پاورپوینت کامل تحلیل الگوریتم‌ها و بررسی علمی اصول طراحی، پیچیدگی محاسباتی و کاربردهای تخصصی

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

 پاورپوینت کامل تحلیل الگوریتم‌ها و بررسی علمی اصول طراحی، پیچیدگی محاسباتی و کاربردهای تخصصی دارای ۱۵ اسلاید می باشد و دارای تنظیمات کامل در Power Point می باشد و آماده پرینت یا چاپ است

فایل پاور پوینت پاورپوینت کامل تحلیل الگوریتم‌ها و بررسی علمی اصول طراحی، پیچیدگی محاسباتی و کاربردهای تخصصی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

---

لطفا به نکات زیر در هنگام خرید

دانلودپاورپوینت کامل تحلیل الگوریتم‌ها و بررسی علمی اصول طراحی، پیچیدگی محاسباتی و کاربردهای تخصصی

توجه فرمایید.

۱-در این مطلب، متن اسلاید های اولیه 

دانلودپاورپوینت کامل تحلیل الگوریتم‌ها و بررسی علمی اصول طراحی، پیچیدگی محاسباتی و کاربردهای تخصصی

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 الگوریتم‌ها و بررسی علمی اصول طراحی، پیچیدگی محاسباتی و کاربردهای تخصصی :

اسلاید ۱ :

تحلیل الگوریتم ها

۱ . با استفاده ازاستقرای ریاضی نشان دهید زمانی که n توان صحیحی از ۲ است جواب رابطه بازگشتی زیربرابرچیست ؟

                               اگر n = 2                                      ۲

                               اگربرای k>1 ، n = 2      T(n) =    ۲T(n/2) + n 

۲ . مرتب سازی درجی می تواند به صورت یک روال بازگشتی بشرح زیر بیان شود . به منظور مرتب کردن A[1..n] ، آرایه A[1;n-1] را بطور بازگشتی مرتب کرده و سپس A(n) را درآرایه مرتب شده A[1..n-1] درج می کنیم . یک رابطه بازگشتی برای زمان اجرای این نسخه بازگشتی از مرتب سازی درجی بنویسید

اسلاید ۲ :

مرتب سازی درجی روی آرایه های کوچک در مرتب سازی ادغام

۱ . یک تغییر در مرتب سازی ادغام را در نظر بگیرید که درآن n/k زیر لیست با طول k با استفاده از مرتب سازی درجی ، مرتب شده و سپس با استفاده از فرایند ادغام استاندارد ادغام می شوند و k مقداری است که باید مشخص شود .

 a . نشان دهید که n/k زیر لیست هر یک با طول k می توانند بوسیله مرتب سازی درجی در بدترین حالت در زمان (n/k)  مرتب شوند.

 b . نشان دهید که زیر لیست ها می توانند دربدترین حالت درزمان (nlg(n/k)) ادغام شوند . 

اسلاید ۳ :

 درستی قانون Horner

 قطعه کد زیر قانون horner را برای ارزشیابی چند جمله ای                                  

P(x) = a  x

        = a  + x(a  + x(a  +…+x(a    + xa  )…)),

با ضرایب داده شده a  ,a  ,…, a   و یک مقدار برای x پیاده سازی می کند :

۱     y 0

۲      i n

۳      While i 0

۴          do  y a  + x . y

۵                 i i -1  

اسلاید ۴ :

 a . زمان اجرای مجانبی این قطعه کد برای قانون Horner چیست ؟

 b . شبه کدی برای پیاده سازی الگوریتم ارزشیابی ساده چند جمله ای بنویسید که هر جمله از چند جمله ای را از ابتدا محاسبه می کند . زمان اجرای این الگوریتم چیست ؟ در مقایسه با قانون Horner چگونه است ؟

 c . ثابت کنید که ثابت زیر یک ثابت حلقه برای حلقه while در خطوط ۳- ۵ است .

y = a        x

اسلاید ۵ :

وارونگی

 ۱ . چه آرایه ای با عناصر مجموعه {۱,۲,…,n }  بیشترین وارونگی ها را دارد ؟ این آرایه چند وارونگی دارد ؟

 ۲ . چه رابطه ای بین زمان اجرای مرتب سازی درجی و تعداد وارونگی ها درآرایه ورودی  وجود دارد ؟

 ۳ . الگوریتمی ارائه دهید که تعداد وارونگی ها در یک جایگشت روی n عنصر را در بدترین حالت در زمان (nlgn)  تعیین کند . 

اسلاید ۶ :

رشد توابع

 ۱ . فرض کنید f(n) و g(n) بطور مجانبی توابع غیرمنفی باشند . با استفاده از تعریف اصلی نماد ، ثابت کنید که max(f(n),g(n)) = (f(n) + g(n))

 ۲ . توضیح دهید چرا عبارت ” زمان اجرای الگوریتم A حداقل O(n  ) است ” ، بی معنی است ؟

 ۳ . آیا ۲    = O(n  )  ؟ آیا ۲   = O(2   )  ؟

 ۴ . نشان دهیدهر ثابت حقیقی a  وb که b>0 ،

                                                                             ( n+a )  = (n  )

اسلاید ۷ :

 ۵ . آیا ۲    = O(n  )  ؟ آیا ۲   = O(2   ) ؟

 ۶ . ثابت کنید زمان اجرای یک الگوریتم  (g(n))  است اگر و فقط اگر زمان اجرای آن در بدترین حالت O(g(n))  و زمان اجرای آن در بهترین حالت (g(n))  باشد .

اسلاید ۸ :

نمادهای استاندارد و توابع عمومی

 ۱ . نشان دهید اگر f(n) و g(n) توابع صعودی یکنواخت باشند ، آنگاه توابع f(n) + g(n) وf(g(n)) نیز صعودی یکنواخت هستند ، و اگر علاوه بر آن f(n) و g(n) غیر منفی نیز باشند ، آنگاه f(n). g(n)  صعودی یکنواخت است .

 ۲ . آیا تابع lg n !  بطور چند جمله ای محدود است ؟ آیا تابع lg lgn !  بطور چند جمله ای محدود می شود ؟

 ۳ . کدام یک بطور مجانبی بزرگتر است :

                                                               lg *(lgn)   یا lg(lg*n)

اسلاید ۹ :

 a . توابع زیر را برحسب مرتبه رشد رتبه بندی کنید .

Lg(lg*n)     ۲        (۲ )           n           n!         (lg n)!

(۳/۲)          n         lg  n        lg(n!)        ۲            n

Ln ln n       lg*n     n. 2         n             ln n        ۱

 ۲              (lg n)       e            ۴          (n+1)!       lg n              

اسلاید ۱۰ :

v برای دو تابع f(n)  و g(n)  داریم f(n) = (g(n))  اگروفقط اگر f(n) = O(g(n))  و f(n) = (g(n))  .

v اکثر ویژگی های رابطه ای اعداد حقیقی در مقایسه های مجانبی نیز به کار میروند .

 تعدی :

 f(n) = (g(n))  و g(n) = (h(n)) دلالت می کنند براینکه f(n) = (h(n))  

 f(n) = O(g(n))  و g(n) = O(h(n)) دلالت می کنند براینکه f(n) = O(h(n))  

 f(n) = (g(n))  و g(n) = (h(n)) دلالت می کنند براینکه f(n) = (h(n))  

 f(n) = o(g(n))  و g(n) = o(h(n))  دلالت می کنند براینکه f(n) = o(h(n))  

 f(n) = (g(n))  و g(n) = (h(n)) دلالت می کنند براینکه f(n) = (h(n))