Docente
|
RODOLA' EMANUELE
(programma)
- Algoritmi e strutture dati: generalità ed esempi. Introduzione alla nozione di costo (tempo e spazio di memoria).
- Notazioni asintotiche per le funzioni di costo e metodi di analisi (caso peggiore, medio, migliore).
- Metodi di analisi di algoritmi ricorsivi: albero della ricorsione, iterazione, sostituzione, Master Theorem.
- Tipi di dato astratto (pile, code, alberi) e loro implementazioni. Algoritmi di visita di un albero.
- Algoritmi di ordinamento incrementali (descrizione, implementazione e analisi).
- Grafi e loro rappresentazione. Algoritmi di visita (descrizione, implementazione e costo).
- Tecnica algoritmica greedy. Minimo albero ricoprente e rispettivo calcolo basato su algoritmo greedy. Algoritmi di Kruskal e Prim.
- Cammini minimi su grafi e relativi algoritmi (descrizione, implementazione e analisi): calcolo delle distanze, calcolo dei cammini minimi a sorgente singola su grafi aciclici, algoritmo di Dijkstra.
- Clustering gerarchico e k-means.
- Algoritmi di bioinformatica.
- Principi di deep learning su immagini e grafi.
Il materiale di studio viene fornito completamente sul sito di riferimento del corso.
Come materiale integrativo vengono suggeriti di volta in volta capitoli selezionati dal seguente testo:
T.H. Cormen, C.Papadimitriou, U. Vazirani. Introduzione agli algoritmi
|