La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Dr. Francesco Fabozzi Corso di Informatica

Presentazioni simili


Presentazione sul tema: "Dr. Francesco Fabozzi Corso di Informatica"— Transcript della presentazione:

1 Dr. Francesco Fabozzi Corso di Informatica
Algoritmi Dr. Francesco Fabozzi Corso di Informatica

2 Programma Un elaboratore è una macchina universale in quanto può risolvere problemi di svariata natura Gestione prestiti di una biblioteca, sistema di prenotazione dei voli, risoluzione equazioni, … Ma non è una macchina intelligente Occorre impartire dall’esterno la sequenza delle istruzioni da eseguire per risolvere il problema (programma) Deve essere in un linguaggio comprensibile alla macchina (linguaggio di programmazione)

3 Analisi e programmazione
La risoluzione di un problema mediante un elaboratore avviene in due fasi successive: Analisi del problema Ha come obiettivo la definizione di una procedura che permetta di risolvere il problema (algoritmo) Programmazione Ha come obiettivo la traduzione dell’algoritmo in un programma

4 Algoritmo L’algoritmo è una procedura che lavora su dati d’ingresso e fornisce dati in uscita con le seguenti caratteristiche: Generale Finita Completa Non ambigua Eseguibile

5 Caratteristiche di un algoritmo
Generale Deve risolvere una intera classe di problemi al variare dei dati che li caratterizzano Finito Le istruzioni che lo compongono e il numero di volte che ogni istruzione viene eseguita devono essere finiti Completo Deve contemplare tutti i casi possibili

6 Caratteristiche di un algoritmo
Non ambiguo Ogni istruzione deve essere definita in modo univoco, senza paradossi, contraddizioni o ambiguità Eseguibile Deve esistere un agente di calcolo in grado di eseguire ogni istruzione in un tempo finito

7 Efficienza di un algoritmo
Uno stessa classe di problemi può essere risolta da diversi algoritmi, tutti corretti Un algoritmo efficiente deve pervenire alla soluzione del problema impiegando poco tempo e poca memoria Diversi algoritmi, anche se tutti corretti, possono avere diversi gradi di efficienza In genere algoritmi molto efficienti rispetto al tempo tendono ad occupare più memoria e viceversa

8 Efficienza rispetto al tempo
Un algoritmo è veloce se arriva alla soluzione del problema eseguendo un numero piccolo di passi L’efficienza rispetto al tempo si esprime indicando il numero di operazioni da compiere in funzione del numero n di dati in input Esempi: Numero operazioni ~ n2 algoritmo di complessità O(n2) (=complessità quadratica) Numero operazioni ~ 2n algoritmo di complessità O(2n) (=complessità esponenziale)

9 Efficienza rispetto al tempo
Esempio: Tempo impiegato da una CPU di 100 MIPS per il calcolo di un algoritmo di complessità lineare, quadratica ed esponenziale per diverse quantità di dati in input dati compl. 10 20 50 60 n 10-7 s s s s n2 10-6 s s s s 2n 10-5 s s s s

10 Efficienza rispetto al tempo
Un algoritmo di complessità polinomiale O(nk) fornisce una soluzione al problema implementabile col calcolatore Ancora migliori sono gli algoritmi di complessità logaritmica O(logkn) Algoritmi di complessità esponenziale sono inutilizzabili

11 Efficienza rispetto alla memoria
Un algoritmo è efficiente rispetto alla memoria se arriva alla soluzione del problema occupando un numero piccolo di locazioni L’efficienza rispetto alla memoria si esprime indicando il numero di locazioni occupate in funzione del numero n di dati in input Esempio: Numero locazioni ~ n algoritmo O(n) nel numero di celle di memoria impiegate

12 Analisi del problema La fase di analisi del problema ha come scopo la definizione dell’algoritmo. Viene effettuata in tre passi: Definizione del problema In questa fase non bisogna riferirsi al problema particolare (istanza) ma al caso generale cioè all’intera classe di problemi Scelta del metodo di soluzione più appropriato Sviluppo e descrizione dell’algoritmo

13 Analisi del problema Per problemi complessi è utile effettuare l’analisi seguendo l’approccio top-down Tale approccio si basa sulla scomposizione del problema in sottoproblemi più elementari Per ciascun sottoproblema viene definito un algoritmo Il vantaggio di questo approccio è che esso porta a definire algoritmi per problemi elementari che possono ritrovarsi in molti problemi complessi

14 Un semplice algoritmo Problema: confrontare le aree di due rettangoli (A e B) dati i rispettivi lati Algoritmo Acquisire lati di A in input Calcolare l’area di A Acquisire i lati di B in input Calcolare l’area di B Se l’area di A è maggiore dell’area di B: Comunica in output che Area(A) > Area(B) Se l’area di B è maggiore dell’area di A: Comunica in output che Area(B) > Area(A)

15 Applicazione dell’algoritmo
Un algoritmo deve fornire la soluzione per un’intera classe di problemi Per risolvere un singolo problema di una certa classe si applica l’algoritmo sui dati che lo caratterizzano Nell’esempio precedente i dati sono i lati di due particolari rettangoli da confrontare L’insieme costituito da tutti i possibili dati prende il nome di insieme di definizione dell’algoritmo

16 Algoritmo e dati Un algoritmo interagisce con l’esterno in due fasi:
Quando acquisisce i dati del particolare problema da risolvere (fase di input) Quando comunica messaggi o risultati (fase di output) Dati del problema Ambiente esterno Algoritmo Messaggi / risultati

17 Costanti e variabili I dati su cui opera un algoritmo possono essere:
Costanti: il valore non può essere cambiato durante l’esecuzione dell’algoritmo Variabili: il valore può essere cambiato

18 Variabili scalari Una variabile scalare è una coppia (nome, valore)
Il valore della variabile è indeterminato in fase di definizione dell’algoritmo Il valore viene definito durante l’esecuzione dell’algoritmo (valore attuale) mediante un’istruzione di assegnazione Nome Valore Variabile scalare

19 Variabili vettore Una variabile vettore (o array) è una coppia (nome, insieme ordinato di valori) I valori (elementi o componenti del vettore) sono numerati a partire da 1 (o da 0) Si possono avere anche vettori di vettori Vettori multidimensionali

20 Variabili vettore Se nome_v è il nome di un vettore si indica con nome_v( i ) la componente del vettore che è associata al numero intero i (indice del vettore) Vettore V V(1) V(2) V(3) V(4) V(1), V(2), V(3), V(4) sono i 4 elementi del vettore

21 Assegnazione di una variabile
L’istruzione di assegnazione permette di definire il valore attuale di una variabile nome variabile ← espressione A destra della freccia: espressione costituita da variabili, costanti e operatori Si valuta l’espressione sostituendo ai nomi di variabile i rispettivi valori attuali e il valore calcolato sarà il valore attuale della variabile a sinistra della freccia

22 Assegnazione di una variabile
In un’assegnazione occorre rispettare la regola dell’ordinamento Una variabile che compare nell’espressione deve essere già stata istanziata (cioè deve avere un valore attuale definito)

23 Assegnazione di una variabile
Esempio: area ← lunghezza * larghezza Dopo l’assegnazione Prima dell’assegnazione 3 2 6 3 2 larghezza area lunghezza larghezza lunghezza Esempio: x ← x + 2 prima dopo 5 7 x x

24 Istruzioni La procedura di un algoritmo è descritta per messo di una sequenza di istruzioni Esistono vari tipi di istruzioni: Operative Di controllo Di salto Di ingresso/uscita Di inizio esecuzione Di fine esecuzione

25 Tipi di istruzioni Istruzioni operative Istruzioni di controllo
La loro esecuzione provoca un risultato Istruzioni di controllo Controllano il verificarsi di una certa condizione Il risultato del controllo determina il flusso di istruzioni da eseguire successivamente

26 Tipi di istruzioni Istruzioni di salto
Alterano il normale ordine di esecuzione delle istruzioni specificando esplicitamente un salto a una specifica istruzione Istruzioni di salto condizionato Il salto viene eseguito al verificarsi di una condizione Istruzioni di salto incondizionato Il salto viene eseguito sempre Nella programmazione strutturata il loro uso viene scoraggiato

27 Tipi di istruzioni Istruzioni di ingresso/uscita
Indicano la modalità di trasmissione dati o messaggi tra algoritmo e ambiente esterno Istruzione di inizio esecuzione Indica inizio algoritmo Istruzione di fine esecuzione Indica fine algoritmo

28 Descrizione di un algoritmo
L’algoritmo dell’esempio iniziale è stato descritto usando il linguaggio naturale I linguaggi naturali sono: Ambigui (una parola può avere più significati) Ridondanti (una stessa operazione può essere descritta in modi diversi)

29 Descrizione di un algoritmo
Per illustrare un algoritmo in maniera precisa e sintetica sono introdotti dei formalismi (formalismi di codifica) che non hanno i difetti del linguaggio naturale Nel seguito mostreremo due esempi di formalismi: diagrammi di flusso (flow-chart) pseudocodifica

30 Diagrammi di flusso Rappresentazione grafica degli algoritmi
Indicano il flusso (o sequenza) delle istruzioni Ogni istruzione è rappresentata da un simbolo grafico (blocco elementare) Simboli diversi per diversi tipi di istruzioni I blocchi sono collegati da linee di flusso Frecce che indicano l’ordine con cui si susseguono le istruzioni

31 Blocchi elementari Blocchi di inizio e fine algoritmo Blocco di azione
istruzione Blocco di azione Blocco contenente una istruzione di I/O ingresso/uscita Blocco di controllo condizione Linea di flusso

32 Caratteristiche di una flow-chart
Un diagramma di flusso possiede: 1 blocco di inizio algoritmo 1 blocco di fine algoritmo n ≥ 1 blocchi di azione o di I/O, n finito Ciascuno di questi blocchi ha una sola linea di flusso entrante e una sola linea di flusso uscente m ≥ 0 blocchi di controllo, m finito Ciascuno di questi blocchi ha una sola linea di flusso entrante e due linee di flusso uscenti

33 Caratteristiche di una flow-chart
In un diagramma di flusso: Una linea di flusso entra in un blocco o si inserisce in un’altra linea di flusso Ciascun blocco è raggiungibile dal blocco di inizio algoritmo Il blocco di fine algoritmo è raggiungibile da qualsiasi altro blocco Esiste una sequenza di blocchi X1, …,Xn tali che A=X1, B=Xn e per ogni i=1, …, n-1 Xi è connesso con una freccia al blocco Xi+1 Blocco B raggiungibile dal blocco A

34 Schemi di flusso In un algoritmo le sequenze di istruzioni si possono raggruppare secondo schemi caratteristici detti schemi di flusso: Schema di sequenza Schema di selezione Schema di iterazione La giustificazione è fornita dal Teorema di Böhm-Jacopini Qualunque algoritmo è rappresentabile utilizzando solo questi tre schemi di flusso

35 Schema di sequenza Una semplice sequenza di istruzioni (o anche di schemi di flusso) S1 Si = schemi di flusso istruzione 1 S2 istruzione 2 istruzione n Sn

36 Schema di selezione Due istruzioni (o anche schemi di flusso) alternative da eseguirsi in base al verificarsi o meno di una certa condizione F V condizione istruzione 1 istruzione 2

37 Schema di selezione Altra possibilità F V condizione istruzione

38 Condizione Nello schema di selezione compare una condizione
Il flusso delle istruzioni viene determinato in base al verificarsi o meno della condizione Per esprimere in maniera formale una condizione dobbiamo introdurre alcuni elementi di logica

39 Proposizioni Proposizione: costrutto linguistico di cui si può asserire o meno la veridicità Esempi: “8 è un numero pari”  vera “Potenza si affaccia sul mare”  falsa Valore di verità di una proposizione: l’essere vera o falsa Vero / Falso : valori logici o booleani

40 Predicati Predicato: proposizione il cui valore di verità dipende dal valore attuale di alcune variabili Esempi: “la variabile x è un numero pari” “l’angolo theta è minore di 90 gradi” Valutazione di un predicato: determinazione del suo valore di verità

41 Operatori relazionali
Si chiamano operatori relazionali degli operatori che permettono di esprimere concisamente proposizioni e predicati Predicato semplice: predicato che contiene un solo operatore relazionale uguale > maggiore maggiore o uguale diverso < minore minore o uguale

42 Negazione logica Tabella di verità per il not p = predicato
not p = negazione logica di p Predicato con valore di verità opposto a quello di p Esempio: not( x > 2)  vero solo quando x ≤ 2 Tabella di verità per il not p not p vero falso

43 Congiunzione logica Tabella di verità per l’and p, q = predicati
p and q = congiunzione logica di p e q Predicato con valore di verità vero quando p e q sono entrambi veri Esempio: ( x > 2) and (x < 5) Tabella di verità per l’and p q p and q falso vero

44 Disgiunzione logica Tabella di verità per l’or p, q = predicati
p or q = disgiunzione logica di p Predicato con valore di verità vero quando almeno p o q è vero Esempio: ( x < 2) or (x > 5) Tabella di verità per l’or p q p or q falso vero

45 La flow-chart dell’esempio iniziale
Leggi in input lato 2B di B inizio Leggi in input lato 1A di A S(B)  1B*2B S(A)>S(B) Leggi in input lato 2A di A F V S(A)  1A*2A Scrivi in output “Area di B maggiore di area di A” Scrivi in output “Area di A maggiore di area di B” Leggi in input lato 1B di B fine

46 Schema di iterazione Ripetizione di un’istruzione (o schema di flusso) per un numero finito di volte Lo schema da ripetersi si dice corpo dell’iterazione Deve essere in grado di modificare la condizione altimenti si entra in un “loop” infinito Iterazione per falso Corpo dell’iterazione F Controllo in coda (il corpo è eseguito almeno una volta) condizione V

47 Schema di iterazione Altra possibilità Iterazione per vero F
condizione V Controllo in testa (il corpo può anche non essere mai eseguito) Corpo dell’iterazione

48 Esempio di algoritmo con iterazione
Problema: calcolo di a4 inizio Leggi a in input Variabile b che immagazzina il risultato del calcolo b  1 m  0 Variabile m che conta il numero di volte che si effettua l’operazione (“contatore”) b  b*a m m+1 F V Scrivi b in output m = 4 fine

49 Esempio di algoritmo con iterazione
Vediamo che l’algoritmo è OK in un caso particolare Input = 2  Output = 24 = 16 Passi dell’iterazione Iniziali # 1 # 2 # 3 # 4 Finali a 2 b 1 4 8 16 m 3

50 Esempio di algoritmo con iterazione
Verificare che il seguente algoritmo è sbagliato per il calcolo di a4 inizio Leggi a in input m  1 a  a*a m m+1 F V Scrivi a in output m = 4 fine

51 Esempio di algoritmo con iterazione
Verifichiamo che l’algoritmo non è OK usando un caso particolare Input = 2  Output = 256 = 28 Passi dell’iterazione Iniziali # 1 # 2 # 3 Finali a 2 4 16 256 m 1 3

52 Pseudocodifica L’algoritmo viene descritto mediante un linguaggio formale e rigoroso Vicino a un linguaggio di programmazione La descrizione mediante pseudocodifica si compone di due parti Dichiarazione delle variabili usate nell’algoritmo Descrizione delle azioni

53 Pseudocodifica Nella pseudocodifica:
Si utilizzano parole chiave (in maiuscolo) BEGIN, END, IF, … Si utilizzano operatori +, *, -, >, … Si indentano le istruzioni Rientro di tabulazione per gruppi di azioni che appartengono a un certo schema di flusso

54 Tipo delle variabili Indica l’insieme di definizione di una variabile (o di una costante) Cioè l’insieme dei valori che può assumere INTEGER Una variabile a cui possono essere assegnati numeri interi relativi Una costante numero intero relativo Ex.: 2, -139 REAL Una variabile a cui possono essere assegnati numeri razionali Una costante numero razionale Ex.: 5.17, , E-3

55 Tipo delle variabili BOOLEAN STRING-q
Una variabile a cui possono essere assegnati valori logici Una costante true oppure false STRING-q Una variabile a cui possono essere assegnate stringhe (parole) di q caratteri Una costante stringa di q caratteri Sono racchiuse tra apici Ex.: ‘PIPPO’ è una costante STRING-5 Ex.: ‘?’ è una costante STRING-1 Ex.: ‘278’ è una costante STRING-3

56 Dichiarazione delle variabili
Elenco delle variabili su cui opera l’algoritmo Preceduto dalla parola chiave VAR VAR i, j, k(10): INTEGER; p, q: REAL; cognome: STRING-20: ishigh: BOOLEAN. La virgola separa variabili dello stesso tipo I due punti separano l’elenco delle variabili dal loro tipo Il punto e virgola termina la dichiarazione di variabili dello stesso tipo Il punto termina la dichiarazione

57 Descrizione delle azioni
Regole La prima azione dell’algoritmo deve essere preceduta da BEGIN L’ultima azione dell’algoritmo deve essere seguita da END Un’azione di lettura si indica con READ Un’azione di scrittura si indica con WRITE Si usano parole chiave per identificare gli schemi di flusso

58 Schema di sequenza Istruzione 1 Istruzione 2 Istruzione n S1 S2 Sn

59 Schema di selezione IF condizione THEN istruzione 1 ELSE istruzione 2
ENDIF IF condizione THEN istruzione ENDIF

60 Schema di iterazione REPEAT corpo dell’iterazione UNTIL condizione
Controllo in coda REPEAT corpo dell’iterazione UNTIL condizione ENDREPEAT Controllo in testa WHILE condizione corpo dell’iterazione ENDWHILE

61 Esempi di pseudocodifica
VAR a1, a2, b1, b2, sa, sb: REAL. BEGIN READ a1 READ a2 sa  a1 * a2 READ b1 READ b2 sb  b1 * b2 IF sa > sb THEN WRITE “Area A maggiore area B” ELSE WRITE “Area B maggiore area A” ENDIF END

62 Esempi di pseudocodifica
VAR a, b: REAL; m: INTEGER. BEGIN READ a b  1 m  0 REPEAT b  b * a m  m + 1 UNTIL m = 4 ENDREPEAT WRITE b END


Scaricare ppt "Dr. Francesco Fabozzi Corso di Informatica"

Presentazioni simili


Annunci Google