INF2810: Funksjonell Programmering. Huffman-koding

Størrelse: px
Begynne med side:

Download "INF2810: Funksjonell Programmering. Huffman-koding"

Transkript

1 INF2810: Funksjonell Programmering Huffman-koding Erik Velldal Universitetet i Oslo 23. februar 2017

2 Tema 2 Sist Trær som lister av lister Trerekursjon Mengder som trær Dataabstraksjon I dag Hierarkisk og symbolsk data Eksempel: Huffmankoding Tema for oblig 2a.

3 Obliger 3 Et par timer ekstra for oblig 1b: Ny frist fredag 24/2 kl Oblig 2a legges ut mandag (27/2). Frist: fredag 17/3 kl Tema: Huffmankoding + lambda.

4 Hvor vi er på vei: Huffman-koding 4 Ved komprimering er målet å kode informasjon med færrest mulig bits (og færre enn den opprinnelige representasjonen). Huffman-koding: En algoritme for generere en optimal komprimeringskode automatisk fra data.

5 Hvor vi er på vei: Huffman-koding 4 Ved komprimering er målet å kode informasjon med færrest mulig bits (og færre enn den opprinnelige representasjonen). Huffman-koding: En algoritme for generere en optimal komprimeringskode automatisk fra data. Oppdaget i Brukes for å komprimere forskjellige typer data som lyd (f.eks. mp3), bilder (jpeg), video (mpeg-1), og tekst (gzip / bzip2). Men aller først trenger vi litt terminologi...

6 Litt kompresjons- og kryptografi-sjargong 5 Koding for kompresjon vs kryptering. Forskjellig mål: effektiv lagring/overføring vs. effektiv skjuling av informasjon.

7 Litt kompresjons- og kryptografi-sjargong 5 Koding for kompresjon vs kryptering. Forskjellig mål: effektiv lagring/overføring vs. effektiv skjuling av informasjon. Vi har et alfabet av symboler. F.eks. {E, T, A, Z} Vi har også et kodealfabet. F.eks. {0, 1} om vi antar binærkode En kodebok tilskriver et kodeord til hvert symbol. F.eks. E = 00

8 Litt kompresjons- og kryptografi-sjargong 5 Koding for kompresjon vs kryptering. Forskjellig mål: effektiv lagring/overføring vs. effektiv skjuling av informasjon. Vi har et alfabet av symboler. F.eks. {E, T, A, Z} Vi har også et kodealfabet. F.eks. {0, 1} om vi antar binærkode En kodebok tilskriver et kodeord til hvert symbol. F.eks. E = 00 Vi ønsker å kunne gjøre to ting: å kode / komprimere data (ofte kalt melding) til en kompakt kode. å dekode / dekomprimere en kode tilbake til lesbare data.

9 Litt kompresjons- og kryptografi-sjargong 5 Koding for kompresjon vs kryptering. Forskjellig mål: effektiv lagring/overføring vs. effektiv skjuling av informasjon. Vi har et alfabet av symboler. F.eks. {E, T, A, Z} Vi har også et kodealfabet. F.eks. {0, 1} om vi antar binærkode En kodebok tilskriver et kodeord til hvert symbol. F.eks. E = 00 Vi ønsker å kunne gjøre to ting: å kode / komprimere data (ofte kalt melding) til en kompakt kode. å dekode / dekomprimere en kode tilbake til lesbare data. Tapsfri (lossless): Opprinnelig melding kan rekonstrueres eksakt. Ikke-tapsfri (lossy): Opprinnelig melding kan ikke rekonstrueres eksakt.

10 Koder med fast lengde 6 Eksempel på en binærkode: ASCII Sekvens av 7 bits for hvert tegn. Gir mulighet for å representere 2 7 = 128 ulike tegn. Eksempel på såkalt fixed-length code For å skille mellom n symboler trenger vi log 2 n bits per symbol. Enda mer generelt: må bruke logb n kodeposisjoner gitt et kodealfabet av størrelse b (hvor b = 2 for bits / binærkode).

11 Koder med fast lengde 6 Eksempel på en binærkode: ASCII Sekvens av 7 bits for hvert tegn. Gir mulighet for å representere 2 7 = 128 ulike tegn. Eksempel på såkalt fixed-length code For å skille mellom n symboler trenger vi log 2 n bits per symbol. Enda mer generelt: må bruke logb n kodeposisjoner gitt et kodealfabet av størrelse b (hvor b = 2 for bits / binærkode). Gitt alfabetet {E, T, A, Z } trenger vi log 2 4 = 2 bits. En mulig kodebok: symbol E T A Z kode

12 Koder med fast lengde 6 Eksempel på en binærkode: ASCII Sekvens av 7 bits for hvert tegn. Gir mulighet for å representere 2 7 = 128 ulike tegn. Eksempel på såkalt fixed-length code For å skille mellom n symboler trenger vi log 2 n bits per symbol. Enda mer generelt: må bruke logb n kodeposisjoner gitt et kodealfabet av størrelse b (hvor b = 2 for bits / binærkode). Gitt alfabetet {E, T, A, Z } trenger vi log 2 4 = 2 bits. En mulig kodebok: symbol E T A Z kode =

13 Koder med fast lengde 6 Eksempel på en binærkode: ASCII Sekvens av 7 bits for hvert tegn. Gir mulighet for å representere 2 7 = 128 ulike tegn. Eksempel på såkalt fixed-length code For å skille mellom n symboler trenger vi log 2 n bits per symbol. Enda mer generelt: må bruke logb n kodeposisjoner gitt et kodealfabet av størrelse b (hvor b = 2 for bits / binærkode). Gitt alfabetet {E, T, A, Z } trenger vi log 2 4 = 2 bits. En mulig kodebok: symbol E T A Z kode = ET,

14 Koder med fast lengde 6 Eksempel på en binærkode: ASCII Sekvens av 7 bits for hvert tegn. Gir mulighet for å representere 2 7 = 128 ulike tegn. Eksempel på såkalt fixed-length code For å skille mellom n symboler trenger vi log 2 n bits per symbol. Enda mer generelt: må bruke logb n kodeposisjoner gitt et kodealfabet av størrelse b (hvor b = 2 for bits / binærkode). Gitt alfabetet {E, T, A, Z } trenger vi log 2 4 = 2 bits. En mulig kodebok: symbol E T A Z kode = ET, 1011 =

15 Koder med fast lengde 6 Eksempel på en binærkode: ASCII Sekvens av 7 bits for hvert tegn. Gir mulighet for å representere 2 7 = 128 ulike tegn. Eksempel på såkalt fixed-length code For å skille mellom n symboler trenger vi log 2 n bits per symbol. Enda mer generelt: må bruke logb n kodeposisjoner gitt et kodealfabet av størrelse b (hvor b = 2 for bits / binærkode). Gitt alfabetet {E, T, A, Z } trenger vi log 2 4 = 2 bits. En mulig kodebok: symbol E T A Z kode = ET, 1011 = AZ

16 Koder med fast lengde 6 Eksempel på en binærkode: ASCII Sekvens av 7 bits for hvert tegn. Gir mulighet for å representere 2 7 = 128 ulike tegn. Eksempel på såkalt fixed-length code For å skille mellom n symboler trenger vi log 2 n bits per symbol. Enda mer generelt: må bruke logb n kodeposisjoner gitt et kodealfabet av størrelse b (hvor b = 2 for bits / binærkode). Gitt alfabetet {E, T, A, Z } trenger vi log 2 4 = 2 bits. En mulig kodebok: symbol E T A Z kode = ET, 1011 = AZ Svakheter?

17 Frekvens 7 After the successful completion of INF4820 you have a general idea of Natural Language Processing as a sub-problem in Artificial Intelligence; you understand and can implement key algorithms in searching weighted solution spaces; you can design and realize procedures and data structures that scale to large data volumes; you know and can adapt basic techniques of probability estimation and decoding; you can use functional decomposition and dynamic programming in your own implementation; and you understand the historic role of Common Lisp in the evolution of programming languages. e : 45. z : 1.

18 Med fast lengde ignoreres frekvens 8 Svakhet: koden over tar ikke hensyn til symbolenes relative frekvens. Koden er kun optimal dersom alle symbolene er like sannsynlige. Vi kan få en mer kompakt kode dersom symboler som forekommer ofte gis en kortere representasjon. På Engelsk er f.eks. bokstaven E mye vanligere enn Z.

19 Med fast lengde ignoreres frekvens 8 Svakhet: koden over tar ikke hensyn til symbolenes relative frekvens. Koden er kun optimal dersom alle symbolene er like sannsynlige. Vi kan få en mer kompakt kode dersom symboler som forekommer ofte gis en kortere representasjon. På Engelsk er f.eks. bokstaven E mye vanligere enn Z. Gjenspeiles f.eks. i morsekode: E = én prikk, Z = to streker og to prikker.

20 Med fast lengde ignoreres frekvens 8 Svakhet: koden over tar ikke hensyn til symbolenes relative frekvens. Koden er kun optimal dersom alle symbolene er like sannsynlige. Vi kan få en mer kompakt kode dersom symboler som forekommer ofte gis en kortere representasjon. På Engelsk er f.eks. bokstaven E mye vanligere enn Z. Gjenspeiles f.eks. i morsekode: E = én prikk, Z = to streker og to prikker. Morsekode er eksempel på såkalt variable-length code.

21 Kode med variabel lengde 9 La oss lage en ny kodebok på bakgrunn av frekvensen for hvert symbol (som vi tenker oss at vi har observert fra data): symbol E T A Z frekvens kode

22 Kode med variabel lengde 9 La oss lage en ny kodebok på bakgrunn av frekvensen for hvert symbol (som vi tenker oss at vi har observert fra data): symbol E T A Z frekvens kode =

23 Kode med variabel lengde 9 La oss lage en ny kodebok på bakgrunn av frekvensen for hvert symbol (som vi tenker oss at vi har observert fra data): symbol E T A Z frekvens kode = ET eller Z?

24 Kode med variabel lengde 9 La oss lage en ny kodebok på bakgrunn av frekvensen for hvert symbol (som vi tenker oss at vi har observert fra data): symbol E T A Z frekvens kode = ET eller Z? 0001 =

25 Kode med variabel lengde 9 La oss lage en ny kodebok på bakgrunn av frekvensen for hvert symbol (som vi tenker oss at vi har observert fra data): symbol E T A Z frekvens kode = ET eller Z? 0001 = EEET, AZ, EAT, AET, eller EEZ?

26 Kode med variabel lengde 9 La oss lage en ny kodebok på bakgrunn av frekvensen for hvert symbol (som vi tenker oss at vi har observert fra data): symbol E T A Z frekvens kode = ET eller Z? 0001 = EEET, AZ, EAT, AET, eller EEZ? Kodeordene har variabel lengde, men er ikke unikt dekodbare. Mulig løsning: bruk en dedikert utvetydig kode som separator. F.eks. kort pause i morsekode. Bedre: sørg for at ingen kode er prefiks for en annen kode!

27 Prefikskode 10 Nytt forslag til kodebok: symbol E T A Z frekvens kode Her har vi en prefikskode med variabel lengde som er unikt dekodbar. Kodeordet som representerer et gitt symbol er aldri et prefiks for kodeordet for et annet symbol.

28 Prefikskode 10 Nytt forslag til kodebok: symbol E T A Z frekvens kode Her har vi en prefikskode med variabel lengde som er unikt dekodbar. Kodeordet som representerer et gitt symbol er aldri et prefiks for kodeordet for et annet symbol. 010 =

29 Prefikskode 10 Nytt forslag til kodebok: symbol E T A Z frekvens kode Her har vi en prefikskode med variabel lengde som er unikt dekodbar. Kodeordet som representerer et gitt symbol er aldri et prefiks for kodeordet for et annet symbol. 010 = ET (utvetydig)

30 Prefikskode 10 Nytt forslag til kodebok: symbol E T A Z frekvens kode Her har vi en prefikskode med variabel lengde som er unikt dekodbar. Kodeordet som representerer et gitt symbol er aldri et prefiks for kodeordet for et annet symbol. 010 = ET (utvetydig) Oppnår kompresjon kun dersom symbolene er ikke-uniformt distribuert. Forekommer alle like ofte kunne vi like gjerne brukt fast lengde.

31 David A. Huffman ( ) 11 Huffman var en pioner i informasjonsteori og matematisk origami (!) Semesteroppgave som student i 1951: Definerte en algoritme for å automatisk generere optimale prefikskoder fra data. Basert på at vi kjenner de relative frekvensene til symbolene. Såkalt Huffman-koding. Kodeboken representeres ved et Huffman-tre.

32 Repetisjon: Trær 12 Et tre er en type graf, en mengde noder forbundet med kanter. Interne noder har barn / døtre: nye subtrær. Den øverste noden kalles rot. Løvnoder har ikke barn (såkalt terminalnoder). Kantene kan ikke være sykliske. Binærtrær: nodene har maks to døtre, venstre/høyre. I Scheme kan vi representere trær som lister av lister.

33 Huffman-trær: kodeboken 13 Kodeboken gitt ved et binærtre: en venstregren representerer 0, en høyregren representerer 1. Løvnoder, lagrer: et symbol, vekt (frekvens). Interne noder, lagrer: mengden av symbolene i løvnodene under det i treet, summen av vektene, to barn. Gitt et Huffman-tre kan vi kode en gitt datasekvens, dekode en gitt bitsekvens.

34 Huffman-trær: koding 14 For å kode en melding: For hvert symbol: Vi begynner ved roten og klatrer nedover treet til løvnoden som representerer symbolet. Velger gren ved å sjekke hvilken node symbolet tilhører. Legger til 0 for hver venstregren. Legger til 1 for hver høyregren. F.eks. D =

35 Huffman-trær: koding 14 For å kode en melding: For hvert symbol: Vi begynner ved roten og klatrer nedover treet til løvnoden som representerer symbolet. Velger gren ved å sjekke hvilken node symbolet tilhører. Legger til 0 for hver venstregren. Legger til 1 for hver høyregren. F.eks. D = 1011

36 Huffman-trær: koding 14 For å kode en melding: For hvert symbol: Vi begynner ved roten og klatrer nedover treet til løvnoden som representerer symbolet. Velger gren ved å sjekke hvilken node symbolet tilhører. Legger til 0 for hver venstregren. Legger til 1 for hver høyregren. F.eks. D = 1011, DB =

37 Huffman-trær: dekoding 15 For å dekode en bitsekvens: Begyn ved roten og les av bits: Ta til venstre for hver 0. Ta til høyre for hver 1. Ved en løvnode: les av symbolet og begynn fra roten igjen. F.eks = BAC

38 Å generere et Huffman-tre 16 Gitt et alfabet og de relative frekevensene til symbolene, hvordan kan vi generere kodeboken som vil kode meldinger med færrest mulig bits? 1: Start med en liste av løvnodene. 2: Slå sammen de to nodene med lavest frekvens til en ny node (med summen av frekvensene og unionen av symbolene). - La den ene noden tilsvare venstregrenen og den andre høyre. 3: Oppdater lista av noder og gjenta fra 2. - Legg til den nye noden og fjern nodene vi slo sammen. 4: Stopp når vi står igjen med kun én node (roten).

39 Å generere et Huffman-tre (forts.) 17 Start: {(A 8) (B 3) (C 1) (D 1) (E 1) (F 1) (G 1) (H 1)}

40 Å generere et Huffman-tre (forts.) 17 Start: {(A 8) (B 3) (C 1) (D 1) (E 1) (F 1) (G 1) (H 1)}

41 Å generere et Huffman-tre (forts.) 17 Start: {(A 8) (B 3) (C 1) (D 1) (E 1) (F 1) (G 1) (H 1)}

42 Å generere et Huffman-tre (forts.) 17 Start: {(A 8) (B 3) (C 1) (D 1) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) (E 1) (F 1) (G 1) (H 1)}

43 Å generere et Huffman-tre (forts.) 17 Start: {(A 8) (B 3) (C 1) (D 1) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) (E 1) (F 1) (G 1) (H 1)}

44 Å generere et Huffman-tre (forts.) 17 Start: {(A 8) (B 3) (C 1) (D 1) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) (G 1) (H 1)}

45 Å generere et Huffman-tre (forts.) 17 Start: {(A 8) (B 3) (C 1) (D 1) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) (G 1) (H 1)}

46 Å generere et Huffman-tre (forts.) 17 Start: {(A 8) (B 3) (C 1) (D 1) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) ({G H} 2)}

47 Å generere et Huffman-tre (forts.) 17 Start: {(A 8) (B 3) (C 1) (D 1) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) ({G H} 2)}

48 Å generere et Huffman-tre (forts.) 17 Start: {(A 8) (B 3) (C 1) (D 1) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) ({G H} 2)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F G H} 4)}

49 Å generere et Huffman-tre (forts.) 17 Start: {(A 8) (B 3) (C 1) (D 1) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) ({G H} 2)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F G H} 4)}

50 Å generere et Huffman-tre (forts.) 17 Start: {(A 8) (B 3) (C 1) (D 1) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) ({G H} 2)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F G H} 4)} Sammenslåing: {(A 8) ({B C D} 5) ({E F G H} 4)}

51 Å generere et Huffman-tre (forts.) 17 Start: {(A 8) (B 3) (C 1) (D 1) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) ({G H} 2)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F G H} 4)} Sammenslåing: {(A 8) ({B C D} 5) ({E F G H} 4)}

52 Å generere et Huffman-tre (forts.) 17 Start: {(A 8) (B 3) (C 1) (D 1) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) ({G H} 2)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F G H} 4)} Sammenslåing: {(A 8) ({B C D} 5) ({E F G H} 4)} Sammenslåing: {(A 8) ({B C D E F G H} 9)}

53 Å generere et Huffman-tre (forts.) 17 Start: {(A 8) (B 3) (C 1) (D 1) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) ({G H} 2)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F G H} 4)} Sammenslåing: {(A 8) ({B C D} 5) ({E F G H} 4)} Sammenslåing: {(A 8) ({B C D E F G H} 9)}

54 Å generere et Huffman-tre (forts.) Start: {(A 8) (B 3) (C 1) (D 1) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) (E 1) (F 1) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) (G 1) (H 1)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F} 2) ({G H} 2)} Sammenslåing: {(A 8) (B 3) ({C D} 2) ({E F G H} 4)} Sammenslåing: {(A 8) ({B C D} 5) ({E F G H} 4)} Sammenslåing: {(A 8) ({B C D E F G H} 9)} Stopp: {({A B C D E F G H} 17)} 17

55 Noen kommentarer 18 Definerer ikke alltid et unikt tre Avhenger av hvordan vi velger hvilken node som blir venstre-/høyregren, og hvilke noder som slås sammen når flere enn to har samme verdi. Det kan altså finnes flere optimale koder. Effektivisering Hold nodelista frekvenssortert: Kan da alltid slå sammen de to første.

56 Enda flere kommentarer 19 En Huffman-kode er optimal i den forstand at den gir minst gjennomsnittlig kodestørrelse. Premisser: Kodeboken må også overføres eller allerede være kjent. Faktiske symbolfrekvenser i meldingen vi skal kode stemmer overens med frekvensene som ble brukt for å generere kodeboka. Vi koder ett symbol av gangen. Det siste punktet kan i praksis omgås ved at et separat trinn først definerer symbolene i alfabetet. Symbolene kan f.eks. være lengre sekvenser av tegn eller ord. Bruk av to trinn er også grunnen til at Huffman-koding, som gir en tapsfri kode, kan brukes i ikke-tapsfrie formater: F.eks. ved kvantisering mappes flere opprinnelige symboler til et mindre sett av symboler (ikke-tapsfritt), som så Huffman-kodes (tapsfritt).

57 Repetisjon: Abstraksjonsbarrierer 20 Hva mener vi med abstraksjonsbarriere? Ikke en barriere mot abstraksjon. Men en abstraksjon som fungerer som en barriere. Når vi introduserer en ny abstrakt datatype definerer vi også et grensesnitt mot datatypen: F.eks. konstruktorer, selektorer og predikat. Danner en abstraksjonsbarriere. Andre deler av programmet har kun kontakt med datatypen gjennom dette grensesnittet. Skjuler detaljene om nøyaktig hvordan datatypen er implementert.

58 Huffman-trær: Abstraksjonsbarriere (1:2) 21 Løvnoder: representert av en liste med tre elementer: - leaf (typetagg) - symbol - vekt (frekvens) Konstruktor: - make-leaf Predikat - leaf? Selektorer: - symbol-leaf - weight-leaf (define (make-leaf symbol weight) (list 'leaf symbol weight)) (define (leaf? object) (eq? (car object) 'leaf)) (define (symbol-leaf x) (cadr x)) (define (weight-leaf x) (caddr x))

59 Huffman-trær: Abstraksjonsbarriere (2:2) 22 Interne noder: liste med fire elementer: - venstregren - høyregren - liste av symboler - vekt (define (make-code-tree left right) (list left right (append (symbols left) (symbols right)) (+ (weight left) (weight right)))) (define (left-branch tree) (car tree)) Konstruktor: - make-code-tree Selektorer: - left-branch - right-branch - symbols - weight (define (right-branch tree) (cadr tree)) (define (symbols tree) (if (leaf? tree) (list (symbol-leaf tree)) (caddr tree))) (define (weight tree) (if (leaf? tree) (weight-leaf tree) (cadddr tree)))

60 Dekoding 23 (define (decode bits tree) (define (decode-1 bits current-branch) (if (null? bits) '() (let ((next-branch (choose-branch (car bits) current-branch))) (if (leaf? next-branch) (cons (symbol-leaf next-branch) (decode-1 (cdr bits) tree)) (decode-1 (cdr bits) next-branch))))) (decode-1 bits tree)) (define (choose-branch bit branch) (cond ((= bit 0) (left-branch branch)) ((= bit 1) (right-branch branch))))

61 Dekoding 23 (define (decode bits tree) (define (decode-1 bits current-branch) (if (null? bits) '() (let ((next-branch (choose-branch (car bits) current-branch))) (if (leaf? next-branch) (cons (symbol-leaf next-branch) (decode-1 (cdr bits) tree)) (decode-1 (cdr bits) next-branch))))) (decode-1 bits tree)) (define (choose-branch bit branch) (cond ((= bit 0) (left-branch branch)) ((= bit 1) (right-branch branch))))

62 Dekoding 23 (define (decode bits tree) (define (decode-1 bits current-branch) (if (null? bits) '() (let ((next-branch (choose-branch (car bits) current-branch))) (if (leaf? next-branch) (cons (symbol-leaf next-branch) (decode-1 (cdr bits) tree)) (decode-1 (cdr bits) next-branch))))) (decode-1 bits tree)) (define (choose-branch bit branch) (cond ((= bit 0) (left-branch branch)) ((= bit 1) (right-branch branch))))

63 Dekoding 23 (define (decode bits tree) (define (decode-1 bits current-branch) (if (null? bits) '() (let ((next-branch (choose-branch (car bits) current-branch))) (if (leaf? next-branch) (cons (symbol-leaf next-branch) (decode-1 (cdr bits) tree)) (decode-1 (cdr bits) next-branch))))) (decode-1 bits tree)) (define (choose-branch bit branch) (cond ((= bit 0) (left-branch branch)) ((= bit 1) (right-branch branch))))

64 Dekoding 23 (define (decode bits tree) (define (decode-1 bits current-branch) (if (null? bits) '() (let ((next-branch (choose-branch (car bits) current-branch))) (if (leaf? next-branch) (cons (symbol-leaf next-branch) (decode-1 (cdr bits) tree)) (decode-1 (cdr bits) next-branch))))) (decode-1 bits tree)) (define (choose-branch bit branch) (cond ((= bit 0) (left-branch branch)) ((= bit 1) (right-branch branch))))

65 Dekoding 23 (define (decode bits tree) (define (decode-1 bits current-branch) (if (null? bits) '() (let ((next-branch (choose-branch (car bits) current-branch))) (if (leaf? next-branch) (cons (symbol-leaf next-branch) (decode-1 (cdr bits) tree)) (decode-1 (cdr bits) next-branch))))) (decode-1 bits tree)) (define (choose-branch bit branch) (cond ((= bit 0) (left-branch branch)) ((= bit 1) (right-branch branch))))

66 Dekoding 23 (define (decode bits tree) (define (decode-1 bits current-branch) (if (null? bits) '() (let ((next-branch (choose-branch (car bits) current-branch))) (if (leaf? next-branch) (cons (symbol-leaf next-branch) (decode-1 (cdr bits) tree)) (decode-1 (cdr bits) next-branch))))) (decode-1 bits tree)) (define (choose-branch bit branch) (cond ((= bit 0) (left-branch branch)) ((= bit 1) (right-branch branch))))

67 Dekoding 23 (define (decode bits tree) (define (decode-1 bits current-branch) (if (null? bits) '() (let ((next-branch (choose-branch (car bits) current-branch))) (if (leaf? next-branch) (cons (symbol-leaf next-branch) (decode-1 (cdr bits) tree)) (decode-1 (cdr bits) next-branch))))) (decode-1 bits tree)) (define (choose-branch bit branch) (cond ((= bit 0) (left-branch branch)) ((= bit 1) (right-branch branch))))

68 Dekoding 23 (define (decode bits tree) (define (decode-1 bits current-branch) (if (null? bits) '() (let ((next-branch (choose-branch (car bits) current-branch))) (if (leaf? next-branch) (cons (symbol-leaf next-branch) (decode-1 (cdr bits) tree)) (decode-1 (cdr bits) next-branch))))) (decode-1 bits tree)) (define (choose-branch bit branch) (cond ((= bit 0) (left-branch branch)) ((= bit 1) (right-branch branch)))) Hvorfor bruker vi decode-1? Kalles jo med de samme argumentene, hvorfor ikke bare kalle decode?

69 Dekoding 23 (define (decode bits tree) (define (decode-1 bits current-branch) (if (null? bits) '() (let ((next-branch (choose-branch (car bits) current-branch))) (if (leaf? next-branch) (cons (symbol-leaf next-branch) (decode-1 (cdr bits) tree)) (decode-1 (cdr bits) next-branch))))) (decode-1 bits tree)) (define (choose-branch bit branch) (cond ((= bit 0) (left-branch branch)) ((= bit 1) (right-branch branch)))) Hvorfor bruker vi decode-1? Kalles jo med de samme argumentene, hvorfor ikke bare kalle decode? Kan vi skrive en halerekursiv versjon av decode?

70 Andre ting som gjenstår 24 Flere prosedyrer dere kommer til å skrive i neste innlevering: encode Input: et Huffman-tre og en melding (liste av symboler). Output: en bitsekvens (liste av 0 og 1). grow-huffman-tree Input: en liste av symboler og frekvenser. Output: et Huffman-tre.

71 Parprogrammering 25 Husk at oblig 2 og 3 (a+b) anbefales løst i grupper av to eller tre studenter sammen. Ok om du vil levere individuelt. Trenger du samarbeidspartner? Spør på gruppetimen eller bruk Teammates-funksjonen i Piazza. Ok å bytte grupper mellom oblig 2 og 3, men ikke melom a og b. Bruk gruppefunksjonen i Devilry ved levering.

72 Likhet 26? (eq? 'foo 'foo) Typespesifikke predikater; = og string=? eq? gir #t hvis argumentene angir samme objekt i minnet. Merk at symboler og den tomme lista '() er konstanter. equal? tester strukturell ekvivalens rekursivt.

73 Likhet 26? (eq? 'foo 'foo) #t Typespesifikke predikater; = og string=? eq? gir #t hvis argumentene angir samme objekt i minnet. Merk at symboler og den tomme lista '() er konstanter. equal? tester strukturell ekvivalens rekursivt.

74 Likhet 26? (eq? 'foo 'foo) #t? (eq? + +) Typespesifikke predikater; = og string=? eq? gir #t hvis argumentene angir samme objekt i minnet. Merk at symboler og den tomme lista '() er konstanter. equal? tester strukturell ekvivalens rekursivt.

75 Likhet 26? (eq? 'foo 'foo) #t? (eq? + +) #t Typespesifikke predikater; = og string=? eq? gir #t hvis argumentene angir samme objekt i minnet. Merk at symboler og den tomme lista '() er konstanter. equal? tester strukturell ekvivalens rekursivt.

76 Likhet 26? (eq? 'foo 'foo) #t? (eq? + +) #t Typespesifikke predikater; = og string=?? (eq? )???? (eq? "foo" "foo")??? eq? gir #t hvis argumentene angir samme objekt i minnet. Merk at symboler og den tomme lista '() er konstanter. equal? tester strukturell ekvivalens rekursivt.

77 Likhet 26? (eq? 'foo 'foo) #t? (eq? + +) #t Typespesifikke predikater; = og string=? eq? gir #t hvis argumentene angir samme objekt i minnet. Merk at symboler og den tomme lista '() er konstanter.? (eq? )???? (eq? "foo" "foo")???? (define bim '(1 2 (3)))? (define bam '(1 2 (3)))? (eq? bim bam) equal? tester strukturell ekvivalens rekursivt.

78 Likhet 26? (eq? 'foo 'foo) #t? (eq? + +) #t Typespesifikke predikater; = og string=? eq? gir #t hvis argumentene angir samme objekt i minnet. Merk at symboler og den tomme lista '() er konstanter.? (eq? )???? (eq? "foo" "foo")???? (define bim '(1 2 (3)))? (define bam '(1 2 (3)))? (eq? bim bam) #f equal? tester strukturell ekvivalens rekursivt.

79 Likhet 26? (eq? 'foo 'foo) #t? (eq? + +) #t Typespesifikke predikater; = og string=? eq? gir #t hvis argumentene angir samme objekt i minnet. Merk at symboler og den tomme lista '() er konstanter. equal? tester strukturell ekvivalens rekursivt.? (eq? )???? (eq? "foo" "foo")???? (define bim '(1 2 (3)))? (define bam '(1 2 (3)))? (eq? bim bam) #f? (equal? bim bam) #t

80 Likhet 26? (eq? 'foo 'foo) #t? (eq? + +) #t Typespesifikke predikater; = og string=? eq? gir #t hvis argumentene angir samme objekt i minnet. Merk at symboler og den tomme lista '() er konstanter. equal? tester strukturell ekvivalens rekursivt.? (eq? )???? (eq? "foo" "foo")???? (define bim '(1 2 (3)))? (define bam '(1 2 (3)))? (eq? bim bam) #f? (equal? bim bam) #t? (define bom bam) ;; aliasing? (eq? bom bam)

81 Likhet 26? (eq? 'foo 'foo) #t? (eq? + +) #t Typespesifikke predikater; = og string=? eq? gir #t hvis argumentene angir samme objekt i minnet. Merk at symboler og den tomme lista '() er konstanter. equal? tester strukturell ekvivalens rekursivt.? (eq? )???? (eq? "foo" "foo")???? (define bim '(1 2 (3)))? (define bam '(1 2 (3)))? (eq? bim bam) #f? (equal? bim bam) #t? (define bom bam) ;; aliasing? (eq? bom bam) #t

82 Likhet 26? (eq? 'foo 'foo) #t? (eq? + +) #t Typespesifikke predikater; = og string=? eq? gir #t hvis argumentene angir samme objekt i minnet. Merk at symboler og den tomme lista '() er konstanter. equal? tester strukturell ekvivalens rekursivt.? (eq? )???? (eq? "foo" "foo")???? (define bim '(1 2 (3)))? (define bam '(1 2 (3)))? (eq? bim bam) #f? (equal? bim bam) #t? (define bom bam) ;; aliasing? (eq? bom bam) #t? (eq? '(1) '(1))

83 Likhet 26? (eq? 'foo 'foo) #t? (eq? + +) #t Typespesifikke predikater; = og string=? eq? gir #t hvis argumentene angir samme objekt i minnet. Merk at symboler og den tomme lista '() er konstanter. equal? tester strukturell ekvivalens rekursivt.? (eq? )???? (eq? "foo" "foo")???? (define bim '(1 2 (3)))? (define bam '(1 2 (3)))? (eq? bim bam) #f? (equal? bim bam) #t? (define bom bam) ;; aliasing? (eq? bom bam) #t? (eq? '(1) '(1)) #f? (eq? '() '())

84 Likhet 26? (eq? 'foo 'foo) #t? (eq? + +) #t Typespesifikke predikater; = og string=? eq? gir #t hvis argumentene angir samme objekt i minnet. Merk at symboler og den tomme lista '() er konstanter. equal? tester strukturell ekvivalens rekursivt.? (eq? )???? (eq? "foo" "foo")???? (define bim '(1 2 (3)))? (define bam '(1 2 (3)))? (eq? bim bam) #f? (equal? bim bam) #t? (define bom bam) ;; aliasing? (eq? bom bam) #t? (eq? '(1) '(1)) #f? (eq? '() '()) #t

85 Veien videre 27 Så langt har vi holdt oss i et rent funksjonelt univers. I dette universet er identiteten til objekter knyttet til verdi. Kommer til å jobbe mer med likhet ved identitet vs. verdi. Med kapittel 3 i SICP tar vi et stort skritt: Bryter med ren funksjonell programmering og introduserer elementer fra imperativ programmering: Verditilordning som modifiserer objekter. Skal også se på objektorientering basert på prosedyrer.

INF2810: Funksjonell Programmering. Huffmankoding

INF2810: Funksjonell Programmering. Huffmankoding INF2810: Funksjonell programmering INF2810: Funksjonell Programmering Huffmankoding Erik Velldal Universitetet i Oslo 20. februar 2015 Tema I går Trær som lister av lister Trerekursjon Mengder som trær

Detaljer

INF2810: Funksjonell Programmering. Huffman-koding

INF2810: Funksjonell Programmering. Huffman-koding INF2810: Funksjonell Programmering Huffman-koding Erik Velldal Universitetet i Oslo 23. februar 2017 Tema 2 Sist Trær som lister av lister Trerekursjon Mengder som trær Dataabstraksjon I dag Hierarkisk

Detaljer

INF2810: Funksjonell Programmering. Huffman-koding

INF2810: Funksjonell Programmering. Huffman-koding INF2810: Funksjonell Programmering Huffman-koding Stephan Oepen Universitetet i Oslo 1. mars 2016 Tema 2 Sist Trær som lister av lister Trerekursjon Mengder som trær I dag Hierarkisk og symbolsk data Eksempel:

Detaljer

INF2810: Funksjonell Programmering. Huffman-koding

INF2810: Funksjonell Programmering. Huffman-koding INF2810: Funksjonell Programmering Huffman-koding Stephan Oepen & Erik Velldal Universitetet i Oslo 22. februar, 2013 Tema 2 Forrige uke Data-abstraksjon Lister av lister Tre-rekursjon Prosedyrer som datastruktur

Detaljer

INF2810: Funksjonell Programmering. Huffman-koding

INF2810: Funksjonell Programmering. Huffman-koding INF2810: Funksjonell Programmering Huffman-koding Stephan Oepen & Erik Velldal Universitetet i Oslo 22. februar, 2013 Tema 2 Forrige uke Data-abstraksjon Lister av lister Tre-rekursjon Prosedyrer som datastruktur

Detaljer

INF2810: Funksjonell Programmering. Huffman-koding

INF2810: Funksjonell Programmering. Huffman-koding INF2810: Funksjonell Programmering Huffman-koding Stephan Oepen Universitetet i Oslo 1. mars 2016 Tema 2 Sist Trær som lister av lister Trerekursjon Mengder som trær I dag Hierarkisk og symbolsk data Eksempel:

Detaljer

IN2040: Funksjonell programmering. Trær, mengder og huffmankoding

IN2040: Funksjonell programmering. Trær, mengder og huffmankoding IN2040: Funksjonell programmering Trær, mengder og huffmankoding Erik Velldal Universitetet i Oslo 18. september 2019 Tema 2 Forrige uke lambda, let og lokale variabler Dataabstraksjon Lister av lister:

Detaljer

INF2810: Funksjonell Programmering. Trær og mengder

INF2810: Funksjonell Programmering. Trær og mengder INF2810: Funksjonell programmering INF2810: Funksjonell Programmering Trær og mengder Erik Velldal Universitetet i Oslo 19. februar 2015 Tema Forrige uke Høyereordens prosedyrer lambda, let og lokale variabler

Detaljer

INF2810: Funksjonell Programmering. Lokale variabler. Og trær.

INF2810: Funksjonell Programmering. Lokale variabler. Og trær. INF2810: Funksjonell Programmering Lokale variabler. Og trær. Erik Velldal Universitetet i Oslo 11. september 2019 Tema forrige uke 2 Lister som datastruktur quote Rekursjon på lister Høyereordens prosedyrer

Detaljer

INF2810: Funksjonell Programmering. Lokale variabler. Og trær.

INF2810: Funksjonell Programmering. Lokale variabler. Og trær. INF2810: Funksjonell Programmering Lokale variabler. Og trær. Erik Velldal Universitetet i Oslo 11. september 2019 Tema forrige uke 2 Lister som datastruktur quote Rekursjon på lister Høyereordens prosedyrer

Detaljer

Innlevering 2a i INF2810, vår 2017

Innlevering 2a i INF2810, vår 2017 Innlevering 2a i INF2810, vår 2017 Hovedtematikken denne gang er Huffman-koding, som ble dekket i 6. forelesning (23. februar) og i seksjon 2.3.4 i SICP. Det er viktig å ha lest denne seksjonen før dere

Detaljer

INF2810: Funksjonell Programmering. Trær og mengder

INF2810: Funksjonell Programmering. Trær og mengder INF2810: Funksjonell Programmering Trær og mengder Stephan Oepen Universitetet i Oslo 16. februar 2016 Tema 2 Forrige uke Høyereordens prosedyrer lambda, let og lokale variabler Dataabstraksjon I dag Lister

Detaljer

INF2810: Funksjonell Programmering. Trær og mengder

INF2810: Funksjonell Programmering. Trær og mengder INF2810: Funksjonell Programmering Trær og mengder Stephan Oepen Universitetet i Oslo 16. februar 2017 Tema 2 Forrige uke Høyereordens prosedyrer lambda, let og lokale variabler Dataabstraksjon I dag Lister

Detaljer

INF2810: Funksjonell Programmering

INF2810: Funksjonell Programmering INF2810: Funksjonell Programmering Omgivelsesmodeller og destruktive listeoperasjoner Stephan Oepen & Erik Velldal Universitetet i Oslo 15. mars 2013 Tema 2 Forrige uke Representasjon av mengder Sorterte

Detaljer

INF2810: Funksjonell Programmering

INF2810: Funksjonell Programmering INF2810: Funksjonell Programmering Omgivelsesmodeller og destruktive listeoperasjoner Stephan Oepen & Erik Velldal Universitetet i Oslo 15. mars 2013 Tema 2 Forrige uke Representasjon av mengder Sorterte

Detaljer

INF2810: Funksjonell Programmering

INF2810: Funksjonell Programmering INF2810: Funksjonell Programmering Høyereordens prosedyrer, lambda og lokale variabler Erik Velldal Universitetet i Oslo 9. februar 2017 Tema 2 Forrige uke Lister og listerekursjon quote Høyereordens prosedyrer

Detaljer

INF2810: Funksjonell Programmering

INF2810: Funksjonell Programmering INF2810: Funksjonell Programmering Høyereordens prosedyrer, lambda og lokale variabler Erik Velldal Universitetet i Oslo 9. februar 2017 Tema 2 Forrige uke Lister og listerekursjon quote Høyereordens prosedyrer

Detaljer

INF2810: Funksjonell Programmering. Dataabstraksjon og Trerekursjon

INF2810: Funksjonell Programmering. Dataabstraksjon og Trerekursjon INF2810: Funksjonell Programmering Dataabstraksjon og Trerekursjon Stephan Oepen & Erik Velldal Universitetet i Oslo 15. februar, 2013 Tema 2 Forrige uke Høyere-ordens prosedyrer: Prosedyrer som argumenter

Detaljer

INF2810: Funksjonell Programmering. Mengder og lokal tilstand

INF2810: Funksjonell Programmering. Mengder og lokal tilstand INF2810: Funksjonell Programmering Mengder og lokal tilstand Stephan Oepen & Erik Velldal Universitetet i Oslo Kvinnedagen, 2013 Forrige gang 2 Dagens dont 3 Del 1 Litt mer om hierarkisk data. Representasjon

Detaljer

INF2810: Funksjonell Programmering

INF2810: Funksjonell Programmering INF2810: Funksjonell Programmering Høyereordens prosedyrer, lambda og lokale variabler Stephan Oepen Universitetet i Oslo 9. februar 2015 Tema 2 Forrige uke Lister og listerekursjon quote Høyereordens

Detaljer

INF2810: Funksjonell Programmering

INF2810: Funksjonell Programmering INF2810: Funksjonell Programmering Høyereordens prosedyrer, lambda og lokale variabler Stephan Oepen Universitetet i Oslo 9. februar 2015 Tema 2 Forrige uke Lister og listerekursjon quote Høyereordens

Detaljer

Høyere-ordens prosedyrer

Høyere-ordens prosedyrer INF2810: Funksjonell programmering Høyere-ordens prosedyrer Stephan Oepen & Erik Velldal Universitetet i Oslo 8. februar, 2013 Tema 2 Forrige uke Lister og listerekursjon Høyere-ordens prosedyrer Prosedyrer

Detaljer

INF2810: Funksjonell Programmering. Kommentarer til prøveeksamen

INF2810: Funksjonell Programmering. Kommentarer til prøveeksamen INF2810: Funksjonell programmering INF2810: Funksjonell Programmering Kommentarer til prøveeksamen Erik Velldal Universitetet i Oslo 1: Grunnleggende (6 poeng)? (define foo '(a b))? (define bar foo)? (set!

Detaljer

INF2810: Funksjonell Programmering. Mer om verditilordning og muterbare data.

INF2810: Funksjonell Programmering. Mer om verditilordning og muterbare data. INF2810: Funksjonell Programmering Mer om verditilordning og muterbare data. Erik Velldal Universitetet i Oslo 16. mars 2017 De siste ukene: destruktive operasjoner 2 set! endrer verditilordningen til

Detaljer

INF2810: Funksjonell Programmering. Mer om verditilordning og muterbare data.

INF2810: Funksjonell Programmering. Mer om verditilordning og muterbare data. INF2810: Funksjonell Programmering Mer om verditilordning og muterbare data. Erik Velldal Universitetet i Oslo 16. mars 2017 De siste ukene: destruktive operasjoner 2 set! endrer verditilordningen til

Detaljer

INF2810: Funksjonell Programmering. Muterbare data

INF2810: Funksjonell Programmering. Muterbare data INF2810: Funksjonell Programmering Muterbare data Stephan Oepen Universitetet i Oslo 15. mars 2016 Agenda Forrige uke Prosedyrebasert objektorientering Lokale tilstandsvariabler Innkapsling + set! Eksempel:

Detaljer

Rekursjon og lister. Stephan Oepen & Erik Velldal. 1. februar, Universitetet i Oslo

Rekursjon og lister. Stephan Oepen & Erik Velldal. 1. februar, Universitetet i Oslo INF2810: Funksjonell programmering Rekursjon og lister Stephan Oepen & Erik Velldal Universitetet i Oslo 1. februar, 2013 Agenda 2 Forrige uke Scheme Substitusjonsmodellen Blokkstruktur Predikater Kondisjonale

Detaljer

INF2810: Funksjonell Programmering. Mer om verditilordning. Tabeller. Og strømmer.

INF2810: Funksjonell Programmering. Mer om verditilordning. Tabeller. Og strømmer. INF2810: Funksjonell programmering INF2810: Funksjonell Programmering Mer om verditilordning. Tabeller. Og strømmer. Erik Velldal Universitetet i Oslo 29. mars 2016 De siste ukene: destruktive operasjoner

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2810 Eksamensdag: Fredag 5. juni 2015 Tid for eksamen: 14:30 (4 timer) Oppgavesettet er på 4 sider (ikke medregnet denne siden)

Detaljer

INF2810: Funksjonell Programmering. Tilstand og verditilordning

INF2810: Funksjonell Programmering. Tilstand og verditilordning INF2810: Funksjonell programmering INF2810: Funksjonell Programmering Tilstand og verditilordning Erik Velldal Universitetet i Oslo 26. februar 2015 Forrige gang 2 I dag Vi blar om til kapittel 3 i SICP.

Detaljer

INF2810: Funksjonell Programmering. Mer om verditilordning. Tabeller. Og strømmer.

INF2810: Funksjonell Programmering. Mer om verditilordning. Tabeller. Og strømmer. INF2810: Funksjonell Programmering Mer om verditilordning. Tabeller. Og strømmer. Erik Velldal Universitetet i Oslo 29. mars 2016 De siste ukene: destruktive operasjoner 2 set! endrer verditilordningen

Detaljer

INF2810: Funksjonell Programmering. Lister og høyereordens prosedyrer

INF2810: Funksjonell Programmering. Lister og høyereordens prosedyrer INF2810: Funksjonell Programmering Lister og høyereordens prosedyrer Erik Velldal Universitetet i Oslo 2. februar 2017 Agenda 2 Forrige uke Substitusjonsmodellen og evalueringsstrategier. Blokkstruktur

Detaljer

INF2810: Funksjonell Programmering. Tilstand og verditilordning

INF2810: Funksjonell Programmering. Tilstand og verditilordning INF2810: Funksjonell Programmering Tilstand og verditilordning Stephan Oepen Universitetet i Oslo 8. mars 2016 Forrige gang 2 I dag 3 Vi blar om til kapittel 3 i SICP. Tilstand og verditilordning. Destruktive

Detaljer

INF2810: Funksjonell Programmering. Tilstand og verditilordning

INF2810: Funksjonell Programmering. Tilstand og verditilordning INF2810: Funksjonell Programmering Tilstand og verditilordning Stephan Oepen Universitetet i Oslo 2. mars 2017 Forrige gang 2 I dag 3 Vi blar om til kapittel 3 i SICP. Tilstand og verditilordning. Destruktive

Detaljer

INF2810: Funksjonell Programmering. Lister og høyereordens prosedyrer

INF2810: Funksjonell Programmering. Lister og høyereordens prosedyrer INF2810: Funksjonell programmering INF2810: Funksjonell Programmering Lister og høyereordens prosedyrer Erik Velldal Universitetet i Oslo 5. februar 2015 Agenda Forrige uke Substitusjonsmodellen og evalueringsstrategier.

Detaljer

INF 1040 Løsningsforslag til kapittel

INF 1040 Løsningsforslag til kapittel INF 040 Løsningsforslag til kapittel 8 Oppgave : Huffmankoding med kjente sannsynligheter Gitt en sekvens av symboler som er tilstrekkelig lang, og som inneholder de 6 symbolene A, B, C, D, E, F. Symbolene

Detaljer

INF2810: Funksjonell Programmering. Eksamensforberedelser

INF2810: Funksjonell Programmering. Eksamensforberedelser INF2810: Funksjonell Programmering Eksamensforberedelser Stephan Oepen & Erik Velldal Universitetet i Oslo 24. mai 2013 I dag 2 Kort oppsummering Praktisk om eksamen Hvem vant konkurransen om flest oblig-poeng

Detaljer

INF2810: Funksjonell Programmering. Køer, tabeller, og (litt om) parallelitet

INF2810: Funksjonell Programmering. Køer, tabeller, og (litt om) parallelitet INF2810: Funksjonell Programmering Køer, tabeller, og (litt om) parallelitet Stephan Oepen & Erik Velldal Universitetet i Oslo 5. april 2013 Tema 2 Siste gang Kort om underveisevaluering Destruktive listeoperasjoner

Detaljer

INF2810: Funksjonell Programmering. Køer, tabeller, og (litt om) parallelitet

INF2810: Funksjonell Programmering. Køer, tabeller, og (litt om) parallelitet INF2810: Funksjonell Programmering Køer, tabeller, og (litt om) parallelitet Stephan Oepen & Erik Velldal Universitetet i Oslo 5. april 2013 Tema 2 Siste gang Kort om underveisevaluering Destruktive listeoperasjoner

Detaljer

INF2810: Funksjonell Programmering. Oppsummering og eksamensforberedelser

INF2810: Funksjonell Programmering. Oppsummering og eksamensforberedelser INF2810: Funksjonell Programmering Oppsummering og eksamensforberedelser Erik Velldal & Stephan Oepen Universitetet i Oslo 18. mai 2017 I dag 2 Kort oppsummering Praktisk om eksamen Hvem vant konkurransen

Detaljer

INF2810: Funksjonell Programmering. Tilstand og verditilordning

INF2810: Funksjonell Programmering. Tilstand og verditilordning INF2810: Funksjonell Programmering Tilstand og verditilordning Erik Velldal Universitetet i Oslo 1. mars 2018 Forrige gang 2 Kode som trær 3 Ved evaluering oversettes kildekoden i et språk først til et

Detaljer

INF2810: Funksjonell Programmering. Oppsummering og eksamensforberedelser

INF2810: Funksjonell Programmering. Oppsummering og eksamensforberedelser INF2810: Funksjonell Programmering Oppsummering og eksamensforberedelser Erik Velldal & Stephan Oepen Universitetet i Oslo 18. mai 2017 I dag 2 Kort oppsummering Praktisk om eksamen Hvem vant konkurransen

Detaljer

INF2810: Funksjonell Programmering. Oppsummering og eksamensforberedelser

INF2810: Funksjonell Programmering. Oppsummering og eksamensforberedelser INF2810: Funksjonell programmering INF2810: Funksjonell Programmering Oppsummering og eksamensforberedelser Erik Velldal & Stephan Oepen Universitetet i Oslo 31. mai 2016 I dag Kort oppsummering Praktisk

Detaljer

INF2810: Funksjonell Programmering. Oppsummering og eksamensforberedelser

INF2810: Funksjonell Programmering. Oppsummering og eksamensforberedelser INF2810: Funksjonell Programmering Oppsummering og eksamensforberedelser Erik Velldal & Stephan Oepen Universitetet i Oslo 31. mai 2016 I dag 2 Kort oppsummering Praktisk om eksamen Hvem vant konkurransen

Detaljer

INF2810: Funksjonell Programmering. En Scheme-evaluator i Scheme, del 2

INF2810: Funksjonell Programmering. En Scheme-evaluator i Scheme, del 2 INF2810: Funksjonell programmering INF2810: Funksjonell Programmering En Scheme-evaluator i Scheme, del 2 Erik Velldal Universitetet i Oslo 7. mai 2015 Tema Forrige uke SICP 4.1. Structure and interpretation

Detaljer

INF2810: Funksjonell Programmering. En metasirkulær evaluator

INF2810: Funksjonell Programmering. En metasirkulær evaluator INF2810: Funksjonell Programmering En metasirkulær evaluator Stephan Oepen & Erik Velldal Universitetet i Oslo 26. april 2013 Tema 2 Forrige uke Strømmer og utsatt evaluering Memoisering Kort om makroer

Detaljer

INF2810: Funksjonell Programmering. En metasirkulær evaluator

INF2810: Funksjonell Programmering. En metasirkulær evaluator INF2810: Funksjonell Programmering En metasirkulær evaluator Stephan Oepen & Erik Velldal Universitetet i Oslo 26. april 2013 Tema 2 Forrige uke Strømmer og utsatt evaluering Memoisering Kort om makroer

Detaljer

INF2810: Funksjonell Programmering. Oppsummering og eksamensforberedelser

INF2810: Funksjonell Programmering. Oppsummering og eksamensforberedelser INF2810: Funksjonell programmering INF2810: Funksjonell Programmering Oppsummering og eksamensforberedelser Erik Velldal Universitetet i Oslo 28. mai 2015 I dag Kort oppsummering Praktisk om eksamen Hvem

Detaljer

INF2810: Funksjonell Programmering. En Scheme-evaluator i Scheme, del 2

INF2810: Funksjonell Programmering. En Scheme-evaluator i Scheme, del 2 INF2810: Funksjonell Programmering En Scheme-evaluator i Scheme, del 2 Erik Velldal Universitetet i Oslo 4. mai 2017 Tema 2 Forrige uke SICP 4.1. Structure and interpretation of computer programs Metacircular

Detaljer

INF2810: Funksjonell Programmering. En Scheme-evaluator i Scheme, del 2

INF2810: Funksjonell Programmering. En Scheme-evaluator i Scheme, del 2 INF2810: Funksjonell Programmering En Scheme-evaluator i Scheme, del 2 Erik Velldal Universitetet i Oslo 4. mai 2017 Tema 2 Forrige uke SICP 4.1. Structure and interpretation of computer programs Metacircular

Detaljer

INF Algoritmer og datastrukturer

INF Algoritmer og datastrukturer INF2220 - Algoritmer og datastrukturer HØSTEN 2017 Ingrid Chieh Yu Institutt for informatikk, Universitetet i Oslo Forelesning 4: Prioritetskø og Heap Ingrid Chieh Yu (Ifi, UiO) INF2220 H2017, forelesning

Detaljer

INF2810: Funksjonell Programmering. En Scheme-evaluator i Scheme

INF2810: Funksjonell Programmering. En Scheme-evaluator i Scheme INF2810: Funksjonell Programmering En Scheme-evaluator i Scheme Erik Velldal Universitetet i Oslo 19. april 2016 Tema 2 Forrige uke Strømmer og utsatt evaluering Kort om makroer I dag Kap. 4 Metasirkulær

Detaljer

Eksamen i HUMIT 2710, Funksjonell programmering, våren Ingen hjelpemidler er tillatt. <resten av forsiden> Side 1 av 7

Eksamen i HUMIT 2710, Funksjonell programmering, våren Ingen hjelpemidler er tillatt. <resten av forsiden> Side 1 av 7 Eksamen i HUMIT 2710, Funksjonell programmering, våren 2005 Ingen hjelpemidler er tillatt. Side 1 av 7 Oppgave 1 Rekursjon Fakultetsfunksjonen, her kalt Fak, kan defineres rekursivt

Detaljer

INF2810: Funksjonell Programmering. Muterbare data

INF2810: Funksjonell Programmering. Muterbare data INF2810: Funksjonell Programmering Muterbare data Stephan Oepen Universitetet i Oslo 9. mars 2017 Agenda Forrige uke Prosedyrebasert objektorientering Lokale tilstandsvariabler Innkapsling + set! Eksempel:

Detaljer

INF Algoritmer og datastrukturer

INF Algoritmer og datastrukturer INF2220 - Algoritmer og datastrukturer Institutt for informatikk, Universitetet i Oslo INF2220, forelesning 11: Huffman-koding & Dynamisk programmering (Ifi, UiO) INF2220 H2015, forelesning 11 1 / 32 Dagens

Detaljer

INF2810: Funksjonell Programmering. En Scheme-evaluator i Scheme

INF2810: Funksjonell Programmering. En Scheme-evaluator i Scheme INF2810: Funksjonell Programmering En Scheme-evaluator i Scheme Erik Velldal Universitetet i Oslo 27. april 2017 Tema 2 Forrige forelesning Strømmer og utsatt evaluering Kort om makroer I dag Kap. 4 Metasirkulær

Detaljer

INF2220: Forelesning 1. Praktisk informasjon Analyse av algoritmer (kapittel 2) (Binær)trær (kapittel )

INF2220: Forelesning 1. Praktisk informasjon Analyse av algoritmer (kapittel 2) (Binær)trær (kapittel ) INF2220: Forelesning 1 Praktisk informasjon Analyse av algoritmer (kapittel 2) (Binær)trær (kapittel 4.1-4.3 + 4.6) PRAKTISK INFORMASJON 2 Praktisk informasjon Kursansvarlige Ragnhild Kobro Runde (ragnhilk@ifi.uio.no)

Detaljer

INF2810: Funksjonell Programmering. Strømmer og utsatt evaluering

INF2810: Funksjonell Programmering. Strømmer og utsatt evaluering INF2810: Funksjonell Programmering Strømmer og utsatt evaluering Stephan Oepen Universitetet i Oslo 30. mars 2017 Forrige forelesning 2 Mer om (prosedyre)navn, bindinger, og verditilordning Nok en ny abstrakt

Detaljer

Informasjonsteori og entropi

Informasjonsteori og entropi Informasjonsteori og entropi Termen entropi tilhører i utgangspunktet termodynamikken, der den, svært forenklet, betegner reduksjon av energipotensialet innenfor et system der det foregår enerigutveksling

Detaljer

Innlevering 2b i INF2810, vår 2017

Innlevering 2b i INF2810, vår 2017 Innlevering 2b i INF2810, vår 2017 Dette er del to av den andre obligatoriske oppgaven i INF2810. Man kan oppnå 10 poeng for oppgavene i 2b, og man må ha minst 12 poeng tilsammen for 2a + 2b for å få godkjent.

Detaljer

INF2810: Funksjonell programmering: Mer om Scheme. Rekursjon og iterasjon.

INF2810: Funksjonell programmering: Mer om Scheme. Rekursjon og iterasjon. INF2810: Funksjonell programmering: Mer om Scheme. Rekursjon og iterasjon. Stephan Oepen & Erik Velldal Universitetet i Oslo 25. januar, 2013 På blokka 2 Forrige uke Introduksjon og oversikt Funksjonell

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2810 Eksamensdag: 5. juni, 2014 Tid for eksamen: 14:30 (4 timer) Oppgavesettet er på 4 sider. Vedlegg: Ingen Tillatte hjelpemidler:

Detaljer

INF2810: Funksjonell Programmering. En metasirkulær evaluator, del 2

INF2810: Funksjonell Programmering. En metasirkulær evaluator, del 2 INF2810: Funksjonell Programmering En metasirkulær evaluator, del 2 Stephan Oepen & Erik Velldal Universitetet i Oslo 03. mai 2013 Tema 2 Forrige uke SICP 4.1. Structure and interpretation of computer

Detaljer

INF2810: Funksjonell Programmering. En metasirkulær evaluator, del 2

INF2810: Funksjonell Programmering. En metasirkulær evaluator, del 2 INF2810: Funksjonell Programmering En metasirkulær evaluator, del 2 Stephan Oepen & Erik Velldal Universitetet i Oslo 03. mai 2013 Tema 2 Forrige uke SICP 4.1. Structure and interpretation of computer

Detaljer

INF Algoritmer og datastrukturer. Hva er INF2220? Algoritmer og datastrukturer

INF Algoritmer og datastrukturer. Hva er INF2220? Algoritmer og datastrukturer Praktiske opplysninger INF2220 - Algoritmer og datastrukturer HØSTEN 2007 Institutt for informatikk, Universitetet i Oslo Tid og sted: Mandag kl. 12:15-14:00 Store auditorium, Informatikkbygningen Kursansvarlige

Detaljer

INF1020 Algoritmer og datastrukturer GRAFER

INF1020 Algoritmer og datastrukturer GRAFER GRAFER Dagens plan: Avsluttende om grådige algoritmer Huffman-koding (Kapittel 10.1.2) Dynamisk programmering Floyds algoritme for korteste vei alle-til-alle (Kapittel 10.3.4) Ark 1 av 16 Forelesning 22.11.2004

Detaljer

MAT1030 Diskret Matematikk

MAT1030 Diskret Matematikk MAT1030 Diskret Matematikk Forelesning 26: Trær Roger Antonsen Institutt for informatikk, Universitetet i Oslo 5. mai 2009 (Sist oppdatert: 2009-05-06 22:27) Forelesning 26 MAT1030 Diskret Matematikk 5.

Detaljer

Eksamen i SLI230, vår 2003.

Eksamen i SLI230, vår 2003. Eksamen i SLI230, vår 2003. Oppgavesettet har 8 sider medregnet denne forsiden. Ingen hjelpemidler er tillatt. Vedlegg: To sider som inneholder en liste over primitiver fra scheme (og simply.scm) samt

Detaljer

Informasjonsteori og entropi

Informasjonsteori og entropi Informasjonsteori og entropi Termen entropi tilhører i utgangspunktet termodynamikken, der den, svært forenklet, betegner reduksjon av energipotensialet innenfor et system der det foregår enerigutveksling

Detaljer

INF2810: Funksjonell Programmering. Strømmer og utsatt evaluering

INF2810: Funksjonell Programmering. Strømmer og utsatt evaluering INF2810: Funksjonell programmering INF2810: Funksjonell Programmering Strømmer og utsatt evaluering Erik Velldal Universitetet i Oslo 5. april 2016 Forrige forelesning Mer om (prosedyre)navn, bindinger,

Detaljer

Hva er en algoritme? INF HØSTEN 2006 INF1020. Kursansvarlige Ragnar Normann E-post: Dagens tema

Hva er en algoritme? INF HØSTEN 2006 INF1020. Kursansvarlige Ragnar Normann E-post: Dagens tema va er en algoritme? Vanlig sammenligning: Oppskrift. nput lgoritme NF1020 - ØSTEN 2006 Kursansvarlige Ragnar Normann E-post: ragnarn@ifi.uio.no Output Knuth : tillegg til å være et endelig sett med regler

Detaljer

INF2810: Funksjonell Programmering. Mer om strømmer

INF2810: Funksjonell Programmering. Mer om strømmer INF2810: Funksjonell Programmering Mer om strømmer Stephan Oepen & Erik Velldal Universitetet i Oslo 19. april 2013 Tema 2 Forrige uke Repetisjon: parallelitet Noe helt nytt: strømmer Noe quizzaktivitet

Detaljer

INF2220: Time 4 - Heap, Huffmann

INF2220: Time 4 - Heap, Huffmann INF0: Time 4 - Heap, Huffmann Mathias Lohne mathialo Heap (prioritetskø) En heap (også kalt prioritetskø) er en type binært tre med noen spesielle struktur- og ordningskrav. Vi har to typer heap: min-

Detaljer

INF2810: Funksjonell Programmering. Mer om strømmer

INF2810: Funksjonell Programmering. Mer om strømmer INF2810: Funksjonell Programmering Mer om strømmer Stephan Oepen & Erik Velldal Universitetet i Oslo 19. april 2013 Tema 2 Forrige uke Repetisjon: parallelitet Noe helt nytt: strømmer Noe quizzaktivitet

Detaljer

Side 1. Oppgave 1. Prosedyrer 1.1. Prosedyrene f og g skal begge returnere prosedyrer. a. Skriv f slik at ((f a) b) returnerer summen av a og b.

Side 1. Oppgave 1. Prosedyrer 1.1. Prosedyrene f og g skal begge returnere prosedyrer. a. Skriv f slik at ((f a) b) returnerer summen av a og b. Side 1 Oppgave 1. Prosedyrer 1.1. Prosedyrene f og g skal begge returnere prosedyrer. a. Skriv f slik at ((f a) b) returnerer summen av a og b. (define (f a) (lambda (b) (add a b ))) b. Skriv g, uten å

Detaljer

IN Algoritmer og datastrukturer

IN Algoritmer og datastrukturer IN2010 - Algoritmer og datastrukturer HØSTEN 2018 Ingrid Chieh Yu Institutt for informatikk, Universitetet i Oslo Forelesning 3: Prioritetskø og Heap Ingrid Chieh Yu (Ifi, UiO) INF2010 H2018, forelesning

Detaljer

Live life and be merry

Live life and be merry Om grådighet og først litt mer DP. Live life and be merry Ellevte forelesning for tomorrow you may catch some disgusting skin disease. [Edmund Blackadder] 1 2 g i t k i s K o rt Grådighet All form for

Detaljer

Appendiks A Kontinuasjoner

Appendiks A Kontinuasjoner Appendiks A Kontinuasjoner Fra R5RS: "Whenever a Scheme expression is evaluated there is a continuation wanting the result of the expression." Eller med andre ord: En kontinuasjon i et program under utførelse

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Side 1 UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2810 Eksamensdag: 6. juni Tid for eksamen: 14.30 Oppgavesettet er på 4 sider pluss vedlegg Tillatte hjelpemiddel: Ingen

Detaljer

INF Algoritmer og datastrukturer

INF Algoritmer og datastrukturer INF2220 - Algoritmer og datastrukturer HØSTEN 2016 Ingrid Chieh Yu Institutt for informatikk, Universitetet i Oslo Forelesning 4: Prioritetskø og Heap Ingrid Chieh Yu (Ifi, UiO) INF2220 H2016, forelesning

Detaljer

Grådige algoritmer. Lars Vidar Magnusson Kapittel 16. Aktivitetvelgingsproblemet Huffmankoder

Grådige algoritmer. Lars Vidar Magnusson Kapittel 16. Aktivitetvelgingsproblemet Huffmankoder Grådige Algoritmer Lars Vidar Magnusson 12.3.2014 Kapittel 16 Grådige algoritmer Aktivitetvelgingsproblemet Huffmankoder Ideen bak Grådige Algoritmer Ideen bak grådige algoritmer er å løse optimaliseringsproblem

Detaljer

Dagens plan. INF Algoritmer og datastrukturer. Koding av tegn. Huffman-koding

Dagens plan. INF Algoritmer og datastrukturer. Koding av tegn. Huffman-koding Grafer Dagens plan INF2220 - Algoritmer og datastrukturer HØSTEN 2007 Institutt for informatikk, Universitetet i Oslo Avsluttende om grådige algoritmer (kap. 10.1.2) Dynamisk programmering Floyds algoritme

Detaljer

INF Algoritmer og datastrukturer

INF Algoritmer og datastrukturer INF2220 - Algoritmer og datastrukturer HØSTEN 2009 Institutt for informatikk, Universitetet i Oslo INF2220, forelesning 13: Eksamensgjennomgang Bjarne Holen (Ifi, UiO) INF2220 H2009, forelesning 13 1 /

Detaljer

INF2810: Funksjonell programmering: Introduksjon

INF2810: Funksjonell programmering: Introduksjon INF2810: Funksjonell programmering: Introduksjon Stephan Oepen & Erik Velldal Universitetet i Oslo 18. januar, 2013 Tema for i dag 2 Introduksjon Praktiske detaljer Pensum Obliger Lærebok Hva skal vi lære?

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i Eksamensdag: 12. desember 2008 Tid for eksamen: 9.00 12.00 Oppgavesettet er på 7 sider. Vedlegg: Tillatte hjelpemidler: INF2220

Detaljer

Symbolske data SICP 2.3

Symbolske data SICP 2.3 Symbolske data SICP 2.3 Vi har så langt alt vesentlig sett på tall enkeltstående tall, talluttrykk, og lister og trær med tall. Et av målene for John McCarthy (opphavsmannen til Lisp) var å lage et språk

Detaljer

Gjennomgåelse av eksamensoppgaven i HUMIT2710 fra våren 2004

Gjennomgåelse av eksamensoppgaven i HUMIT2710 fra våren 2004 Gjennomgåelse av eksamensoppgaven i HUMIT2710 fra våren 2004 Oppgave 1 For å komme nærmere kvadratroten til et tall fra en foreløpig tilnærming y, kan vi bruke formelen (y + /y)/2. Dette gir grunnlag for

Detaljer

Generelle Tips. INF Algoritmer og datastrukturer. Åpen og Lukket Hashing. Hashfunksjoner. Du blir bedømt etter hva du viser at du kan

Generelle Tips. INF Algoritmer og datastrukturer. Åpen og Lukket Hashing. Hashfunksjoner. Du blir bedømt etter hva du viser at du kan Generelle Tips INF2220 - lgoritmer og datastrukturer HØSTEN 2009 Institutt for informatikk, Universitetet i Oslo Du blir bedømt etter hva du viser at du kan Du må begrunne svar Du må ikke skrive av bøker

Detaljer

INF110 Algoritmer og datastrukturer TRÆR. Vi skal i denne forelesningen se litt på ulike typer trær:

INF110 Algoritmer og datastrukturer TRÆR. Vi skal i denne forelesningen se litt på ulike typer trær: TRÆR Vi skal i denne forelesningen se litt på ulike typer trær: Generelle trær (kap. 4.1) Binærtrær (kap. 4.2) Binære søketrær (kap. 4.3) Den siste typen trær vi skal behandle, B-trær (kap. 4.7) kommer

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Side 1 UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2810 Eksamensdag: 7. juni Tid for eksamen: 14.30 Oppgavesettet er på 5 sider Vedlegg Relevante prosedyrer Tillatte

Detaljer

Vi skal se på lambda-uttrykk. Følgende er definerte og vil bli brukt gjennom oppgaven

Vi skal se på lambda-uttrykk. Følgende er definerte og vil bli brukt gjennom oppgaven SLI 230 - side 2 av 8 EKSAMENSOPPGAVE - SLI 230 - VÅR 2000 Nedenfor følger eksamensoppgaver i SLI 230. Først om oppgavene Bakerst følger to sider med hjelp slik det er avtalt - liste over primitiver fra

Detaljer

Oppgave 1 Minimum edit distance

Oppgave 1 Minimum edit distance INF-2810 V 2012 Oppgavesett 10, kalenderuke 12. Oppgave 1 Minimum edit distance Vi vil finne det minste antall redigeringsoperasjoner som kreves for å komme fra strengen A til strengen B. Strengene oppgis

Detaljer

Binære søketrær. En ordnet datastruktur med raske oppslag. Sigmund Hansen

Binære søketrær. En ordnet datastruktur med raske oppslag. Sigmund Hansen Binære søketrær En ordnet datastruktur med raske oppslag Sigmund Hansen Lister og trær Rekke (array): 1 2 3 4 Lenket liste (dobbelt-lenket): 1 2 3 4 Binært søketre: 3 1 4 2 Binære

Detaljer

INF2810: Funksjonell Programmering. Strømmer

INF2810: Funksjonell Programmering. Strømmer INF2810: Funksjonell Programmering Strømmer Stephan Oepen & Erik Velldal Universitetet i Oslo 12. april 2013 Tema 2 Forrige uke Litt mer i dybden om køer Eksperiment: live-programmering Tabeller som hierarkiske

Detaljer

Object [] element. array. int [] tall

Object [] element. array. int [] tall Datastrukturer Object [] int [] tall array element 0 1 2 3 4 5 0 1 2 3 4 5 6 7 8 40 55 63 17 22 68 89 97 89 graf lenkeliste graf Object data Node neste Node neste Node neste Node neste Node Node neste

Detaljer

INF2810: Funksjonell Programmering. Utsatt evaluering og strømmer

INF2810: Funksjonell Programmering. Utsatt evaluering og strømmer INF2810: Funksjonell programmering INF2810: Funksjonell Programmering Utsatt evaluering og strømmer Erik Velldal Universitetet i Oslo 12. april 2016 Tema Forrige gang Ny datastruktur, ny teknikk: Strømmer

Detaljer

Par og Lister (først et par sider fra forrige uke) Par er byggestener for lister og trær og sammensatte datatyper.

Par og Lister (først et par sider fra forrige uke) Par er byggestener for lister og trær og sammensatte datatyper. Par og Lister (først et par sider fra forrige uke) Par er byggestener for lister og trær og sammensatte datatyper. Par kan representeres grafiske slik: Som vi ser kan vi bruke cons til å lage par hvis

Detaljer

INF2810: Funksjonell Programmering. Strømmer

INF2810: Funksjonell Programmering. Strømmer INF2810: Funksjonell Programmering Strømmer Stephan Oepen & Erik Velldal Universitetet i Oslo 12. april 2013 Tema 2 Forrige uke Litt mer i dybden om køer Eksperiment: live-programmering Tabeller som hierarkiske

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Eksamen i UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamensdag: 13. desember 2011 Tid for eksamen: 14.30 18.30 Oppgavesettet er på 7 sider. Vedlegg: INF2220 lgoritmer og datastrukturer

Detaljer

Notater til INF2220 Eksamen

Notater til INF2220 Eksamen Notater til INF2220 Eksamen Lars Bjørlykke Kristiansen December 13, 2011 Stor O notasjon Funksjon Navn 1 Konstant log n Logaritmisk n Lineær n log n n 2 Kvadratisk n 3 Kubisk 2 n Eksponensiell n! Trær

Detaljer