie
złożoność (2)
n liczba porównań 100 7 1 000 10 10 000 14 100 000 17 1 000 000 20 10 000 000 24 ok.log2 nFunkcja logarytm, bardzo ważna w algorytmice
logarytm
to anagram od
algorytm
Algorytm poszukiwania przez
połowienie jest optymalny,
czyli najszybciej przeszukuje
zbiory uporządkowane.
informatyka +
17
Poszukiwanie interpolacyjne
function PrzeszukiwanieBinarne(x:tablicax; k,l:integer;
y:integer):integer;
{Przeszukiwanie binarne ciagu x[k..l] w poszukiwaniu elementu y.}
var Lewy,Prawy,Srodek:integer;
begin
Lewy:=k; Prawy:=l;
while Lewy<=Prawy do begin Srodek:=(Lewy+Prawy) div 2; if x[Srodek]=y then begin
PrzeszukiwanieBinarne:=Srodek; exit
end; {element y nalezy do przeszukiwanego ciagu} if x[Srodek]<y then Lewy:=Srodek+1
else Prawy:=Srodek-1 end;
PrzeszukiwanieBinarne:=-1
end
Srodek = lewy +
(y – x[lewy])(prawy – lewy)/(x[prawy] – x[lewy])
Srodek = lewy + (prawy – lewy)/2
Przeciętny czas interpolacyjnego umieszczania wynosi ok. log log n
Suwaki logarytmiczne
informatyka +
18
Na wyposażeniu
każdego inżyniera
do 1972 roku
Skala 30 cm Skala 150 cm Skala 12 m 18Znajdowanie elementu w zbiorze
Znajdź w zbiorze element o pewnych własnościach:
• najwyższego ucznia w swojej klasie – metoda spaghetti
• jak zmieni się Twój algorytm, jeśli chciałbyś znaleźć w klasie
najniższego ucznia
• znajdź w swojej klasie ucznia, któremu droga do szkoły zabiera
najwięcej czasu
• znajdź najstarszego (lub najmłodszego) ucznia w swojej szkole • znajdź największą kartę w potasowanej talii kart
• znajdź najlepszego tenisistę w swojej klasie – nie ma remisów • znajdź najlepszego gracza w warcaby w swojej klasie – możliwe
są remisy
Podstawowa operacja –
porównanie
:
• dwóch liczb lub kombinacji liczb (data, karty): czy x < y ?
• dwóch zawodników: rozegranie meczu
Znajdowanie elementu w zbiorze
Czy zbiór zawiera y?
Dane:
Ciąg n liczb x
1, x
2, ..., x
nWyróżniony element y
Wynik:
Czy w ciągu jest
element y ?
Przeszukujemy ciąg aż
znajdziemy y, Przeglądamy
cały ciąg, by stwierdzić, że nie
zawiera y.
Uporządkowanie ciągu ułatwia.
informatyka +
20
Różnica między dwoma problemami:
Znajdź w zbiorze element o
pewnych własnościach
Dane:
Ciąg n liczb x
1, x
2, ..., x
nWynik:
Najmniejsza wśród liczb
x
1, x
2, ..., x
nTrzeba przejrzeć cały ciąg.
Zakładamy, że ciąg nie jest
uporządkowany.
Specyfikacja problemu
Specyfikacja problemu
– dokładne opisanie problemu
Problem Min
– Znajdowanie najmniejszego elementu w zbiorze
Dane: Liczba naturalna n i zbiór n liczb dany w ciągu x1, x2, ..., xn
Wynik: Najmniejsza wśród liczb x1, x2, ..., xn – oznaczmy ją min
Metoda rozwiązania:
przeszukiwanie liniowe –
od lewej do prawej
Algorytm Min
– Znajdowanie najmniejszego elementu w zbiorze
Krok 1. Przyjmij za min pierwszy element w zbiorze (w ciągu), czyli przypisz min := x1.
Krok 2. Dla kolejnych elementów xi, gdzie i = 2, 3, ..., n,
jeśli min > xi, to przypisz min := xi.
Algorytm Max
– prosta modyfikacja: zamiana > na <
Wyznaczanie
imin
– indeksu elementu o wartości
min
informatyka +
21
imin := 1
Algorytm Min – demo
Demonstracja przeszukiwania od lewej do prawej:
(Zgrubny) schemat blokowy algorytmu Min
informatyka +
23
Instrukcja iteracyjna Instrukcje warunkowe: rozgałęzienia algorytmu
Ada Augusta, córka Byrona, uznawana powszechnie za pierwszą programistkę komputerów, przełomowe znaczenie maszyny analitycznej Ch. Babbage’a, pierwowzoru dzisiejszych komputerów, upatrywała właśnie „w możliwości
wielokrotnego wykonywania przez nią danego ciągu instrukcji, z liczbą powtórzeń z góry zadaną lub zależną od wyników obliczeń”, a więc w iteracji.
Krok 1:
Krok 2:
min ← pierwszy element
ze zbioru A
Czy porównano wszystkie elementy ze zbioru A ? Nie min > x ? Tak x ← kolejny element ze zbioru A Tak min ← x Nie Koniec algorytmu
Pełny
schemat
blokowy
algorytmu
Min
informatyka +
24
Algorytm Min w postaci programu
Program w języku Pascal
program Min;
var i,imin,min,n,x:integer;
begin
read(n);
read(x); min:=x; imin:=1; for i:=2 to n do begin
read(x);
if min > x then begin min:=x; imin:=i end end; write(imin,min) end.
informatyka +
25
nazwa programudeklaracje, typy zmiennych blok programu – początek czytaj n
czytaj pierwszy element iteracja od 2 do n
czytaj kolejny element instrukcja warunkowa popraw min
instrukcja war. – koniec iteracja – koniec
pisz wynik
Pracochłonność algorytmu Min
• Porównanie
– podstawowa operacja w algorytmie Min.
•Pracochłonność (złożoność obliczeniowa) algorytmu
–
liczba podstawowych operacji wykonywanych przez
algorytm.
• Pytanie:
Ile porównań wykonuje algorytm Min?
• Odpowiedź:
o jedno mniej niż jest elementów, czyli
n – 1
Pytania:
•
Czy można szybciej?• Czy istnieje szybszy algorytm znajdowania min?
•A może metoda pucharowa wyłaniania zwycięzcy w turnieju jest szybsza?
Wyłanianie najlepszego zawodnika w turnieju
czyli inny sposób znajdowania max (lub min)
informatyka +
27
Bartek Romek Bolek Witek Tome
k
Zenek Tolek Felek
Bartek Witek Tome
k Tolek
Bartek Tome
k Tome
k
Porównania – mecze Ośmiu zawodników: 7 meczy n zawodników: n – 1 meczy
a więc nie jest szybsza
Jednak jest szybciej. Gdy liczmy równolegle
A może mamy algorytm najlepszy?
Podsumowanie:
Mamy dwa algorytmy znajdowania min lub max:
•
przeszukiwanie liniowe• rozegranie turnieju
które na zbiorze n elementów wykonują n – 1 porównań
Może nie ma szybszego algorytmu?
TAK!
Hugo Steinhaus
tak to uzasadnił:
Jeśli Tomek jest zwycięzcą turnieju, w którym startuje n zawodników, to każdy inny spośród n – 1 zawodników musiał przegrać
przynajmniej raz, a zatem rozegrano przynajmniej n – 1 meczy.
Zatem każdy algorytm musi wykonać przynajmniej n – 1 porównań, czyli nasze algorytmy są najszybsze – są optymalne.
A jak znaleźć drugiego najlepszego
zawodnika w turnieju?
informatyka +
29
Bartek Romek Bolek Witek Tome
k
Zenek Tolek Felek
Bartek Witek Tome
k Tolek
Bartek Tome
k Tome
k
Czy jest nim Bartek?
Bo przegrał z Tomkiem?
Ale Bartek nie grał z drugą połową!
???
???
Tylko dwa
3 1 2 2 5 3 4 8 2 5
Jednoczesne znajdowanie min i max
informatyka +
30
Obserwacja:
jeśli x y, to x kandydatem na min, a y kandydatem na max
Algorytm „dziel i zwyciężaj”:
Krok 1. Podział na kandydatów na min i kandydatów na max
Kandydaci na max
Kandydaci na min
max = 8
min = 1
Krok 2. Znajdź min i max
Liczba porównań:
• algorytm naiwny: n – 1 (min) + n – 2 (max) = 2n – 3
• algorytm dziel i zwyciężaj: n/2(podział)+ (n/2–1)(min) + (n/2–1)(max) ok. 3n/2 – 2 – jest to algorytm optymalny
Porównania parami 3 ↑ 3 ? 1 ↓ 1 2 ↑ 2 ? 2 ↓ 2 5 ↑ 5 ? 3 ↓ 3 8 ↑ 4 ? 8 ↓ 4 5 ↑ 2 ? 5 ↓ 2
Problem porządkowania (sortowania)
Problem porządkowania (sortowania)
Dane: Liczba naturalna n i ciąg n liczb x1, x2, ..., xn
Wynik: Uporządkowanie tego ciągu liczb od najmniejszej do największej
Algorytm: porządkowanie przez wybór – Selection Sort
Idea: najmniejszy wśród nieuporządkowanych daj na początekKrok 1. Dla i = 1, 2, ..., n – 1 wykonaj kroki 2 i 3, a następnie zakończ algorytm
Krok 2. Znajdź k takie, że xk jest najmniejszym elementem w ciągu
xi, ..., xn
Krok 3. Zamień miejscami elementy xi oraz xk
Znajdowanie elementu w zbiorze
Podsumowanie
Czy zbiór zawiera y?
Dane:
Ciąg n liczb x
1, x
2, ..., x
nWyróżniony element y
Wynik:
Czy w ciągu jest
element y ?
Przeszukujemy ciąg aż
znajdziemy y, Przeglądamy
cały ciąg, by stwierdzić, że nie
zawiera y.
Uporządkowanie ciągu ułatwia.
informatyka +
32
Różnica między dwoma problemami:
Znajdź w zbiorze element o
pewnych własnościach
Dane:
Ciąg n liczb x
1, x
2, ..., x
nWynik:
Najmniejsza wśród liczb
x
1, x
2, ..., x
nTrzeba przejrzeć cały ciąg.
Zakładamy, że ciąg nie jest
uporządkowany.
Porządkowanie przez wybór – demo (1)
informatyka +
33
Żółte – podciąg już uporządkowany Zielone i czerwone – podciąg porządkowanyPorządkowanie przez wybór – demo (2)
informatyka +
34
Podciąg już uporządkowany
Złożoność porządkowania przez wybór
Liczba
zamian
elementów w kolejnych krokach:
1 + 1 + 1 + … + 1 = n – 1
Liczba
porównań
w kolejnych krokach:
(n – 1) + (n – 2) + (n – 3) + … + 3 + 2 + 1 = ?
informatyka +
35
5 4 3 2 1 Przykład n = 6 6 = n 5 = n – 1 Pole prostokąta: 5 x 6Suma = pole czarnych diamentów: 5 x 6 2 Ogólnie suma: (n – 1) x n 2 Liczby trójkątne
Porządkowanie przez zliczanie
Problem porządkowania niewielkich liczb
Dane: Liczba naturalna n i ciąg n liczb całkowitych x1, x2, ..., xn,
należących do przedziału [1..M] – na ogół n < M.
Wynik: Uporządkowanie tego ciągu liczb od najmniejszej do największej
Algorytm. Porządkowanie przez zliczanie – CountingSort
Idea: Liczymy, ile jest konkretnych liczb w ciąguKrok 1. Dla i = 1, 2, ..., M: ci = 0 zerowanie liczników.
Krok 2. Dla i = 1, 2, ..., n: zwiększ ck o 1, gdzie k = xi.
Krok 3. Dla i = 1, 2, ..., M: na kolejnych ci pozycjach w ciągu x umieść
element i.
Liczba operacji – proporcjonalna do n + M.
Sortowanie przez scalanie – scalanie
informatyka +
37
Scalanie
– z dwóch uporządkowanych ciągów utwórz jeden
uporządkowany
Algorytm scalania. Scal.
Dane:
dwa ciągi uporządkowane
Wynik:
scalony ciąg uporządkowany
Krok:
do tworzonego ciągu pobieraj najmniejszy element
z czoła scalanych ciągów
1 3 5 7 10 12 1 2 6 9 11 15 17 20 1 3 5 7 10 12 1 2 6 9 11 15 17 20 Scalane ciągi Scalanie 1 1 2 3 5 6 7 9 10 11 12 15 17 20 Scalony ciąg
Sortowanie przez scalanie – scalanie
informatyka +
38
Scalane ciągi
Scalone ciągi, w innym miejscu
informatyka +
39
Algorytm porządkowania przez scalanie MergeSort
(l,p,x)
Dane:
Ciąg liczb x
l, x
l+1, …, x
pWynik:
Uporządkowanie tego ciągu liczb od najmniejszej do
największej.
Krok 1.
Jeśli l < p, to przyjmij s:=(l+p) div 2 i wykonaj trzy
następne kroki. { s w połowie ciągu}
Krok 2.
MergeSort
(l,s,x) – sortowanie pierwszej połowy ciągu
Krok 3. MergeSort
(s+1,p,x) – sortowanie drugiej połowy ciągu
Krok 4.
Zastosuj algorytm
Scal
do ciągów (x
l, …, x
s) i (x
s+1, …, x
p)
i wynik umieść w ciągu (x
l, …, x
p).
Rekurencyjne wywołania na podciągach
Sortowanie przez scalanie – opis
informatyka +
40
2 1 2 9 5 0 2 1 2 9 5 0 dziel dziel 2 1 dziel 9 0 1 2 9 5 1 2 2 0 5 9 0 1 2 2 5 9Sortowanie przez scalanie
DEMO
dziel 2 1 2 scal scal scal scal scal 5 dziel 5 9
Sortowanie przez scalanie
DEMO
informatyka +
41
Scalane ciągi Wynik scalania dodatkowym miejscu Posortowana pierwsza połowa ciąguPosortowana jest już pierwsza połowa ciągu i w trakcie sortowania drugiej połowy, scalane są dwa podciągi z
pierwszej części drugiej połowy, uporządkowane wcześniej rekurencyjnie tą samą metodą
Potęga algorytmu binarnego (dziel i zwyciężaj)
informatyka +
42
Kryptografia:
Szyfr RSA, jeden z najpopularniejszych obecnie, bazuje
na podnoszeniu do
dużej
potęgi
dużych
liczb, np.
12345678909876543212345678909876543211234567899876543211
234567890
123456789098765432112345678909876543211234567890987654321234567891012345678910123 45678910123456789123456789123456789123456789Jak można szybko obliczać takie potęgi?
Odpowiedź:
Np., obliczenie x
12345678912345678912345678912345wymaga:
•Ze
szkolnej definicji
: x
10= x*x*x*x*x*x*x*x*x*x – 9 mnożeń, wtedy:
12345678912345678912345678912344/10
15sek. =
4*10
8lat
•Algorytm „binarny”
, np.:
x
10= (x
5)
2, x
11= (x
5)
2*x
Wykonuje dla x
12345678912345678912345678912345ok. …
200 mnożeń < 1 sek.
Szybkość
Najlepszym sposobem przyspieszania komputerów
jest obarczanie ich mniejszą liczbą działań
(
szybszymi algorytmami
)
[Ralf Gomory, IBM]
43
43Algorytm, algorytmika
Algorytm – opis rozwiązania krok po kroku postawionego
problemu lub sposobu osiągnięcia jakiegoś celu
Pierwszy algorytm – algorytm Euklidesa
300 p.n.e
algorytm od Muhammad
ibn Musa al-Chorezmi IX w.
Algorytmika – dziedzina zajmująca się algorytmami i ich
własnościami
Algorytmy a informatyka
Informatyka – jedna z definicji: dziedzina wiedzy i działalności
zajmująca się algorytmami
Czy zajmuje się też algorytmami kulinarnymi?
Donald E. Knuth:
Mówi się często, że człowiek dotąd nie zrozumie czegoś,
zanim nie nauczy tego – kogoś innego.
W rzeczywistości,
człowiek nie zrozumie czegoś (
algorytmu
) naprawdę,
zanim nie zdoła nauczyć tego – komputera.
Ralf Gomory (IBM):
Najlepszym sposobem przyspieszania komputerów
jest obarczanie ich mniejszą liczbą działań (
szybszymi algorytmami
)
Algorytmiczne rozwiązywanie problemu
Dla problemu – chcemy otrzymać rozwiązanie
komputerowe, które jest:
•
zrozumiałe
dla każdego, kto zna problemu
• poprawne
, czyli spełnia specyfikację (opis) problemu
• efektywne
, czyli nie marnuje czasu i pamięci
Metoda rozwiązywania:
•
analiza
sytuacji problemowej
•
sporządzenie
specyfikacji
: wykaz danych, wyników i relacji
• projekt
rozwiązania
•
komputerowa realizacja rozwiązania –
implementacja
• testowanie poprawności
rozwiązania
•
dokumentacja
i
prezentacja
rozwiązania
Rozwiązywanie problemów z pomocą
komputerów
Objaśnienie dwóch terminów:
Problem:
•problem, gdy nie podano nam, jak należy go rozwiązać, ale wiemy wystarczająco, by poradzić sobie z nim
•a więc, problem jest dla każdego nie tylko dla orłów
Programowanie:
•komputery wykonują tylko programy
•cokolwiek uruchamiamy na komputerze: Google, dokument w Word, arkusz w Excel, naciśnięcie klawisza – jest programem
•każdy widoczny i niewidoczny efekt działania komputera to wynik działania jakiegoś programu
Konkluzja:
powinniśmy
lepiej poznać programowanie
komputerów
Pokrewne zajęcia w Projekcie Informatyka +
Wykład+Warsztaty (Wszechnica Poranna):
• Wprowadzenie do algorytmiki i programowania – wyszukiwanie i porządkowanie informacji
• Proste rachunki wykonywane za pomocą komputera.
• Techniki algorytmiczne – przybliżone (heurystyczne) i dokładne.
Wykłady (Wszechnica Popołudniowa):
• Czy wszystko można policzyć na komputerze?
• Porządek wśród informacji kluczem do szybkiego wyszukiwania. • Dlaczego możemy się czuć bezpieczni w sieci, czyli o szyfrowaniu
informacji.
• Znajdowanie najkrótszych dróg, najniższych drzew, najlepszych małżeństw
Pokrewne zajęcia w Projekcie Informatyka +
Kursy (24 godz.) – Wszechnica na Kołach:
• Algorytmy poszukiwania i porządkowania. Elementy języka programowania
• Różnorodne algorytmy obliczeń i ich komputerowe realizacje • Grafy, algorytmy grafowe i ich komputerowe realizacje
Kursy (24 godz.) – Kuźnia Informatycznych Talentów – KIT dla Orłów:
• Przegląd podstawowych algorytmów • Struktury danych i ich wykorzystanie • Zaawansowane algorytmy
Tendencje – Wykłady
• Algorytmy w Internecie, K. Diks
• Czy P = NP, czyli jak wygrać milion dolarów w Sudoku, J. Grytczuk • Między przeszłością a przyszłość informatyki, M.M Sysło