Coursalgo 3

Cours d’algorithmique et structures
de données
MI2 2005/2006
Fabrice Huet
(fabrice.huet@sophia.inria.fr)
Version étudiants Unice

Plan
• Algorithmes de recherche
– Recherche Associative, Dictionnaire
– Recherche séquentielle dans un tableau
– Recherche dichotomique
– Arbres, arbre équilibrés
– Implémentation d’un dictionnaire avec une table de hachage
• Algorithmes de tri
– Importance du problème de tri
– Borne de complexité optimale
– Tri peu efficaces: à bulle et par insertion
– Tri optimal en moyenne: quicksort
• Exemples d’algorithmes classiques
– Recherche d’une sous chaîne
– Simplex
– Sécurité et Cryptographie
Cours 7
Recherche séquentielle
Recherche dichotomique
Arbres Binaires de Recherche

Ensembles dynamiques et dictionnaire
• Les ensembles manipulés par les algorithmes
peuvent croître, diminuer ou subir d’autres
modifications
• De tels ensembles sont dit dynamiques
• Un dictionnaire est un ensemble dynamique qui
supporte
– L’insertion
– La suppression
– La recherche
• D’autres ensembles supportent des opérations plus
complexes, comme la recherche du plus petit
élément.

Ensembles dynamiques et dictionnaire
• Pour implémenter un ED, on utilise des objets
• Dans certains cas, l’objet possède un champs
clé
– Il sert a discriminer entre les objets
• Il est aussi possible d’avoir des références
vers d’autres objets de l’ED

Opérations sur les ED
• On suppose l’existence d’un ED S
• Rechercher(clé k): retourne une ref. sur l’objet x tel
que x.clé=k, ou NIL si il n’y en a pas
• Insérer(objet x): ajoute à S l’objet x
• Supprimer(objet x): élimine l’objet x de l’ensemble S
• Minimum(): retourne l’objet de S qui a la plus petite
clé
• Maximum(): retourne l’objet de S qui a la plus
grande clé
• Successeur(objet x): retourne le prochain élément
de S plus grand que x ou NIL si x est le plus grand
• Prédécesseur(objet x): retourne le prochain élément
de S plus petit que x ou NIL si x est le plus petit
Recherche séquentielle dans un tableau
• Nous allons chercher un élément dans un
ensemble fixe.
• Cet ensemble sera représenté par un tableau
truc tablo[1..N];
• Nous supposerons que le type truc ne

contient pas de clef, i.e. il est la clef

• Comment chercher un élément a dans ce tableau?
• Problèmes:
– truc n’a pas de propriété spéciale
– Le tableau n’est pas ordonné
• Solution: parcourir le tableau pas à pas, c’est une
recherche séquentielle.
• Deux conditions d’arrêt
– On a trouvé l’élément
tablo[i] = a
– On a parcouru tout le tableau sans trouver l’élément

• On a donc l’algorithme suivant
entier i ←1;
tant que ((i ≤ N) et (tablo[i] ≠ a)) {
i ← i+1;
}
• Invariant de boucle:
• Sortie de boucle:

• On trouve l’élément avec le plus petit indice
• La répétition se termine, i est incrémenté, il atteindra

donc N
• Chaque étape nécessite

– Évaluation d’une expression booléenne
– Incrémentation
• Peut-on accélérer la recherche?
Y réfléchir pour la semaine prochaine

• On ne peut pas optimiser sans plus
d’informations sur les données
• On sait que chercher une informations est
plus facile si l’ensemble est ordonné
– Recherche d’un mot dans le dictionnaire
– Recherche dans l’annuaire
• On suppose donc notre tableau ordonné
∀k∈ [2,N] , tablo[k-1] ≤ tablo[k]
• Il faut aussi un ordre total
∀x,y∈ [1,N] , tablo[x] ≤ tablo[y] ou tablo[y] ≤ tablo[x]

exemple
Recherche de l’élément 78
1 3 5 6 10 11 14 25 26 40 41 78
1 3 5 6 10 11 14 25 26 40 41 78 11 ≤ 78
14 25 26 40 41 78 26 ≤ 78
40 41 78 41 ≤ 78
78 78 = 78
4 opérations pour trouver le bon élément
Combien pour une recherche séquentielle?

Recherche dichotomique - Algorithme
• On recherche l’élément x
• Si tableau vide, fin
• Prendre un élément au hasard (ak)
• Comparer cet élément à celui recherché
– x == ak : élément trouvé
– x ≤ ak : chercher l’élément avant
– x ≥ ak : chercher l’élément après

entier g ←1;
entier d ← N;
entier indiceTest ←1;
booléen trouve ← faux;
tant que ((g ≤ d) et (~trouve)) {
indiceTest ← (d-g)/2;
si (tablo[indiceTest] = x)
si (tablo[indiceTest] < x)
si (tablo[indiceTest] > x)
}
• Invariant de boucle
(g ≤ d)
et
et
• Sortie de boucle
trouve ou ((g > d)
et
et
• Ce qui implique

Recherche dichotomique - Complexité
• Soit un tableau de taille N
• La première moitié du tableau aura pour taille
N/2
• La prochaine recherche se fera sur un tableau
de taille ½ * N/2 = N/2 2
• Le nombre maximum de recherches est donc
le plus grand entier p tel que 2p ≤ N
– « Combien de fois peut-on couper N en 2 ?»
• On en conclut p≈
• D’où une complexité dans le pire des cas en
Arbres binaires de recherche - 1
• Chaque nœud de notre arbre est représenté
par un objet
• Chaque nœud possède
– Un champs clé
– Un pointeur vers son fils gauche: gauche
– Un pointeur vers son fils droit: droit
– Un pointeur vers son parent: parent
• L’arbre T est référencé par sa racine
– Si T.racine = NIL l’arbre est vide

Arbre binaire de recherche - 2
• Un ABR a la propriété suivante:
Pour chaque nœud x, tous les éléments du sous arbre
gauche (resp. droit) ont des clés inférieures (resp.
supérieurs) ou égales à celle de x.
• Rappels
– La hauteur d’un arbre est la profondeur maximum de ses
nœuds
– Un arbre complet de hauteur h a 2h+1-1 nœuds
• Successeur:
Le successeur de x est le plus petit y tel que y > x
• On cherche dans un ABR en utilisant une méthode
de dichotomie
Cherchez l’ABR
• Des arbres suivants, lesquels sont des ABR?
5 7 5
2 7 2 5 2 7
1 3 6 8 1 3 6 8 1 6 8
5 5 5
2 9 4 7
1 3 3 10 1 6 6 8
Parcours infixe
• Comment afficher les éléments du plus petit au plus
grand?
parcoursInfix(noeud x) {
si x ≠ NIL
parcoursInfix(x.gauche);
afficher(x);
parcoursInfix(x.droit);
}
• Complexité?
• Autres parcours?

Recherche
• La recherche se fait par dichotomie
rechercher(noeud x, clé k) {
si x = NIL ou x.clé = k
alors retourne x;
si k < x.clé
rechercher(x.gauche,k);
sinon
rechercher(x.droit,k);
}
2 7 Rechercher 3: 5 → 2 → 3
Rechercher 6: 5 → 7 → 6
1 3 6 8

Recherche - 2
• Proposition : la complexité de la recherche
dans un arbre binaire pour le pire des cas est
O(h) avec h hauteur de l’arbre
• Preuve :

Insertion - 1
• Permet d’ajouter un nouveau nœud à un arbre
• L’insertion modifie la structure de l’arbre et doit donc
s’assurer de la conservation de sa propriété
5 5
Inserer(15)
2 7 2 7
Inserer(9)
1 3 6 8 1 3 6 8
15

Insertion - 2
inserer(arbre T, nœud z) {
y ← NIL
x ← T.racine
tant que x ≠ NIL faire
y←x
On cherche un nœud qui n’a
si z.clé < x.clé pas de fils pour y ajouter z
alors x ← x.gauche;
sinon x ← x.droit;
si y = NIL
L’arbre était en fait vide
alors T.racine ← z;
sinon si z.clé < y.clé
alors y.gauche ← z; On ajoute z a la « bonne »
sinon y.droit ← z; place

Suppression - 1
• La suppression enlève un nœud à l’arbre
• Elle doit conserver la propriété de l’ABR
5
5
2 7
supprimer(15)
2 8
1 3 6 8 Supprimer(7)
1 3 6 9
15
• On distingue 3 cas pour la suppression

Suppression - 2
• Suppression d’un nœud sans fils (trivial)
5
5
2 7
supprimer(9)
2 7
1 3 6 8
1 3 6 8
15
15

Suppression - 3
• Suppression d’un nœud avec un unique fils
(presque trivial)
5
5
2 7
supprimer(15)
2 8
1 3 6 8
1 3 6 9
15

Suppression - 4
• Suppression d’un nœud ayant 2 fils (non
trivial)
5 6
2 8 Supprimer(5) 2 8
1 3 6 9 1 3 7 9
7 15 15
Successeur de 5 11 11
• On remplace le nœud à supprimer par son successeur

et on supprime le successeur
Suppression - 5
supprimer(arbre T, nœud z) {
si z.gauche = NIL ou z.droit = NIL
alors y ← z On cherche le nœud à détacher
sinon y ← successeur(z);
si y.gauche ≠ NIL
alors x ← y.gauche;
sinon x ← y.droit;
si x ≠ NIL
alors x.parent ← y.parent
si y.parent = NIL Détachement du noeud
alors T.racine ← x
sinon si y = y.parent.gauche
alors y.parent.gauche ← x;
sinon y.parent.droit ← x;
Si y.clé ≠ z.clé Si le successeur a été détaché,
alors copier(z,y); on copie ses données
Retourner y;

Analyse de suppression
si z.gauche = NIL ou z.droit = NIL z a 0 ou 1 fils
alors y ← z
sinon y ← successeur(z);
si y.gauche ≠ NIL
alors x ← y.gauche;
sinon x ← y.droit; On relie le fils de y avec son père
si x ≠ NIL
alors x.parent ← y.parent
si y.parent = NIL
sinon si y = y.parent.gauche y est fils gauche de son père
alors y.parent.gauche ← x; x devient fils gauche du père de y
sinon y.parent.droit ← x;
Si y.clé ≠ z.clé On n’a pas supprimé celui qui était
alors copier(z,y); spécifié mais son successeur
Retourner y;
Exemple de suppression
alors y ← z z
sinon y ← successeur(z); 5
si y.gauche ≠ NIL
alors x ← y.gauche; 2 8
si x ≠ NIL
alors x.parent ← y.parent 1 3 6 9
si y.parent = NIL
y 7 15
alors y.parent.gauche ← x; x
sinon y.parent.droit ← x; 11
Si y.clé ≠ z.clé
alors copier(z,y);
Retourner y;

alors y ← z z
si y.gauche ≠ NIL
si x ≠ NIL
si y.parent = NIL
y 7 15
alors copier(z,y);
Retourner y;

alors y ← z z
si y.gauche ≠ NIL
si x ≠ NIL
si y.parent = NIL
y 7 15
alors copier(z,y);
Retourner y;

alors y ← z z
si y.gauche ≠ NIL
si x ≠ NIL
si y.parent = NIL
y 7 15
alors copier(z,y);
Retourner y;

Résumé
• Nous avons étudié 3 opérations
– Recherche
– Ajout
– Suppression
• Toutes ont une complexité en O(h) avec h
hauteur de l’arbre
• Bonne nouvelle: un arbre complet de n
nœuds à une hauteur de log2(n+1)-1…
• … et les arbres qu’on trouve dans la nature?

Problème de l’équilibrage
ajouter(5); ajouter(7);
ajouter(1);
ajouter(5);
• Ces deux arbres contiennent les mêmes données

• Mais leur hauteur est très différente
• Il vaut mieux avoir l’arbre gauche ( ) que celui de
droite (
Version étudiants
) Unice
Arbres équilibrés
• Un arbre est dit équilibré si pour chacun de
ses nœuds, les sous arbres diffèrent d’au plus
1 en profondeur

Arbres équilibrés - 2
• Pourquoi avoir des arbres équilibrés?
• Parce que dans le pire des cas, la recherche
est en O(log(n))!
• Preuve?
– On a vu que la recherche dans un ABR est O(h)
avec h hauteur de l’arbre dans le pire des cas
– Il nous faut donc montrer que la hauteur d’un
arbre équilibréé est O(log(n))

Hauteur d’un arbre équilibré
• On va chercher le nombre minimum de
nœuds (pas feuilles) nécessaire pour
construire un arbre de hauteur h
• Soit Th un arbre équilibré minimal de hauteur
h avec nh nœuds.
• On a
T0 = n0 = 0
T1 = n1 = 1

Hauteur d’un arbre équilibré - 2
• On considère Th, h≥2. Il doit donc avoir un sous arbre de
profondeur h-1 et un autre de profondeur h-1 ou h-2
• Les 2 cas sont-ils possibles?
Th
Th-1 Th-1 Th-1 Th-2

• On considère Th, h≥2. Il doit donc avoir un sous
arbre de profondeur h-1 et un autre de profondeur
h-1 ou h-2.
• Pour tout k, un arbre de hauteur k a un sous arbre
de hauteur k-1. Donc pour certains nk > nk-1
• Supposons que les deux sous arbres de Th sont Th-1
et Th-1
– alors on pourrait en remplacer un par Th-2 et garder la
propriété d’équilibrage
– on aurait alors moins de nœuds car nh-1 > nh-2
– notre arbre ne serait donc pas minimal:
CONTRADICTION!
• Th a donc a un sous arbre Th-1 et un autre Th-2
Th = nh = nh-1 + nh-2 +1
Th-1 Th-2
• Ça ressemble étrangement à la suite de

Fibonacci!
• On montre (pas ici) que
h+2 h+2
1 1+ 5  1 1− 5 
nh =   −   −1
5  2  5  2 
• Étant donné que le terme sera
petit
• Donc
• Comme nh nombre minimal de nœuds pour un arbre
équilibré de hauteur h, tout autre arbre équilibré de
hauteur h aura n nœuds tel que
• Ce qui donne
Complexité des opérations
• Nous avons donc montré qu’un arbre équilibré
compose de n nœuds aura une hauteur majorée par
1.44log(n+1)
• On sait que les opérations

d’ajout/recherche/suppression dans un arbre dans le
pire des cas ont une complexité en O(h)
• Conclusion: Dans un arbre binaire équilibré

composé de n noeuds, les opérations d’ajout, de
recherche et de suppression ont une complexité
dans le pire des cas en O(ln(n)).

Coursalgo 3

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Coursalgo 3

Transféré par

Droits d'auteur :

Formats disponibles

Cours d’algorithmique et structures

Version étudiants Unice

Version étudiants Unice

Version étudiants Unice

Version étudiants Unice

• Nous supposerons que le type truc ne

Version étudiants Unice

Version étudiants Unice

Version étudiants Unice

• La répétition se termine, i est incrémenté, il atteindra

• Chaque étape nécessite

• Peut-on accélérer la recherche?

Y réfléchir pour la semaine prochaine

Version étudiants Unice

Version étudiants Unice

Version étudiants Unice

Version étudiants Unice

Version étudiants Unice

Version étudiants Unice

Version étudiants Unice

Version étudiants Unice

Version étudiants Unice

Version étudiants Unice

• On distingue 3 cas pour la suppression

Version étudiants Unice

Version étudiants Unice

• On remplace le nœud à supprimer par son successeur

Version étudiants Unice

Version étudiants Unice

Version étudiants Unice

Version étudiants Unice

Version étudiants Unice

Version étudiants Unice

• Ces deux arbres contiennent les mêmes données

Version étudiants Unice

Version étudiants Unice

Version étudiants Unice

Th-1 Th-1 Th-1 Th-2

Version étudiants Unice

• Ça ressemble étrangement à la suite de

• On sait que les opérations

• Conclusion: Dans un arbre binaire équilibré

Vous aimerez peut-être aussi