Undergraduate Elective 1088

• Ελληνικά
• English

Γενικά

Σχολή	Σχολή Θετικών Επιστημών
Τμήμα	Τμήμα Μαθηματικών
Επίπεδο Σπουδών	Προπτυχιακό
Κωδικός Μαθήματος	MAE581
Εξάμηνο	5
Τίτλος Μαθήματος	Σχεδίαση και Ανάλυση Αλγορίθμων
Αυτοτελείς Διδακτικές Δραστηριότητες	Διαλέξεις, Ασκήσεις και Εργασίες (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 6)
Τύπος Μαθήματος	Ειδίκευσης
Προαπαιτούμενα Μαθήματα
Γλώσσα Διδασκαλίας και Εξετάσεων	Ελληνική
Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus	Ναι (στην Αγγλική γλώσσα)
Ηλεκτρονική Σελίδα Μαθήματος (URL)	Δείτε το eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.

Μαθησιακά Αποτελέσματα

Μαθησιακά Αποτελέσματα

Ο κύριος σκοπός του μαθήματος είναι η εισαγωγή σε θεμελιώδεις αλγοριθμικές έννοιες και τεχνικές. Ανάλυση αλγορίθμων, αποδοτικότητα, ασυμπτωτικός συμβολισμός. Συνηθισμένοι χρόνοι εκτέλεσης και βασικές δομές δεδομένων: πίνακες, λίστες, στοίβες, ουρές. Ευσταθές ταίριασμα, ορθότητα σωρός και ουρά προτεραιότητας. Μέθοδος «Διαίρει και Βασίλευε»: Εφαρμογές σε ταξινόμηση στοιχείων, Επίλυση αναδρομικών σχέσεων. Γραφήματα και αλγόριθμοι γραφημάτων: Διάτρεξη γραφημάτων (BFS, DFS), Συνεκτικότητα, Τοπολογική διάταξη. Μέθοδοι «Απληστείας» και «Δυναμικού Προγραμματισμού»: Ελάχιστα σκελετικά δένδρα (αλγόριθμος Prim, αλγόριθμος Kruskal), Συντομότερες διαδρομές (αλγόριθμος Dijkstra, Ροή δικτύου), Χρονοπρογραμματισμός. Επιλεγμένα θέματα: Υπολογιστική πολυπλοκότητα, NP-πληρότητα. Στο μάθημα περιλαμβάνονται ατομικές και ομαδικές ασκήσεις. Στόχος του μαθήματος είναι οι φοιτητές να είναι σε θέση: να κατανοήσουν βασικές αλγοριθμικές τεχνικές, να επεκτείνουν την αλγοριθμική τους σκέψη να μπορούν να συνδυάζουν γνωστές τεχνικές για την επίλυση νέων προβλημάτων.

Γενικές Ικανότητες

Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών Αυτόνομη εργασία Ομαδική εργασία

Περιεχόμενο Μαθήματος

• Βασικά στοιχεία σχεδίασης & ανάλυσης αλγορίθμων
• Ανάλυση αλγορίθμων, Αποδοτικότητα, Ασυμπτωτικός ρυθμός αύξησης
• Συνηθισμένοι χρόνοι εκτέλεσης και δομές δεδομένων (πίνακες, λίστες, ουρές, στοίβες)
• Ευσταθές ταίριασμα, ορθότητα, σωρός και ουρά προτεραιότητας
• Μέθοδος «Διαίρει και Βασίλευε», ταξινόμηση στοιχείων, και επίλυση αναδρομικών σχέσεων
• Αλγόριθμοι γραφημάτων: BFS, DFS, συνεκτικότητα, τοπολογική ταξινόμηση
• Άπληστοι αλγόριθμοι: χρονοπρογραμματισμός και συντομότερες διαδρομές (Dijkstra)
• Eλάχιστα σκελετικά δένδρα (αλγόριθμοι Prim και Kruskal), κωδικοποίηση Huffman
• Μέθοδος «δυναμικού προγραμματισμού»: Ροή δικτύου, χρονοπρογραμματισμός και σακίδια
• Επιλεγμένα θέματα: υπολογιστική πολυπλοκότητα και ΝΡ-πληρότητα.

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Παράδοσης	Στην τάξη
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών	Υποστήριξη Μαθησιακής διαδικασίας μέσω της ηλεκτρονικής πλατφόρμας e-class
Οργάνωση Διδασκαλίας	Δραστηριότητα Φόρτος Εργασίας Εξαμήνου Διαλέξεις (13Χ3) 39 Ατομικές Ασκήσεις 78 Ομαδικές Εργασίες 33 Σύνολο Μαθήματος 150
Αξιολόγηση Φοιτητών	Γραπτή τελική εξέταση (70%) Ερωτήσεις κατανόησης Σχεδίαση αλγορίθμων Εργασίες (30%) Σχεδίαση αλγορίθμων Ανάλυση αλγορίθμων

Συνιστώμενη Βιβλιογραφία

Δείτε την υπηρεσία Εύδοξος. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:

General

School	School of Science
Academic Unit	Department of Mathematics
Level of Studies	Undergraduate
Course Code	MAE581
Semester	5
Course Title	Design and Analysis of Algorithms
Independent Teaching Activities	Lectures, laboratory exercises, tutorials, quiz (Weekly Teaching Hours: 3, Credits: 6)
Course Type	Special Background
Prerequisite Courses	-
Language of Instruction and Examinations	Greek
Is the Course Offered to Erasmus Students	Yes
Course Website (URL)	See eCourse, the Learning Management System maintained by the University of Ioannina.

Learning Outcomes

Learning outcomes	This course aims at introducing to students the philosophy of fundamental algorithmic background and techniques. After successfully passing this course the students will be able to: Understand basic algorithmic techniques Analyze complex algorithms Design new algorithmic tools Combine already-known techniques for solving new algorithmic problems
General Competences	Search for, analysis and synthesis of data and information, with the use of the necessary technology Working independently Team work Project planning and management.

Syllabus

• Fundamental concepts of design and analysis of algorithms
• Analysis of algorithms, Asymptotical growing functions
• Typical running times and data structures (lists, arrays, queues, stacks)
• Stable matching, correctness, priority queue
• «Divide & Conquer» technique, sorting, recursive formulations
• Graph algorithms: BFS, DFS, connectedness, topological ordering
• Greedy algorithms: interval scheduling & shortest paths (Dijkstra)
• Minimum spanning trees(Prim & Kruskal algorithms), Huffman coding
• Dynamic programming: maximum flow, interval scheduling, and Knapsack
• Further Topics: computational complexity and ΝΡ-completeness.

Teaching and Learning Methods - Evaluation

Delivery	Lectures
Use of Information and Communications Technology	Use of projector and interactive board during lectures. Course website maintenance. Announcements and posting of teaching material (lecture slides and notes, programs). Announcement of assessment marks via the ecourse platform by UOI.
Teaching Methods	Activity Semester Workload Lectures 39 Working independently 78 Team work 33 Course total 150
Student Performance Evaluation	Final written examination (70%) Design and analyze algorithms Exercises (30%) Design and analyze algorithms

Attached Bibliography

See the official Eudoxus site. Books and other resources, not provided by Eudoxus:

• ---