Difference between revisions of "Sortieren"

Revision as of 15:16, 20 June 2008

Laufzeitmesung in Python

Verwendung der timeit-Bibliothek für die Hausaufgabe.

Importiere das timeit-Modul: import timeit
Teile den Algorithmus in die Initialisierungen und den Teil, dessen Geschwindigkeit gemessen werden soll. Beide Teile werden in jeweils einen (mehrzeiligen) String eingeschlossen:

 +--------+     +----+            setup = """            prog = """
 |  algo  | --> |init|                +----+                 +----+
 |        |     +----+                |init|                 |prog|
 |        |                           +----+                 +----+
 |        |     +----+             """                     """
 |        | --> |prog|            
 +--------+     +----+

aus den beiden Strings wird ein Timeit-Objekt erzeugt: t = timeit.Timer(prog, setup)
Frage: Wie oft soll die Algorithmik wiederholt werden

z.B. N = 1000

Zeit in Sekunden für N Durchläufe: K = t.timeit(N)

Zeit für 1 Durchlauf: K/N

3.Stunde am 16.04.2008

Sortierverfahren

1.Motivation

Def: Ein Sortierverfahren ist ein Algorithmus, der dazu dient, eine Liste von Elementen zu sortieren.

Literatur, ride Sortierverfahren; Bubblesort 1956, Quicksort 1962. Librarysort 2004

Anwendungen

Sortierte Daten sind häufig Vorbedingungen für Suchverfahren (Speziell für Algorithmen mit Log(N) Komplexität)
Darstellung von Daten gemäß menschlicher Wahrnehmung
Bemerkung: aus programmiertechnischer Anwendungssicht hat das Sortierproblem an Relevanz verloren da
- Festplatten / Hauptspeicher heute weniger limitierenden Charakter haben, so dass komplizierte, speicher-sparende Sortieralgorithmen nur noch in wenigen Fällen benötigt werden.
- gängige Programmiersprachen heute typunabhängige Algorithmen zur Verfügung stellen. Der Programmierer braucht sich deshalb in den meisten Fällen nicht mehr um die Implementierung von Sortieralgorithmen zu kümmern. In C/C++ sorgen dafür beispielsweise Methoden aus der STL

2. Vorraussetzungen/ Spielregeln

- Mengentheoretische Anforderungen a Elemente - Datenspeicherung Array / Liste - Charakterisierung von Algorithmen -- Komplexität (Speicher/ Laufzeit) -- Stabilität -- allg. Eigenschaften (Rekursivität/ Vergleich/ Methoden)

2.1 Mengentheoretische Anforderungen

Definition Totale Ordnung/ Total gordnete Menge: Eine Totale Ordnung / Total geordnete Menge ist eine binäre Relation $R \subseteq M \times M$ über einer Menge $M$ , die transitiv, antisymmetrisch und total ist.

$R$ sei dargestellt als infix Notation $\le$ dann, falls M total geordnet, gilt $\forall a,b,c \ \epsilon M$
(1) $a \le b \bigwedge b \le a \Rightarrow a=b$ (antisymmetrisch)
(2) $a \le b \bigwedge b \le c \Rightarrow a \le c$ (transitiv)
(3) $a \le b \bigvee b \le a$ (total)
Bemerkung: aus (3) folgt $a \le a$ (reflexiv)

Hab in der Wiki eine gute Seite dazu gefunden Ordnungsrelation

2.2 Datenspeicherung

a) Array ---

       +---+---+---+---+---+---+---+---+---+
       |///|   |    |   |   |   |    |   |///|  Einfügen oder Löschen
       +---+---+---+---+---+---+---+---+---+
      \________________  ____________________/
                       \/
                       N

b) Vekettete Liste

                   +---+    +---+     +---+
                   |    |-> |    |->  |    |-> Z 
                   +---+    +---+     +---+

Datenelement zeigt auf das Nächste Nachteil: lineares array (Adressierung bsp: 10 > 9)

Charakterisierung der Effizienz von Algorithmen

(a) Komplexität O( 1), O(n), etc. wird in Kapitel Effizienz erklärt.

(b) Zählen der notwendigen Vergleiche

(c) Messen der Laufzeit mit 'timeit' (auf identischen Daten)

Rekursive Beziehungen zerlegt die ursprünglichen Probleme in kleinere Probleme und wendet den Algorithmus auf die kleineren Probleme an; daraufhin werden die Teilprobleme zur Lösung des Gesamtproblems verwendet. d.h. Laufzeit (operativer Vergleich) für N Eingaben hängt von der Laufzeit der Eingaben für die Teilprobleme

Aufwand

(i) rekursives/ lineares Durchlaufen der Eingabedaten, Bearbeitung einzelner Elemente

C(N)= C(N-1)+ N ;  N>1, C(1)= 1             +---+---+---+---+---+---+---+---+---+
    = C(N-2) +(N-1)+ N                      | 7  | 3 | 2 | 5 | 6 | 8 | 1 | 4 | 2 |  
    = C(N-3) + (N-2) + (N-1) + N            +---+---+---+---+---+---+---+---+---+
    = ...                                         ________________________/
    = C(1) + 2+...+(N-1) +N                     /
                                              +---+---+---+---+---+---+---+---+---+
       N(N+1)   N²                            | 1 | 3 | 2 | 5 | 6 | 8 | 7 | 4 | 2 |  
     = -----  ~ --                            +---+---+---+---+---+---+---+---+---+
         2       2

(ii) rekursives halbieren der Menge der Eingabedaten

C(N)= C(N/2)+1 ; N>1, C(1)=0
Aus Gründen der Einfachheit sei N  = 2n

C(N)= C(2^n)= C( $2^{n-1}$ ) + 1       
                    
             = C( $2^{n-1}$ ) + 1 + 1   
             = ...                    
                                      
             = C( $2^0$ ) + n               
             = n                    
             =  $log_2 N$                  
+---+---+---+---+-|-+---+---+---+---+ 
|   |    |   |   |   |   |    |   |   |
+---+---+---+---+-|-+---+---+---+---+
+---+---+---+---+
|   |    |   |   |
+---+---+---+---+
+---+---+        +---+
|   |    |  ->   |   |
+---+---+        +---+

(iii) rekursives halbieren, lineare Bearbeitung, jedes Elements

C(N)= 2C(N/2)+ N; N>1, C(1)= 0
Sei N=  $2^n$ 
C(N)= C( $2^n$ )= 2C ( $2^{n-1}$ )+  $2^n$ 
<=>  $\cfrac{C(2^n)}{2^n}$  =  $\cfrac{2C(2^{n-1})}{2^{n-1}}$

=  $\cfrac{2C(2^{n-2})+2^{n-1}}{2^{n-1}}+1$ 
=  $\cfrac{2C(2^{n-2})}{2^{n-2}}+1 +1$ 
=...
= n

<=> C( $2^n$ )= $2^n$ * n <=> C= N log $_2$ N

(b) Stabilität Definition: stabiles Sortierverfahren Ein Sortierverfahren heißt stabil falls die relative Reihenfolge gleicher Schlüssel M der Ausgangsdaten beibehält.

Beispiel:

(3,7)               /               (1,8)
(4,2)              /stabil          (2,2)
(4,1)             /                 (3,7)
                                     (4,2)
(2,2)             \                  ....
(1,8)              \  nicht stabil   (4,1)
                     \               (4,2)

3. Sortierverfahren

insertion sort  N² 
selection sort  N²
Bubblesort N log N
Quicksort  N log N

3.1 Selection Sort

a) Algorithmus

for i= 1 to N-1
   min <- 1;
   for j= i+1 to N
      if a[j]< a min  
      min <- j
   swap(a[min], a[i]) //Elemente links von i befinden sich an endgültiger Position

  $\downarrow$ 
+---+---+---+---+---+---+---+
| S | O | R | T | I | N | G |
+---+---+---+---+---+---+---+
      i      
+---|---+---+---+---+---+---+
| G | O | R | T | I | N | S |
+---|---+---+---+---+---+---+
           i
+---+---|---+---+---+---+---+
| G | I | R | T | O | N | S |
+---+---|---+---+---+---+---+ 
               i
+---+---+---|---+---+---+---+
| G | I | N | T | O | R | S |
+---+---+---|---+---+---+---+ 
                   i
+---+---+---+---+---+---+---+
| G | I | N | O | T | R | S |
+---+---+---+---+---+---+---+

..

b) Komplexität

- Anzahl Vergleiche

C(N)= C(N-1)+ (N-1)
    = C(N-2)+ (N-2)+ (N-1)
    ...
    = 1+2 + ...+ (N-2)+ (N-1)
    =  $\cfrac{(N-1)N}{2}$   $\approx \cfrac{(N^2)}{2}$ 
 - Anzahl Austauschoperationen

 C(N)= C(N-1)+1; C(1)= 0; n>1
     = N-1

c) Stabilität

Im Allg. zur Prüfung a[j]<a[min] ist Selection Sort stabil
falls  $\le$  nicht.

3.2 Insertion Sort

- Teil der Übung
- Erweiteung: Shell sort

4. Stunde, am 17.04.2008
(Fortsetzung der Stunde vom 16.04.2008)

Mergesort

a) Algorithmus

Zugrunde liegende Idee:

"Teile und herrsche"-Prinzip (divide and conquer) zur Zerlegung des Problems in Teilprobleme.
Zusammenführen der Lösungen über Mischen (merging): "two-way" oder "multi-way".

a.1) Algorithmus `c ← merge(a,b)`

c = merge(a,b) ← {      # Kombination zweier sortierter Listen a[i] und b[j]
                        # zu einer sortierten Ausgabeliste c[k]
    a[M+1] ← maxint
    b[N+1] ← maxint

    for k ← 1 to M+N
        if a[i] < b[j]
            c[k] > a[i]
            i ← i+1
        else
            c[k] ← b[j]
            j ← j+1 
}

a.2) rekursiver Mergesort

 mergesort(m) ← {    #m ist ein Array
     if |m| > 1      #True, wenn m mehr als 1 Element hat.
         a ← mergesort(m[1:<|m|/2])
         b ← mergesort(m[(|m|/2)+1:|m|])
         c ← merge(a,b)
         return(c)
     else
         return(m)
}

(Eine In-place-Implementierung siehe bei Sedgewick.)

Bei der Sortierung mit Mergesort wird das Array immer in zwei Teile geteilt. → Es entsteht ein Binärbaum der Tiefe $lgN$ .

Gegebene unsortierte Liste: [S,O,R,T,I,N,G] Die Teile werden bei jedem Schritt paarweise gemischt.

Schritt 0:
 S 0 R T I N G     S    O R    T I    N     G    #Arraylänge: N/8
Schritt 1:          \  /   \  /   \  /     /
 OS RT IN G          OS     RT     IN     /      #Arraylänge: N/4    Vergleiche: N/4 * 4
Schritt 2:             \    /        \   /       
 ORST GIN               ORST          GIN        #Arraylänge: N/2    Vergleiche: N/2 * 2
                           \         /
Schritt3:                   \       /
 GINORST                     GINORST             #Arraylänge: N      Vergleiche: N

Zeitkomplexität: $C(N) - N \cdot lgN$

b) Komplexität

Komplexität: $C(N) = 2 \cdot C \left( \frac{N}{2} \right) + N = N \cdot log_2 N$ (für N = $2^n$ )

Erklärungen zur Formel:

$C \left(\frac{N}{2}\right)$ : "für jede Hälfte des Arrays"
$+N$ : für das Zusammenführen
N Vergleiche pro Ebene
Insgesamt gibt es $log_2 N$ Ebenen.

c) Weitere Eigenschaften von MergeSort

Mergesort ist stabil, weil die Position gleicher Schlüssel im Algorithmus merge(a,b) nicht verändert wird - wegen „<” hat das linke Element Vorrang.
Mergesort ist unempfindlich gegenüber der ursprünglichen Reihenfolge der Eingabedaten. Grund dafür ist
- die vollständige Aufteilung des Ausgangsarrays in Arrays der Länge 1 und
- dass merge(a,b) die Vorsortierung nicht ausnutzt, d.h. die Komplexität von merge(a,b) ist sortierungsunabhängig.
Diese Eigenschaft ist dann unerwünscht, wenn ein Teil des Arrays oder gar das ganze Array schon sortiert ist. Es wird nämlich in jedem Fall das ganze Array neu sortiert.

Quicksort

Quicksort wurde in den 60er Jahren von Charles Antony Richard Hoare [1] entwickelt. Es gibt viele Implementierungen von Quicksort, vgl. [2].
Dieser Algorithmus gehört zu den "Teile und herrsche"-Algorithmen (divide-and-conquer) und ist der Standardalgorithmus für Sortieren.

a) Algorithmus für `quicksort`

 quicksort(l,r) ← {    #l: linke Grenze, r: rechte Grenze des Arrays
                       #Das Array läuft also von l bis r (a[l:r])
     if r > l
         i ← partition(l,r)    #i ist das Pivot-Element
         quicksort(l,i-1)      #quicksort auf beide Hälfte des Arrays anwenden
         quicksort(i+1,r)
 }

Dieser Algorithmus wird rekursiv für zwei Teilstücke links und rechts des Pivot-Elements aufgerufen. Das Pivot-Element ist nach diesem Schritt an der richtigen Position (d.h. links von der Stelle i stehen nur kleinere, rechts von i nur größere Elemente als das Pivot-Element). Die Methode partition sorgt dafür, dass diese Bedingung erfüllt ist.

b) Algorithmus für `partition`

Aufgabe: Ordne a so um, dass nach der Wahl von i (Pivot-Element) gilt:

$a[i]$ ist sortiert, d.h. dieses Element ist am endgültigen Platz.
$\forall x \in \left\{ a \left[ l \right] , ... a \left[ i-1 \right] \right\} : x \leq a \left[ i \right]$
$\forall x \in \left\{ a \left[ i+1 \right], ... a \left[ r \right] \right\} : x \geq a \left[ i \right]$

a[i] heißt Pivot-Element (p)

         l                               r
       +---+---+---+---+---+---+---+---+---+
Array: |   |   |   |   |\\\|   |   |   |   |
       +---+---+---+---+---+---+---+---+---+
        \______  _____/  i  \______  _____/ 
               \/                  \/
            <=a[i]               >=a[i]             (a[i] ist das Pivot-Element)

 i ← partition(l,r) ← {
     p ← a[r]              #p: Pivot-Element. Hier wird willkürlich das rechteste  
                           #   Element als Pivot-Element genommen.
     i ← l-1               #i und j sind Laufvariablen
     j ← r
     
     repeat
         repeat
             i ← i+1       #Finde von links den ersten Eintrag >= p
         until a[i] >= r
     
         repeat
             j ← j-1       #Finde von rechts den ersten Eintrag < p
         until a[j] <= r
         swap(a[i], a[j])
     until j <= i          #Nachteile: p steht noch rechts
     swap(a[i], a[j])      #Letzter Austausch zwischen i und j muss 
                           #zurückgenommen werden
     swap(a[i], a[r])      #Das Pivot-Element wird an die korrekte Position gesetzt.
     return(i)
 }

                         p
       +---+---+---+---+---+---+---+---+---+
Array: |   |   |   |   |\\\|   |   |   |   |
       +---+---+---+---+---+---+---+---+---+
       -------> i>p             j<p <-------
                 |               |
                 +---------------+
      Diese zwei Elemente werden ausgetauscht.


                         p
       +---+---+---+---+---+---+---+---+---+
Array: |   |   |   |   |\\\|   |   |   |   |
       +---+---+---+---+---+---+---+---+---+
       -----------------> <-----------------
 
"repeat" bis sich die Zeiger treffen oder einander überholt haben.

 l,i -->                                          <-- j   r
+---+---+---+---+---+---+---+---+---+---+---+---+---+---+---+
| A | S | O | R | T | I | N | G | E | X | A | M | P | L | E |
+---+---+---+---+---+---+---+---+---+---+---+---+---+---+---+

      i                                   j               r
+---+---+---+---+---+---+---+---+---+---+---+---+---+---+---+
| A | S | O | R | T | I | N | G | E | X | A | M | P | L | E |
+---+---+---+---+---+---+---+---+---+---+---+---+---+---+---+

          i                       j                       r
+---+---+---+---+---+---+---+---+---+---+---+---+---+---+---+
| A | A | O | R | T | I | N | G | E | X | S | M | P | L | E |
+---+---+---+---+---+---+---+---+---+---+---+---+---+---+---+

          j   i                                           r
+---+---+---+---+---+---+---+---+---+---+---+---+---+---+---+
| A | A | R | E | T | I | N | G | O | X | S | M | P | L | E |   --> Hier wird die 
+---+---+---+---+---+---+---+---+---+---+---+---+---+---+---+       Schleife verlassen.

          j   i                                           r
+---+---+---+---+---+---+---+---+---+---+---+---+---+---+---+
| A | A | E | R | T | I | N | G | O | X | S | M | P | L | E |   1.swap
+---+---+---+---+---+---+---+---+---+---+---+---+---+---+---+

              i                                           r
+---+---+---+---+---+---+---+---+---+---+---+---+---+---+---+
| A | A | E | E | T | I | N | G | O | X | S | M | P | L | R |   2.swap
+---+---+---+---+---+---+---+---+---+---+---+---+---+---+---+

Bemerkungen zur gegebenen Implementierung:

Die gegebene Implementierung benötigt ein Dummy-Minimalelement (für den Fall i=1).
- Dieses Element ist durch zusätzliche if-Abfrage vermeidbar, aber die if-Abfrage erhöht die Komplexität des Algorithmus (schlechte Performanz).
Sie ist uneffizient für (weitgehend) sortierte Arrays, da sich folgende Aufteilung für die Partitionen ergibt:
- Erste Partition: [l,i-1], zweite Partition: [i+1,r]
- Die erste Partition umfasst N-1 Elemente. Die zweite Partition ist leer (bzw. sie existiert nicht), weil das Pivot-Element p = r gewählt wurde.
- Das Array wird elementweise abgearbeitet. → N einzelne Aufrufe ⇒ Zeitkomplexität: $\approx\frac{N^2}{2}$ .
Für identische Schlüssel sollten beide Laufvariablen stehen bleiben (daher " $\leq$ "), um ausgeglichene Zerlegungen bei vielen identischen Schlüsseln zu gewährleisten.
Bei der gegebenen Implementierung tauscht auch gleiche Elemente aus.
Für identische Schlüssel können die Abbruchbedingungen verbessert werden (siehe Sedgewick, Seite 150).

c) Komplexität

$C(N) = (N+1) + \frac{1}{N} \sum_{k=1}^{N} \left[ C(k-1) + C(N-k) \right]$ für $N>1;\, C_1 = C_0 =0$

Anmerkungen zur Formel:

$(N+1)$ : Vergleiche für jeden Aufruf
$k$ : Teilungspunkt
$\frac{1}{N} \sum_{k=1}^{N} \left[ C(k-1) + C(N-k) \right] = 2 \frac{1}{N} \sum_{k=1}^{N} C(k-1)$ ist der mittlere Aufwand über alle möglichen Zerlegungen.

$C(N) = (N+1) + \frac{2}{N} \sum_{k=1}^{N} C(k-1)$ $\overset{\cdot N}{\longleftrightarrow}$

$N \cdot C(N) = N \left[ (N+1) + \frac{2}{N} \sum_{k=1}^{N} C(k-1) \right] \overset{-\, (N-1) \cdot C(N-1)}{\longleftrightarrow}$

$N \cdot C(N) - (N-1) \cdot C(N-1) = N(N+1) - (N-1) N + 2 \sum_{k=1}^{N} C(k-1) - 2 \sum_{k=1}^{N} C(k-1)$

$= N(N+1) - (N-1) N + 2 \cdot C(N-1) \longleftrightarrow$

$N \cdot C(N) = N(N+1) - (N-1) N + 2 \cdot C(N-1) + (N-1) \cdot C(N-1) = 2N + (N+1) \cdot C(N-1) \overset{/N(N+1)}{\longleftrightarrow}$

$\frac{C(N)}{N+1} = \frac{C(N-1)}{N} + \frac{2}{N+1}$

$= \frac{C(N-2)}{N-1} + \frac{2}{N} + \frac{2}{N+1}$

$= \frac{C(N-3)}{N-2} + \frac{2}{N-1} + \frac{2}{N} + \frac{2}{N+1}$

$= ... =$

$= \frac{C(2)}{3} + 2 \sum_{k=3}^{N} \frac{1}{k+1} \approx 2 \sum_{k=3}^{N} \frac{1}{k+1} \approx 2 \int_1^N \frac{1}{k} dk = 2 \cdot ln N$

Für sehr große N gilt: $\approx 2 \sum_{k=1}^{N} \frac{1}{k}$ beziehungsweise $\geq 2 \sum_{k=1}^{N} \frac{1}{k}$

Mittlere Komplexität: $C(N) = 2(N+1) \cdot lnN \approx 2N \cdot lnN$

d) Verbesserungen des Quicksort-Algorithmus

Beseitigung der Rekursion

Eine Verbesserung beseitigt die Rekursion durch Verwendung eines Stacks. Nach jeder Partitionierung wird das größere Teilintervall auf dem Stack abgelegt und das kleinere Teilintervall direkt weiterverarbeitet.

quickSort(l,r) ← {
    #initialize stack
    push([l,r])
    repeat
        if r > l:
            i ← partition(l,r)
            if (i-l) > (r-i):
                push([l,i-1])
                l ← i+1
            else:
                push([i+1,r])
                r ← i-1
        else:
            [l,r] ← pop()
    until stackempty()
}

+---+---+---+---+---+---+---+
| Q | U | I | C | K | S | O |
+---+---+---+---+---+---+---+

             
+---+---+---+===+---+---+---+
| K | C | I |=O=| Q | S | U |
+---+---+---+===+---+---+---+
                 \_________/
                     push

+---+===+---+
| C |=I=| K |
+---+===+---+
         \_/
         push

+===+
|=C=|
+===+

        +===+
        |=K=|
        +===+

                +---+---+===+
                | Q | S |=U=|
                +---+---+===+

                +---+===+
                | Q |=S=|
                +---+===+

                +===+
                |=Q=|
                +===+
        
+---+---+---+---+---+---+---+
| C | I | K | O | Q | S | U |  
+---+---+---+---+---+---+---+

Alternatives Sortieren kleiner Intervalle

Für kleine Intervalle ist Insertion Sort effizienter als "Teile und herrsche"
Modifikation:

if (r-l) <= K:
    insertion(l,r)
else:
    #wie bisher

für M = 3: explizites Sortieren von 3 Elementen. - Sortieren von 3 Datensätzen. Idee:

Stelle sicher, dass a[1] und a[2] relativ zueinander sortiert sind.
Falls a[1] jetzt noch größer als a[3] ist, so ist a[3] das kleinste Element und muss nach vorne geschrieben werden. Das heißt: swap(a[i], a[3]). Danach steht das kleinste Element in a[1].
Jetzt kann es entweder sein, dass
- in 2. kein swap durchgeführt wurde und a[3] eventuell zwischen a[1] und a[2] liegen könnte, oder
- der swap durchgeführt wurde und die Reihenfolge von a[2] und a[3] jetzt falsch ist.
Falls a[2] > a[3], dann swap(a[2], a[3]). Das löst beide in 3. genannten Probleme.

Der Algorithmus zum Sortieren von drei Datensätzen:

a = sort2(a) ← {
    if a[1] > a[2]:
        swap(a[1], a[2])
    if a[1] > a[3]:
        swap(a[1], a[3])
                           # Man könnte hier 
                           #     swap(a[2],a[3])
                           #     return
                           # einfügen und eine if-Abfrage sparen.
    if a[2] > a[3]:
        swap(a[2], a[3])
}

Günstige Selektion des Pivot-Elements

Das Pivot-Element könnte geschickter gewählt werden. Methode: Median von drei Elementen: Bestimme den Median der ersten, mittleren und letzten Elements eines Arrays und verwende der Median als Pivot-Element
Diese Methode minimiert die Häufigkeit des Auftetens des ungünstigsten Falles.

147.142.207.188 19:31, 23 April 2008 (UTC)

Difference between revisions of "Sortieren"

Revision as of 15:16, 20 June 2008

Contents

Laufzeitmesung in Python

Sortierverfahren

1.Motivation

2. Vorraussetzungen/ Spielregeln

2.1 Mengentheoretische Anforderungen

2.2 Datenspeicherung

Charakterisierung der Effizienz von Algorithmen

3. Sortierverfahren

Mergesort

a) Algorithmus

a.1) Algorithmus `c ← merge(a,b)`

a.2) rekursiver Mergesort

b) Komplexität

c) Weitere Eigenschaften von MergeSort

Quicksort

a) Algorithmus für `quicksort`

b) Algorithmus für `partition`

c) Komplexität

d) Verbesserungen des Quicksort-Algorithmus

Beseitigung der Rekursion

Alternatives Sortieren kleiner Intervalle

Günstige Selektion des Pivot-Elements

Navigation menu

Views

Personal tools

Navigation

Search

Tools

Difference between revisions of "Sortieren"

Revision as of 15:16, 20 June 2008

Contents

Laufzeitmesung in Python

Sortierverfahren

1.Motivation

2. Vorraussetzungen/ Spielregeln

2.1 Mengentheoretische Anforderungen

2.2 Datenspeicherung

Charakterisierung der Effizienz von Algorithmen

3. Sortierverfahren

Mergesort

a) Algorithmus

a.1) Algorithmus c ← merge(a,b)

a.2) rekursiver Mergesort

b) Komplexität

c) Weitere Eigenschaften von MergeSort

Quicksort

a) Algorithmus für quicksort

b) Algorithmus für partition

c) Komplexität

d) Verbesserungen des Quicksort-Algorithmus

Beseitigung der Rekursion

Alternatives Sortieren kleiner Intervalle

Günstige Selektion des Pivot-Elements

Navigation menu

Search

a.1) Algorithmus `c ← merge(a,b)`

a) Algorithmus für `quicksort`

b) Algorithmus für `partition`