پاورپوینت کامل تحلیل و ارزیابی الگوریتم‌ها با تمرکز بر کارایی و پیچیدگی محاسباتی

توجه : این پروژه به صورت فایل power point (پاور پوینت) ارائه میگردد

 پاورپوینت کامل تحلیل و ارزیابی الگوریتم‌ها با تمرکز بر کارایی و پیچیدگی محاسباتی دارای ۵۴ اسلاید می باشد و دارای تنظیمات کامل در Power Point می باشد و آماده پرینت یا چاپ است

فایل پاور پوینت پاورپوینت کامل تحلیل و ارزیابی الگوریتم‌ها با تمرکز بر کارایی و پیچیدگی محاسباتی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

---

لطفا به نکات زیر در هنگام خرید

دانلودپاورپوینت کامل تحلیل و ارزیابی الگوریتم‌ها با تمرکز بر کارایی و پیچیدگی محاسباتی

توجه فرمایید.

۱-در این مطلب، متن اسلاید های اولیه 

دانلودپاورپوینت کامل تحلیل و ارزیابی الگوریتم‌ها با تمرکز بر کارایی و پیچیدگی محاسباتی

قرار داده شده است

۲-به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت  تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرمایید

۳-پس از پرداخت هزینه ، حداکثر طی ۱۲ ساعت پاورپوینت خرید شده ، به ادرس ایمیل شما ارسال خواهد شد

۴-در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد

۵-در صورتی که اسلاید ها داری جدول و یا عکس باشند در متون زیر قرار داده نشده است

---

بخشی از متن پاورپوینت کامل تحلیل و ارزیابی الگوریتم‌ها با تمرکز بر کارایی و پیچیدگی محاسباتی :

اسلاید ۱ :

سوال هایی که در این فصل به آنها پاسخ می دهیم:

(۱چرا آنالیز الگوریتم ها انجام می شود؟                                       

(۲معیارهای ارزیابی الگوریتم چیست؟

(۳روش محاسبه چگونه است؟

(۴تعریف نماد ها چگونه است؟

(۵روش مقایسه چگونه است؟

اسلاید ۲ :

چرا آنالیز الگوریتم ها انجام می شود؟                                       
برای دانستن این موضوع که کدامیک از الگوریتم ها برای حل مسئله وتبدیل به کد مناسب تر است.
هدف آنالیز الگوریتم ها
مقایسه بین الگوریتم های مختلف برای رسیدن به بهترین الگوریتم

معیارهای الگوریتم بهینه

.۱پیچیدگی زمانی (زمان مورد نیاز برای اجرای الگوریتم)

.۲پیچیدگی حافظه ای (حافظه مورد نیاز برای اجرای الگوریتم)

.۳ پیچیدگی طراحی و پیاده سازی

اسلاید ۳ :

روش محاسبه چگونه است؟

این یک سوال پارامتری است که دارای جواب پارامتری می باشد .

     * انواع پاسخ به حل مسئله : (عددی- معادلاتی- تابعی)

الگوریتمی که قراراست مسئله ای را حل کند تعدادی داده را از ورودی می گیرد بنابراین پیچیدگی زمانی وابسته به سایز ورودی است.

üسایز ورودی: تعداد داده های ورودی که با n نشان می دهیم.

üپیچیدگی زمانی به صورت تابعی از n ( سایز ورودی ) مطرح می شود.

اسلاید ۴ :

تعریف نماد :

• کران بالا)  O،( o
• کران پایین) ،  (
• حد محصور ()

اسلاید ۵ :

کران بالا(O):

برای تابع  g(n)، O(g(n)) مجموعه ای از توابع است:

  O(g(n)) = {f(n) : $c, n0 >0 such that “n³ n0 , 0 £f(n) £cg(n)}

به زبان ساده c.g(n) به ازای nهای بزرگ، یک حد بالایی برای f(n) است.

توجه :     به عنوان حد آستانه تابع است .

مثال :پس از     تابع     رشد بیشتری نسبت به     دارد.

اسلاید ۶ :

کران پایین():

برای تابع  g(n)، w(g(n)) مجموعه ای از توابع است:

w(g(n))={f(n):”c>0 $n0>0 such that “n³ n۰  ۰ £cg(n) < f(n)}

به زبان ساده cg(n) به ازای n های بزرگ، یک حد پایینی محض برای f(n) است.

به عبارت دیگر

اسلاید ۷ :

حد محصور() :

برای تابع  g(n)، (g(n)) مجموعه ای از توابع است:

  (g(n))={f(n):$c1,c2,n0>0 s.t. “n³ n0  ۰£c1g(n) £f(n)£c2g(n)}

üبه زبان ساده g(n) و f(n) نرخ رشد یکسانی دارند.

üf(n) از مرتبه (g(n)) است اگر هم O(g(n)) و هم W(g(n))  باشد.

اسلاید ۸ :

سوال :آیا تابعی که به عنوان مصرف زمان مطرح می شود،تمام مولفه های آن مهم است؟ (به عنوان مثال f(n)=3n2+5n-100  )

پاسخ : خیر، زیرا زمانی که تعداد داده ها زیاد می شود از مولفه های کوچکتر می توان صرف نظر کرد؛ همچنین الگوریتم برای تعداد داده های کم به راحتی جواب می دهد ولی برای داده های زیاد دچار مشکل می شویم.

ü

üدر آنالیز الگوریتم جمله ای که تعیین کننده ی حد تابع زمانیکه n به سمت بینهایت می رود برای ما مهم است.

اسلاید ۹ :

مثال: اگر تابع پیچیدگی زمانی الگوریتمی به صورت زیر باشد درجه رشد تابع را مشخص کنید .

۱) f(n)=

پاسخ: بیشترین درجه رشد زمانی است که عدد ورودی ما فرد باشد در نتیجه  O(n3) وکمترین آن زمانی است عدد زوج باشد پس (n2)  و چون کران بالا و پایین با هم برابر نیست وجود ندارد.

۲)f(n)=3n2+5n+10

پاسخ: تابع ما یک ضابطه ای است و کران بالای O(n2) و کران پایین (n3) دارد که برابر هم هستند در نتیجه درجه رشد تابع برابر است با (n2).

اسلاید ۱۰ :

توجه

üدرجه رشد توابع به سه دسته عمده لگاریتمی ، چند جمله ای و نمایی تقسیم می شود که رابطه زیر بین آن ها صادق است.

O(1) < O(log n) < O(n) < O(n1.1) < O(n 2) < …                      < O(1.1n)  < O(2 n) < O(3 n)< … < O(n! )<O(n n (

üبه عبارت دیگر درجه رشد   :   نمایی >> چند جمله ای >> لگاریتمی