Scarica ALGORITMI E STRUTTURE DATI L31 e più Prove d'esame in PDF di Algoritmi E Strutture Di Dati solo su Docsity!
ALGORITMO
1 Cos'è un problema: 2 Cos'è una istanza: 3 Cos'è un algoritmo: 4 Chi è l'esecutore dell'algoritmo: 5 La seguente frase è "ambigua": 6 7 Il determinismo indica: 8 Nella selezione: 9 L'assegnazione: 10 Qualunque sequenza, ciclo e selezione PSEUDOCODICE
FLOWCHART
1 Nella tesi di Church-Turing: 2 La sequenza delle operazioni è rappresentata da: 3 Un comando di output: 4 Un comando di input: 5 Nella selezione, in funzione del valore della condizione, si sceglie un blocco oppure l'altro 6 Nell'assegnazione: 7 While {condizione} do {corpo} end while: 8 Fun(arg1, arg2 …): 9 Il seguente pseudocodice (a, b) < - (b,a): 10 Il seguente pseudocodice arr[{espr}]: SOLUZIONE 1 Nella ricerca sequenziale di un : l 2 : sequenziale 3 Nella ricerca binaria: 4 Nella ricerca binaria: 5 Nella ricerca binaria: 6 Nella ricerca binaria, la procedura ricorsiva: 7 Nell'analisi di un algoritmo è completezza e: 8 9 10 Se l'algoritmo trovato non è il migliore per risolvere quel problema: DIVIDE ET IMPERA 1 Il dato di ingresso soddisfa una^ certa proprietà: 2 3 Stabilire se un grafo è connesso: 4 Nella programmazione dinamica:
5 Prova a fare qualcosa, se non funziona disfala e prova a farne un'altra: 6 - 7 La 8 Combina: 9 La ricorsione: 10 Nella torre di Hanoi con 4 dischi il numero di mosse necessarie è: 15 NOTAZIONE ASINTOTICA
3 La notazione Theta rappresenta: 4 La 5 Una funzione polinomiale è: O(n^2) 6 Una funzione polinomiale è: n^2) 7 con 0 8 Nel logaritmo, O(n) ed n): 9 Se una funzione è sia O(g(n)) che g(n): g(n)) 10 LIMITI ASINTOTICI E NOTAZIONI
2 Il limite superiore di una espressione polinomiale è: 3 Il limite inferiore di una espressione polinomiale è: 4 Se f(n)/g(n) è 0: 5 : 6 : 7 L 8 La 'o' piccola implica la 'O' grande: 9 10 maggiore al crescere di n: esponenziale ITERAZIONE
SELEZIONE
selezione 2 Nella selezione sono possibili 3 Nell'iterazione sono possibili esclusivamente: 4 5 6 1 Il seguente non è un numero sconnesso: 5757 2
IMPLEMENTAZIONE
STRUTTURA DATI
i 2 Un array è un: 3 perché: 4 5 O(1) 6 7 In un array, il problema della visita: 8 Il Python: 9 Una Python List 10 i POOLS DI MEMORIA 1 di memoria: 2 Tipo di memoria che persiste per l'intera esecuzione del programma 3 : 4 5 6 L'operatore & nei puntatori è usato: 7 L'operatore * nei puntatori è usato: 8 Gli operatori new e delete in 9 La dichiarazione di un puntatore comporta: 10 La dichiarazione di un array comporta: PROBLEMA DELLA RICERCA
STRUTTURA DATI
2 Un array è omogeneo: 3 L'algoritmo di visita di un array è: 4 L'algoritmo di ricerca lineare in un array è: 5 L'algoritmo di ricerca binaria in un array è: 6 Il costo di un algoritmo di ricerca binaria è: 7 Il costo di un algoritmo di ricerca lineare 8 Il costo di un algoritmo di ricerca binaria 9 Un algoritmo di ricerca binaria: 10 Gli Unit Tests in Python: non ORDINAMENTO 1 L'ordinamento di una sequenza di informazioni consiste nel disporre: 2 Un algoritmo di ordinamento è stabile se: 3 Un algoritmo di ordinamento opera in place se: l 4 Gli algoritmi di Ordinamento Interno:
5 Gli Algoritmi Semplici di Ordinamento presentano una complessità: ALGORITMI ORDINMANTO (^6) Heap sort: È 7 Merge sort: 8 : 9 10 Bubble sort: SELECTION SORT 1 Sort la complessità nel caso migliore è: 2 caso medio è: 3 caso peggiore è: 4 5 Sort è in place: si 6 caso peggiore: 7 caso peggiore: 8 caso medio: 9 : 10 INSERTION SORT 1 caso migliore è: 2 Sort la complessità nel caso medio è: 3 caso peggiore è: 4 5 si 6 caso peggiore: 7 caso peggiore: 8 caso medio: 9 10 BUBBLE SORT 1 In Bubble Sort la complessità nel caso migliore è: 2 In Bubble Sort la complessità nel caso medio è: 3 In Bubble Sort la complessità nel caso peggiore è: 4 Bubble Sort è in generale: 5 Bubble Sort è in place: si 6 Bubble Sort nel caso peggiore: 7 Bubble Sort nel caso peggiore: 8 Bubble Sort nel caso medio:
HEAP SORT
3 In Heap Sort la complessità nel caso peggiore è: 4 Heap Sort è in generale: 5 Heap Sort è in place: si 6 Heap Sort nel caso peggiore: 7 Heap Sort nel caso peggiore: 8 Heap Sort nel caso medio: 9 Heap Sort non è stabile perché: 10 Heap Sort è in place perché: non PUNTATORE
INSIEME DINAMICO
STRUTTURE DATI
3 Se non si possono cioè fare 4 5 6 È 7 Una chiave consente: 8 9 variabili: 10 In Python, quando si assegna un valore a una variabile: MEMORIA
LISTA
1 tassonomia classica, una lista risulta: 2 Nelle liste, il puntatore: 3 4 Una lista è un - insieme, cioè: 5 l'indirizzo di tale elemento: 6 Una lista dinamica può essere rappresentata tramite: i 7 La ricerca di un elemento in una lista: 8 Malloc() new 9 Free() 10 Se non si libera la memoria allocata dinamicamente: LISTA 1 In una lista realizzata con raw pointers, ciascun elemento della lista è una dell'elemento: 2 3 In una lista di puntatori: 4 In una lista di puntatori posso inserire un nuovo elemento: 5 In una lista di puntatori la visita può essere implementata:
SMART POINTERS
7 In uno smart pointer: 8 Negli smart pointers: 9 La ricerca di un elemento in una lista di puntatori ha complessità: 10 L'inserimento di un elemento in una lista di puntatori ha complessità: COMPLESSITÀ
PILA/STACK
1 La pila è un sistema: LIFO 2 La funzione push in una pila: 3 La funzione pop in una pila: 4 5 Una pila: 6 L'implementazione di una pila tramite array prevede: 7 rimuoverli: 8 Le operazioni di base su una pila hanno complessità: O(1) 9 L'operazione di push in una pila ha complessità: O(1) 10 L'operazione di pop in una pila ha complessità: O(1) COMPLESSITÀ
CODA
1 La coda è un sistema: FIFO 2 La funzione EnQueue in una coda: 3 La funzione DeQueue in una coda: 4 implementare una coda: 5 Una coda circolare: 6 L'implementazione di una coda circolare: 7 la classe queue 8 Le operazioni di base su una coda circolare hanno complessità: O(1) 9 Le operazioni di base su una coda non circolare hanno complessità: O(n) 10 L'operazione di EnQueue in una coda circolare ha complessità: O(1) ALBERO 1 Un albero di ricerca: 2 Un albero può essere: 3 In un albero: 4 Cosa si intende per "albero connesso": 5 Un albero di ricerca: 6 foglia 7 A parte la radice: 8 La profondità di un nodo: 9 Il grado di un nodo in un albero:
7 Il nome di questa funzione è: 8 Il nome di questa funzione è: 9 La visita in ampiezza: 10 La visita in ampiezza: 1 In un albero binario di ricerca: 2 In un albero binario di ricerca, per ogni nodo N dell'albero: 3 Il seguente albero: 4 Il seguente albero: 5 Il nome di questa funzione è: 6 Il nome di questa funzione è: 7 Il nome di questa funzione è: 8 Un dizionario: 9 Questo albero: o 10 in un albero binario di ricerca bilanciato ha complessità: 1 2 : 3 Il nome di questa funzione è: 4 L'inserimento di un elemento in un ABR già popolato, prevede 2 fasi; nella prima si cerca il nodo genitore X e nella seconda: 5 L'inserimento di un elemento in un ABR, nel caso peggiore ha complessità: 6 L'inserimento di un elemento in un ABR, nel caso medio ha complessità: 7 Nel caso di eliminazione di una foglia da un ABR: 8 :
9 10 La cancellazione in un ABR equilibrato ha complessità: 1
3 Un ABR è AVL-bilanciato: 4 L'altezza di un nodo X: 5 Il seguente albero: 6 Il seguente albero: non 7 In un albero rosso-nero: l 8 In un albero rosso-nero: 9 In un albero rosso-nero: 10 In un albero rosso-nero: 1 Il seguente albero:
2 Il seguente albero:
3 Il seguente albero:
4 Il seguente albero:
5 Nel seguente albero, volendo costruirlo come rosso-nero: 6 Nel seguente albero: 7 Il seguente albero:
8 Il seguente albero: non - 9 Il seguente albero: non - 10 Il seguente albero: non - 1 sinistro del nodo da ruotare: 2 Una rotazione a destra 3 In una rotazione a sinistra: 4 Una rotazione a sinistra
1 Per ordine del grafo si intende: 2 in un grafo completo, se n è il numero di nodi, tale formula rappresenta: 3 senza nodi cammino 4 5 : 6 i lunghezza maggiore di X deve possedere una diagonale; il valore di X è pari a: 3 7 Il seguente grafo: i 8 Tale schema può determinare un grafo degli intervalli: no 9 Un grafo degli intervalli è un grafo non orientato che rappresenta: l i 10 Il seguente grafo: i 1 In una lista di adiacenze: 2 In una matrice delle adiacenze: . 3 In un grafo non orientato, la matrice delle adiacenze: 4 Per un grafo con n nodi ed m archi, l'implementazione mediante una matrice delle adiacenze determina una occupazione di spazio: O(n^2) 5 Per un grafo con n nodi ed m archi, l'implementazione mediante lista di adiacenze determina una occupazione di spazio: 6 : 7 La seguente classe rappresenta: 8 La seguente classe rappresenta: 9 La seguente classe rappresenta: 10 La seguente classe rappresenta: 1 Visita i nodi 2 : 3 Tale procedura di visita di un grafo: 4 Tale procedura rappresenta: 5 : 6
8 Il calcolo della distanza di Erdos coincide con una visita del grafo: in ampiezza 9 È - 10 Se n è il numero di nodi ed m il numero di archi, la complessità della BFS-TREE è pari a: 1 Se il grafo in esame è una foresta, la BFS esplora: 2 Se il grafo in esame è una foresta, la DFS esplora: 3 Ogni grafo: i 4 La seguente DFS è: 5 molto grandi e connessi: 6 L'albero di copertura DF viene costruito in modo che ogni nodo del grafo: 7 In un albero di copertura DFS il termine marcato si riferisce ai nodi: 8 Se u è un antenato : 9 Se u è un discendente 10 Se u non è un antenato, né un discendent 1 2 3 4 Un grafo orientato è aciclico se e solo se non esistono: 5 Un ordinamento topologico è un ordinamento lineare dei suoi nodi tale che: s 6 Per individuare un ordinamento topologico si può eseguire: 7 In un digrafo, se esiste un cammino c tra i nodi u e v, si dice che v: 8 Un grafo G' è una componente connessa di G se e solo se: 9 Nel seguente grafo: 10 Nel seguente grafo: 1 L'albero dei cammini minimi è un albero di copertura radicato in s avente: un 2 Un Albero di Copertura T (Spanning Tree) di un grafo G è: 3 L'albero individuato tramite gli archi : 4 : 5 Dato il seguente schema, se (A,B,C,D,E,H) e (A,B,C,D,E,I) sono percorsi minimi: 6 Nel seguente grafo, il costo del cammino minimo da A a D è pari a: 2
10 Dovendo eseguire il calcolo dei cammini minimi in un grafo sparso con , devo usare: Johnson 1 2 3 Quando due o più chiavi nel dizionario hanno lo stesso valore hash: 4 Quando 5 6 7 8 9 i 10 Una funzione hash che usa un certo numero di bit all'interno della parola: i 1 2 Essendo m il numero di slot dove sono 3 L'hashing con chaining, nel caso peggiore ha complessità: 4 Nell'hashing uniforme semplice: 5 Nell'ipotesi di hashing uniforme semplice: 6 Nell'ipotesi di hashing uniforme semplice, una ricerca con successo richiede, in media, un tempo: 7 Nell'ipotesi di hashing uniforme semplice, una ricerca senza successo richiede, in media, un tempo: 8 Nell'indirizzamento aperto: 9 10 La seguente funzione: a 1
2 3 : 4 5 6 Nel problema del domino, se n=1 si hanno: 1 soluzione 7 Nel problema del domino, se n=2 si hanno: 2 soluzioni 8 Nel problema del domino, se n= si hanno: 5 soluzioni 9 Nel problema del domino, DP[n] è pari a:
1 La tabella costruita nell'ambito della programmazione dinamica è indirizzabile con complessità: O(1) 2 In Hateville:
8 Nel problema dello zaino:
9 : 10 Nel problema dello zaino: ci si 1 La seguente funzione: 2 La seguente funzione: 3 La seguente funzione: 4 5 In termini di complessità, l'implementazione di Fibonacci più vantaggiosa è: 6 La seguente funzione rappresenta: 7 La seguente funzione rappresenta: 8 La seguente funzione rappresenta: 9 La funzione di Fibonacci realizzata tramite tecnica Divide et Impera: 10 Le due funzioni di Fibonacci di cui sopra 1 Gli algoritmi golosi sono una tecnica di risoluzione di problemi di: 2 L'idea alla base della tecnica golosa è quella di prendere decisioni: 3 In quale tecnica si sceglie la soluzione che sembra la migliore in quel momento, senza considerare le conseguenze a lungo termine di quella scelta:
10 Tale schema può essere usato per modellare: 1 Gli algoritmi : 2 Gli algoritmi : 3 L'algoritmo di Montecarlo: 4 L'algoritmo di Montecarlo: 5 6 L'algoritmo di Montecarlo: 7 In python numpy è una libreria usata: 8 9 L'algoritmo di Monte Carlo per il test di primalità: 10 L'algoritmo di Monte Carlo per il test di primalità ha un incremento di accuratezza della risposta: 1 In 2 : occasionale 3 Nell'algoritmo di Monte Carlo per l'espressione polinomiale nulla viene generato un numero casuale nell'intervallo [-M, M], se il valore è molto vicino a zero (entro la soglia di 1e^(- 4 L'algoritmo di Montecarlo: 5 Il seguente codice può essere usato per: 6 Il seguente codice può essere usato per: 7 Il BitSet è: 8 L'uso di funzioni di hash casuali può introdurre: 9 Aumentando la dimensione del BitSet: 10 1 2 L'algoritmo di selezione del mediano: 3 4 5 6 7 8 L'implementazione dell'algoritmo di Las Vegas nella scelta casuale dell'elemento di pivot riduce la probabilità: 9 di fenomeni 10
