This Paper Show
A short summary of this paper 32 Full PDFs related to this paper
Definisi• Divide: membagi persoalan menjadi beberapa upa-masalah yang memiliki kemiripan dengan persoalan semula namun berukuran lebih kecil (idealnya berukuran hampir sama), • Conquer (solve): memecahkan (menyelesaikan) masing-masing upa-masalah secara rekursif. • Combine: mengabungkan solusi masing-masing upa-masalah sehingga membentuk solusi persoalan semula. C sek O alig N u Q ER • Obyek persoalan yang dibagi : masukan (input) atau instances persoalan yang berukuran n seperti: - tabel (larik), - matriks, - eksponen, - dll, bergantung persoalannya. • Tiap-tiap upa-masalah mempunyai karakteristik yang sama (the same type) dengan karakteristik masalah asal • sehingga metode Divide and Conquer lebih natural diungkapkan dengan skema rekursif. Skema Umum Algoritma Divide and Conquer procedure DIVIDE_and_CONQUER(input n : integer) { Menyelesaikan masalah dengan algoritma D-and-C. Masukan: masukan yang berukuran n Keluaran: solusi dari masalah semula Deklarasi r, k : integer Algoritma if n n 0 then {ukuran masalah sudah cukup kecil } SOLVE upa-masalah yang berukuran n ini else Bagi menjadi r upa-masalah, masing-masing berukuran n/k for masing-masing dari r upa-masalah do DIVIDE_and_CONQUER(n/k) endfor COMBINE solusi dari r upa-masalah menjadi solusi masalah semula } endif Jika pembagian selalu menghasilkan dua upa-masalah yang berukuran sama: procedure DIVIDE_and_CONQUER(input n : integer) { Menyelesaikan masalah dengan algoritma D-and-C. Masukan: masukan yang berukuran n Keluaran: solusi dari masalah semula Deklarasi r, k : integer Algoritma if n n 0 then {ukuran masalah sudah cukup kecil } SOLVE upa-masalah yang berukuran n ini else Bagi menjadi 2 upa-masalah, masing-masing berukuran n/2 DIVIDE_and_CONQUER(upa-masalah pertama yang berukuran n/2) DIVIDE_and_CONQUER(upa-masalah kedua yang berukuran n/2) COMBINE solusi dari 2 upa-masalah endif Mencari Nilai Minimum dan Maksimum ( MinMaks)Persoalan: Misalkan diberikan tabel A yang berukuran n elemen dan sudah berisi nilai integer . Carilah nilai minimum dan nilai maksimum sekaligus di dalam tabel tersebut. Penyelesaian dengan Algoritma Brute Forceprocedure MinMaks1(input A : TabelInt, n : integer, output min, maks : integer) { Mencari nilai minimum dan maksimum di dalam tabel A yang berukuran n elemen, secara brute force. Masukan: tabel A yang sudah terdefinisi elemen-elemennya Keluaran: nilai maksimum dan nilai minimum tabel } Deklarasi i : integer Algoritma : min A 1 { inisialisasi nilai minimum} maksA 1 { inisialisasi nilai maksimum } for i2 to n do if A i < min then minA i endif if A i > maks then maksA i endif endfor – 1) + (n – 1) = 2n – 2 = O(n) T(n) = (n 10 Ide penyelesaian dengan Divide and ConquerContoh 4.1. Misalkan tabel A berisi elemen-elemen sebagai berikut: Ide dasar algoritma secara Divide and Conquer: SOLVE: tentukan min & maks pada tiap bagian min = 4 min = 1 maks = 23 maks = 35 COMBINE min = 1 11 maks = 35 • Ukuran tabel hasil pembagian dapat dibuat cukup kecil sehingga mencari minimum dan maksimum dapat diselesaikan (SOLVE) secara trivial. • Dalam hal ini, ukuran “kecil” yang dipilih adalah 1 elemen atau 2 elemen. MinMaks(A, n, min, maks) Algoritma: 1. Untuk kasus n = 1 atau n = 2, SOLVE: Jika n = 1, maka min = maks = A[n] Jika n = 2, maka bandingkan kedua elemen untuk menentukan min dan maks. 2. Untuk kasus n > 2, (a) DIVIDE: Bagi dua tabel A menjadi dua bagian yang sama, A1 dan A2 (b) CONQUER: MinMaks(A1, n/2, min1, maks1) MInMaks(A2, n/2, min2, maks2) (c) COMBINE: if min1 <min2 then min <- min1 else min <- min2 if maks1 <maks2 then maks <- maks2 else maks <- maks1 Contoh 4.2. Tinjau kembali Contoh 4.1 di atas. DIVIDE dan CONQUER: SOLVE dan COMBINE: maks = 12 maks = 23 min = 1 maks = 35 min = 1 maks = 35 Deklarasi min1, min2, maks1, maks2 : integer Algoritma: if i=j then { 1 elemen } minA i maksA i else if (i = j-1) then { 2 elemen } if A i <A j then maksA j minA i else maksA i minA j endif else { lebih dari 2 elemen } k(i+j) div 2 { bagidua tabel pada posisi k } MinMaks2(A, i, k, min1, maks1) MinMaks2(A, k+1, j, min2, maks2) if min1 < min2 then minmin1 else minmin2 endif if maks1<maks2 then maksmaks2 else maksmaks2 endif Kompleksitas waktu asimptotik: 1 , n 2 2 T ( n / 2 ) 2 , n 2 Penyelesaian: Asumsi: n = 2 k , dengan k bilangan bulat positif, maka T (n) = 2T(n/2) + 2 = 2(2T(n/4) + 2) + 2 = 4T(n/4) + 4 + 2 = 4T(2T(n/8) + 2) + 4 + 2 = 8T(n/8) + 8 + 4 + 2 = ... = n/2 + n –2 = 3n/2 –2 16 = O(n) Bandingkan: • MinMaks1 secara brute force : T(n) = 2n – 2 • MinMaks2 secara divide and conquer: T(n) = 3n/2 – 2 • Perhatikan: 3n/2 – 2 < 2n – 2 , n 2. • Kesimpulan: algoritma MinMaks lebih mangkus dengan algoritma Divide and Conquer. • Algoritma divide and conquer dapat membantu kita menemukan algoritma yang mangkus. Algoritma Pengurutan Secara Divide and Conquerprocedure Sort(input/output A : TabelInt, input n : integer) { Mengurutkan tabel A dengan metode Divide and Conquer Masukan: Tabel A dengan n elemen Keluaran: Tabel A yang terurut Algoritma: if Ukuran(A) > 1 then Bagi A menjadi dua bagian, A1 dan A2, masing-masing berukuran n1 dan n2 (n = n1 + n2) Sort(A1, n1) { urut bagian kiri yang berukuran n1 elemen } Sort(A2, n2) { urut bagian kanan yang berukuran n2 elemen } Combine(A1, A2, A) { gabung hasil pengurutan bagian kiri dan bagian kanan } end Contoh: 4 12 3 9 1 21 5 2 A Dua pendekatan (approach) pengurutan: 1. Mudah membagi, sulit menggabung (easy split/hard join) Tabel A dibagidua berdasarkan posisi elemen: A 1 4 12 3 9 A 2 1 21 5 2 Divide: A 1 3 4 9 12 A 2 1 2 5 21 Sort: Combine: A 1 1 2 3 4 5 9 12 21 Algoritma pengurutan yang termasuk jenis ini: a. urut-gabung (Merge Sort) b. urut-sisip (Insertion Sort) 2. Sulit membagi, mudah menggabung (hard split/easy join) Tabel A dibagidua berdasarkan nilai elemennya. Misalkan elemen-elemen A1 elemen-elemen A2. 4 12 3 9 1 21 5 2 A A 1 4 2 3 1 A 2 9 21 5 Divide: 12 A 1 1 2 3 4 A 2 5 9 Sort: 12 21 A 1 2 3 4 5 9 Combine: 12 21 Algoritma pengurutan yang termasuk jenis ini: a. urut-cepat (Quick Sort) b. urut-seleksi (Selection Sort) (a) Merge Sort• Ide merge sort: Merge SortAlgoritma: 1. Untuk kasus n = 1, maka tabel A sudah terurut dengan sendirinya (langkah SOLVE).2. Untuk kasus n > 1, maka(a) DIVIDE: bagi tabel A menjadi dua bagian, bagian kiri dan bagian kanan, masing-masing bagian berukuran n/2 elemen. (b) CONQUER: Secara rekursif, terapkan algoritma D-and-C pada masing-masing bagian. (c) MERGE: gabung hasil pengurutan kedua bagian sehingga diperoleh tabel A yang terurut. Contoh Merge: Proses merge : Contoh 4.3. Misalkan tabel A berisi elemen-elemen berikut: DIVIDE, CONQUER, dan SOLVE: MERGE: 4 12 9 23 1 21 2 5 { Mengurutkan tabel A[i..j] dengan algoritma Merge Sort Masukan: Tabel A dengan n elemen Keluaran: Tabel A yang terurut Deklarasi: k : integer Algoritma: if i < j then { Ukuran(A)> 1} k(i+j) div 2 MergeSort(A, i, k) MergeSort(A, k+1, j) Merge(A, i, k, j) endif Prosedur Merge: procedure Merge(input/output A : TabelInt, input kiri,tengah,kanan : integer) { Menggabung tabel A[kiri..tengah] dan tabel A[tengah+1..kanan] menjadi tabel A[kiri..kanan] yang terurut menaik. Masukan: A[kiri..tengah] dan tabel A[tengah+1..kanan] yang sudah terurut menaik. Keluaran: A[kiri..kanan] yang terurut menaik. } Deklarasi B : TabelInt i, kidal1, kidal2 : integer Algoritma: kidal1kiri { A[kiri .. tengah] } kidal2tengah + 1 { A[tengah+1 .. kanan] } ikiri while (kidal1 tengah) and (kidal2 kanan) do if A kidal1 A kidal2 then B i A kidal1 kidal1kidal1 + 1 else B i A kidal2 kidal2kidal2 + 1 endif ii + 1 endwhile { kidal1 > tengah or kidal2 > kanan } { salin sisa A bagian kiri ke B, jika ada } while (kidal1 tengah) do B i A kidal1 kidal1kidal1 + 1 ii + 1 endwhile { kidal1 > tengah } { salin sisa A bagian kanan ke B, jika ada } while (kidal2 kanan) do B i A kidal2 kidal2kidal2 + 1 ii + 1 endwhile { kidal2 > kanan } { salin kembali elemen-elemen tabel B ke A } for ikiri to kanan do A i B i endfor { diperoleh tabel A yang terurut membesar } Kompleksitas waktu: Asumsi: n = 2 k T (n) = jumlah perbandingan pada pengurutan dua buah upatabel + jumlah perbandingan pada prosedur Merge 2 T ( n / 2 ) cn , n 1 Penyelesaian: T(n) = 2T(n/2) + cn = 2(2T(n/4) + cn/2) + cn = 4T(n/4) + 2cn = 4(2T(n/8) + cn/4) + 2cn = 8T(n/8) + 3cn = ... k =2 T(n/2 ) +kcn Berhenti jika ukuran tabel terkecil, n = 1: 2 T (n) = nT(1) + cn log n = na + cn log n 2 = O(n log n) (b) Insertion Sortprocedure InsertionSort(input/output A : TabelInt, input i, j : integer) { Mengurutkan tabel A[i..j] dengan algoritma Insertion Sort. Masukan: Tabel A dengan n elemen Keluaran: Tabel A yang terurut Deklarasi: k : integer Algoritma: if i < j then { Ukuran(A)> 1} ki InsertionSort(A, i, k) InsertionSort(A, k+1, j) Merge(A, i, k, j) endif Perbaikan: procedure InsertionSort(input/output A : TabelInt, input i, j : integer) { Mengurutkan tabel A[i..j] dengan algoritma Insertion Sort. Masukan: Tabel A dengan n elemen Keluaran: Tabel A yang terurut Deklarasi: k : integer Algoritma: if i < j then { Ukuran(A)> 1} ki InsertionSort(A, k+1, j) Merge(A, i, k, j) endif Prosedur Merge diganti dengan prosedur penyisipan sebuah elemen pada tabel yang sudah terurut (lihat algoritma Insertion Sort versi iteratif). Contoh 4.4. Misalkan tabel A berisi elemen-elemen berikut: DIVIDE, CONQUER, dan SOLVE:: MERGE: 4 12 3 9 1 21 2 5 Kompleksitas waktu algoritma Insertion Sort: T ( n 1 ) cn , n 1 Penyelesaian: T (n) = cn + T(n – 1) = cn + { c (n – 1) + T(n – 2) } = cn + c(n – 1) + { c (n – 2) + T(n – 3) } = cn + c (n – 1) + c (n – 2) + {c(n – 3) + T(n – 4) } = ... = cn + c (n – 1) + c(n – 2) + c(n – 3) + ... + c2 + T(1) = c{ n + (n – 1) + (n – 2) + (n – 3) + ... + 2 } + a = c{ (n – 1)(n + 2)/2 } + a 2 = cn /2 + cn/2 + (a –c) 2 = O(n ) (c) Quick Sort• Ditemukan oleh Tony Hoare tahun 1959 dan dipublikasikan tahun 1962. • Termasuk pada pendekatan sulit membagi, mudah menggabung (hard split/easy join) • Tabel A dibagi (istilahnya: dipartisi) menjadi A 1 dan A2 sedemikian sehingga elemen- elemen A1 elemen-elemen A2. A Partisi: 2 9 21 5 12 A Sort: 2 5 9 12 21 A Combine: 1 2 3 4 5 9 12 21 • Terdapat beberapa varian Algoritma Quicksort. Versi orisinal adalah Hoare seperti di bawah ini: Teknik mem-partisi tabel: (i) pilih x { A[1], A[2], ..., A[n] } sebagai pivot, (ii) pindai tabel dari kiri sampai ditemukan A[p] x (iii) pindai tabel dari kanan sampai ditemukan A[q] x (iv) pertukarkan A[p] A[q] (v) ulangi (ii), dari posisi p + 1, dan (iii), dari posisi q –1, sampai kedua pemindaian bertemu di tengah tabel Contoh 4.6. Misalkan tabel A berisi elemen-elemen berikut: Langkah-langkah partisi: (i): 8 1 4 6 9 3 5 7 pivot (ii) & (iii): 8 p q (iv): (ii) & (iii): 5 (ii) & (iii): 5 q p (q < p, berhenti) Hasil partisi pertama: kiri: kanan: (q > p , berhenti) (q > p , berhenti) p q p q p>q, berhenti q p q p p>q p>q 1 3 4 5 6 7 8 9 (terurut) Pseudo-code Quick Sort: procedure QuickSort(input/output A : TabelInt, input i,j: integer) { Mengurutkan tabel A[i..j] dengan algoritma Quick Sort. Masukan: Tabel A[i..j] yang sudah terdefinisi elemen-elemennya. Keluaran: Tabel A[i..j] yang terurut menaik. Deklarasi k : integer Algoritma: if i < j then { Ukuran(A) > 1 } Partisi(A, i, j, k) { Dipartisi pada indeks k } QuickSort(A, i, k) { Urut A[i..k] dengan Quick Sort } QuickSort(A, k+1, j) { Urut A[k+1..j] dengan Quick Sort } endif { Membagi tabel A[i..j] menjadi upatabel A[i..q] dan A[q+1..j] Masukan: Tabel A[i..j]yang sudah terdefinisi harganya. Keluaran upatabel A[i..q] dan upatabel A[q+1..j] sedemikian sehingga elemen tabel A[i..q] lebih kecil dari elemen tabel A[q+1..j] Deklarasi pivot, temp : integer Algoritma: pivotA[(i + j) div 2] { pivot = elemen tengah} pi qj repeat while A[p] < pivot do pp+1 endwhile { A[p] >= pivot} while A[q] > pivot do qq –1 endwhile { A[q] <= pivot} if p < q then {pertukarkan A[p] dengan A[q] } swap(A[p], A[q]) {tentukan awal pemindaian berikutnya } pp+1 qq-1 endif until p > q Versi kedua: Partisi sedemikian rupa sehingga elemen-elemen larik kiri pivot dan elemen-elemen larik kanan dari pivot. pivot Contoh: pivot Partisi 2, 3, 1, 4, 5 , 8, 9, 7 Semua pivot Semua pivot Pseudo-code Quick Sort versi 2: procedure QuickSort2(input/output A : TabelInt, input i,j: integer) { Mengurutkan tabel A[i..j] dengan algoritma Quick Sort. Masukan: Tabel A[i..j] yang sudah terdefinisi elemen-elemennya. Keluaran: Tabel A[i..j] yang terurut menaik. Deklarasi k : integer Algoritma: if i < j then { Ukuran(A) > 1 } Partisi2(A, i, j, k) { Dipartisi pada indeks k } QuickSort2(A, i, k-1) { Urut A[i..k-1] dengan Quick Sort } QuickSort2(A, k+1, j) { Urut A[k+1..j] dengan Quick Sort } endif { Membagi tabel A[i..j] menjadi upatabel A[i..q] dan A[q+1..j] Masukan: Tabel A[i..j]yang sudah terdefinisi harganya. Keluaran upatabel A[i..q] dan upatabel A[q+1..j] sedemikian sehingga elemen tabel A[i..q] lebih kecil dari pivot dan elemen tabel A[q+1..j] lebih besar dari pivot Deklarasi pivot : integer p : integer Algoritma: pivotA[i] { missal pivot = elemen pertama} pi q j+1 repeat repeat pp+1 until A[p] pivot repeat qq –1 until A[q] pivot swap(A[p], A[q]) {pertukarkan A[p] dengan A[q] } until p q swap(A[p], A[q]) { undo last swap when p q } swap(A[i], A[q]) Contoh: (Levitin, 2003) p stop sebab p > q 2 3 1 4 5 8 9 7 p q p q 2 1 3 4 8 7 9 2 1 3 4 8 7 9 q p q p 1 2 3 4 7 8 9 1 3 4 7 9 q p 4 Terurut: Cara pemilihan pivot: 1. Pivot = elemen pertama/elemen terakhir/elemen tengah tabel2. Pivot dipilih secara acak dari salah satu elemen tabel.3. Pivot = elemen median tabelKompleksitas Algoritma Quicksort: 1. Kasus terbaik (best case) • Kasus terbaik terjadi bila pivot adalahelemen median sedemikian sehingga kedua upatabel berukuran relatif sama setiap kali pempartisian. n /2 n /4 n /4 n /4 n/4 n/8 n/8 n/8 n/8 n/8 n/8 n/8 n /8 2 T ( n / 2 ) cn , n 1 Penyelesaian (seperti pada Merge Sort): T (n) = 2T(n/2) + cn = na + cn log n = O(n log n). 2. Kasus terburuk (worst case) • Kasus ini terjadi bila pada setiap partisi pivotselalu elemen maksimum (atau elemen minimum) tabel. • Kasus jika tabel sudah terurut menaik/menurun 1 n –1 1 n –2 1 n –3 Kompleksitas waktu pengurutan: T ( n 1 ) cn , n Penyelesaian (seperti pada Insertion Sort): T (n) = T(n – 1) + cn = O(n ). 3. Kasus rata-rata (average case) • Kasus ini terjadi jika pivot dipilih secara acakdari elemen tabel, dan peluang setiap elemen dipilih menjadi pivot adalah sama. •T avg (n) = O(n log n). (d) Selection Sortprocedure SelectionSort(input/output A : TabelInt, input i,j: integer) { Mengurutkan tabel A[i..j] dengan algoritma Selection Sort. Masukan: Tabel A[i..j] yang sudah terdefinisi elemen-elemennya. Keluaran: Tabel A[i..j] yang terurut menaik. Algoritma: if i < j then { Ukuran(A) > 1 } Bagi(A, i, j) SelectionSort(A, i+1, j) endif { Mencari elemen terkecil di dalam tabel A[i..j], dan menempatkan elemen terkecil sebagai elemen pertama tabel. Masukan: A[i..j] Keluaran: A[i..j] dengan A i adalah elemen terkecil. Deklarasi idxmin, k, temp : integer Algoritma: idxmini for ki+1 to jdo if A k <A idxmin then idxmink endif endfor { pertukarkan A i dengan A idxmin } tempA i A i A idxmin A idxmin temp Contoh 4.5. Misalkan tabel A berisi elemen-elemen berikut: Langkah-langkah pengurutan dengan Selection Sort: Kompleksitas waktu algoritma: T ( n 1 ) cn , n 1 Penyelesaian (seperti pada Insertion Sort): T (n) = O(n ). Teorema MasterMisalkan T(n) adalah fungsi menaik yang memenuhi relasi rekurens: T d (n) = aT(n/b) + cn yang dalam hal ini n = b k , k = 1, 2, …, a 1, b 2, dan c dan d adalah bilangan riil 0, maka jika a b T (n) adalah O ( n log n ) jika a b ) jika a b log b a d Contoh: Pada algoritma Mergesort/Quick Sort, 2 T ( n / 2 ) cn , n 1 Menurut Teorema Master, a = 2, b = 2, d = 1, dan a d =b , maka relasi rekurens: T (n) = 2T(n/2) + cn = O(n log n) Persoalan Pemasangan UbinPersoalan: Diberikan sebuah papan yang berukuran 2 2k ×2 . Tersedia sebuah ubin dan 2 – 1 buah ubin kk yang terdiri dari kelompok 3-ubin berbentuk huruf L. Pasanglah semua ubin pada papan tersebut. Algoritma D & C: • Bagi papan menjadi 4 bagian • Ubin tunggal dapat ditaruh di mana saja. • Tempatkan kelompok 3-ubin berbentuk L pada bagian tengah yang tidak ada ubin tunggal Latihan• (Soal UTS 2011) Misalkan anda mempunyai array A[1..n] yang telah berisi n elemen integer. Elemen mayoritas di dalam A adalah elemen yang terdapat pada lebih dari n/2 posisi (jadi, jika n = 6 atau n = 7, elemen mayoritas terdapat pada paling sedikit 4 posisi). Rancanglah algoritma divide and conquer (tidak dalam bentuk pseudo-code, tapi dalam bentuk uraian deskriptif) untuk menemukan elemen mayoritas di dalam A (atau menentukan tidak terdapat elemen mayoritas). Jelaskan algoritma anda dengan contoh sebuah array berukuran 8 elemen. Selanjutnya, perkirakan kompleksitas algoritmanya dalam hubungan rekursif (misalnya T(n) = bT(n/p) + h(n)), lalu selesaikan T(n) tersebut. Solusi: 1. Jika n = 1, maka elemen tunggal tersebut adalah mayoritasnya sendiri. 2. Jika n > 1, maka bagi array menjadi dua bagian (kiri dan kanan) yang masing-masing berukuran sama (n/2). 3. Tahap combine. Ada empat kemungkinan kasus: Kasus 1: tidak ada mayoritas pada setiap bagian, sehingga array gabungan keduanya tidak memiliki mayoritas. Return : “no majority” Contoh: Ingat definisi no majority no majority mayoritas! “no majority” Kasus 2: bagian kanan memiliki mayoritas, bagian kiri tidak. Pada array gabungan, hitung jumlah elemen yang sama dengan elemen mayoritas bagian kanan tersebut; Jika elemen tersebut mayoritas, return elemen tersebut, kalau tidak return “no majority” Contoh: Ingat definisi mayoritas! no majority majority = 4 Ingat definisi 4 3 4 2 7 4 4 4 mayoritas! Jumlah elemen 4 = 5 buah mayoritas “majority = 4” 69 Contoh lain (tidak ada mayoritas): no majority majority = 4 4 3 5 2 7 4 4 4 Jumlah elemen 4 = 4 buah bukan mayoritas “no majority” Kasus 3: bagian kiri memiliki mayoritas, bagian kanan tidak. Pada array gabungan, hitung jumlah elemen yang sama dengan elemen mayoritas bagian kiri tersebut. Jika elemen tersebut mayoritas, return elemen tersebut, kalau tidak return “no majority” Contoh: majority = 3 no majority 3 3 4 3 7 3 3 4 Jumlah elemen 3 = 5 buah mayoritas “majority = 3” 71 Kasus 4: bagian kiri dan bagian kanan memiliki mayoritas, Pada array gabungan, hitung jumlah elemen yang sama dengan kedua elemen kandidat mayoritas tersebut. Jika salah satu kandidat adalah elemen mayoritas, return elemen tersebut, kalau tidak return “no majority” Jumlah elemen 3 = 3 buah Jumlah elemen 4 = 5 buah mayoritas “majority = 4” Contoh keseluruhan: divide 4 3 4 4 4 5 4 3 solve m=4 m=3 m=4 m=4 m=4 m=5 m=4 m=3 4 3 4 4 4 5 4 3 combine m=4 nm m=4 Kompleksitas waktu algoritma mayoritas: T (n) adalah jumlah operasi perbandingan yang terjadi (pada saat menghitung jumlah elemen yang sama dengan kandidat mayoritas) Pada setiap level terdapat dua pemanggilan rekursif, masing-masing untuk n/2 elemen array. Jumlah perbandingan yang terjadi paling banyak 2n (upper bound ) yaitu pada kasus 4, untuk array berukuran n. Secara umum jumlah perbandingan = cn. Untuk n = 1, jumlah perbandingan = 0, secara umum = a. Jadi, 2 T ( n / 2 ) cn , n 1 Menurut Teorema Master, T (n) = 2T(n/2) + cn = O(n log n) Mencari Pasangan Titik yang Jaraknya Terdekat ( Closest Pair)Persoalan: Diberikan himpunan titik, P, yang terdiri dari n buah titik, (x i ,y i ), pada bidang 2-D. Tentukan sepasang titik di dalam P yang jaraknya terdekat satu sama lain. 77 Jarak dua buah titik p 1 = (x 1 ,y 1 ) dan p 2 = (x 2 ,y 2 ): Penyelesaian secara Brute Force • Hitung jarak setiap pasang titik. Ada sebanyak C(n, 2) = n(n – 1)/2 pasangan titik • Pilih pasangan titik yang mempunyai jarakterkecil. • Kompleksitas algoritma adalah O(n ). Penyelesaian secara Divide and Conquer• Asumsi: n = 2 dan titik-titik sudah diurut berdasarkan absis (x). • Algoritma Closest Pair: 1. SOLVE: jika n = 2, maka jarak keduatitik dihitung langsung dengan rumus Euclidean. 2. DIVIDE: Bagi himpunan titik ke dalam dua bagian, S 1dan S 2 , setiap bagian mempunyai jumlah titik yang sama. L adalah garis maya p yang membagi dua 4 himpunan titik ke dalam dua p sub-himpunan, masing- masin n/2 titik. p 1 1 Garis L dapat dihampiri sebagai 2y =x n /2 dengan asumsi titik-titik diurut menaik berdasarkan absis. 3. CONQUER: Secara rekursif, terapkan algoritma D- and-C pada masing-masing bagian.4. COMBINE: Pasangan titik yang jaraknya terdekat ada tiga kemungkinan letaknya:(a) Pasangan titik terdekat terdapat di bagian S 1 . (b) Pasangan titik terdekat terdapat di bagian S 2 . (c) Pasangan titik terdekat dipisahkan oleh garisbatas L, yaitu satu titik di S 1 dan satu titik di S 2 . Jika kasusnya adalah (c), maka lakukan tahap ketiga untuk mendapatkan jarak dua titik terdekat sebagai solusi persoalan semula. output d : real) { Mencari jarak terdekat sepasang titik di dalam himpunan P. } Deklarasi: d1, d2 : real Algoritma: if n = 2 then d jarak kedua titik dengan rumus Euclidean else S1 {p 1 ,p 2 ,..., p n/2 } S2 {p n/2+1 ,p n/2+2 ,..., p n } FindClosestPair2(S1, n/2, d1) FindClosestPair2(S2, n/2, d2) d MIN(d1,d2) {--***********************************************--} Tentukan apakah terdapat titik p l di S1 dan p r di S2 dengan jarak(p l ,p r ) < d. Jika ada, set d dengan jarak terkecil tersebut. {--***********************************************--} endif • Jika terdapat pasangan titik p l and p r yang jaraknya lebih kecil dari d, maka kasusnya adalah: (i) Absis x dari p l dan p r berbeda paling banyak sebesar d. (ii) Ordinat y dari p l dan p r berbeda paling banyak sebesar d. • Ini berarti p and p adalah sepasang titik yang berada l r di daerah sekitar garis vertikal L: • Berapa lebar strip abu-abu tersebut? • Kita membatasi titik-titik di dalam strip selebar 2d S strip • Oleh karena itu, implementasi tahap ketiga adalah sbb: (i) Temukan semua titik di S1 t yang memiliki absis x minimal x n/2 – d. (ii ) Temukan semua titik di S2 yang memiliki absis x maksimal x n/2 +d . Sebut semua titik-titik yang ditemukan pada langkah (i) dan (ii) tersebut sebagai himpunan S strip yang berisi s buah titik. Urutkan titik-titik tersebut dalam urutan ordinat y yang menaik. Misalkan q1, q2 , ..., qs menyatakan hasil pengurutan. else d3 EUCLIDEAN(q i ,q j ) if d3 < d then d d3 endif endif endfor endfor • Jika diamati, kita tidak perlu memeriksa semua titik di dalam area strip abu-abu tersebut. Untuk sebuah titik P di sebelah kiri garis L, kita hanya perlu memeriksa paling banyak enam buah titik saja yang jaraknya sebesar d dari ordinat P (ke atas dan ke bawah), serta titik-titik yang berjarak d dari garis L. • Pengurutan titik-titik dalam absis x dan ordinat y dilakukan sebelum menerapkan algoritma Divide and Conquer . • Pemrosesan titik-titk di dalam S memerlukan strip waktu t(n) = cn = O(n). • Kompleksitas algoritma: 2 T ( n / 2 ) cn , n 2 Solusi dari persamaan di atas adalah T(n) = O(n log n), sesuai dengan Teorema Master Perpangkatan n aMisalkan a R dan n adalah bilangan bulat tidak negatif: a n =a×a× … × a (n kali), jika n > 0 =1 , jika n = 0 Penyelesaian dengan Algoritma Brute Force function Exp1(input a, n : integer)integer { Menghitung a n , a > 0 dan n bilangan bulat tak-negatif Masukan: a, n Keluaran: nilai perpangkatan. Deklarasi k, hasil : integer Algoritma: hasil1 for k1 to n do hasilhasil * a endfor return hasil Kompleksitas waktu algoritma: T (n) = n = O(n) Penyelesaian dengan Divide and ConquerAlgoritma menghitung a n : 1. Untuk kasus n = 0, maka a n = 1.2. Untuk kasus n > 0, bedakan menjadi dua kasus lagi:a n (i) jika n genap, maka a /2 =a n /2 n (ii) jika n ganjil, maka a /2 =a a a n /2 Contoh 4.6. Menghitung 3 16 dengan metode Divide and Conquer: Conquer } Algoritma: if n = 0 then return 1 else if odd(n) then { fungsi ganjil } return Exp2(a, n div 2)* Exp2(a, n div 2) * a else return Exp2(a, n div 2)* Exp2(a, n div 2) endif endif Tidak mangkus, karena ada dua kali pemanggilan rekursif untuk nialai parameter yang sama Exp2(a, n div 2) Perbaikan: function Exp3(input a :real, n : integer) real { mengembalikan nilai a^n, dihitung dengan metode Divide and Conquer } Algoritma: if n = 0 then return 1 else xExp3(a, n div 2) if odd(n) then { fungsi n ganjil } return x * x * a else return x * x endif endif Kompleksitas algoritma: Penyelesaian: T (n) = 1 + T( n/2 ) = 1 + (1 + T( n/4 ) = 2 + T( n/4 ) = 2 + (1 + T( n/8 ) = 3 + T( n/8 ) = ... k = k + T( n/2 ) Persamaan terakhir diselesaikan dengan membuat n/2 =1, k (n/2 )=1 log (n/2 log n + T(1) 2 = log n + 1 + T(0) 2 = log n +1+0 2 = log n +1 =O( log n) Perkalian Matriks• Misalkan A dan B dua buah matrik berukuran n n. • Perkalian matriks: C = A × B Elemen-elemen hasilnya: c ij a i 1 b 1 j a i 2 b 2 j a in b nj a ik b kj Penyelesaian dengan Algoritma Brute Force function KaliMatriks1(input A,B: Matriks, input n : integer) Matriks { Memberikan hasil kali matriks A dan B yang berukuran n × n. Masukan: matriks integer A dan B, ukuran matriks (n) Keluaran: matriks C = A B. Deklarasi i, j, k : integer C : Matriks Algoritma: for i1 to n do for j1 to n do C i,j 0 { inisialisasi penjumlah } for k 1 to n do C i,j C i,j +A i,k *B k,j endfor endfor endfor return C 3 3 Kompleksitas algoritma: T(n) = n 3 +n = O(n ). Penyelesaian dengan Algoritma Divide and Conquer Matriks A dan B dibagi menjadi 4 buah matriks bujur sangkar. Masing-masing matriks bujur sangkar berukuran n/2 n/2: A 11 A 12 B 11 B 12 C 11 C 12 A 21 A 22 B 21 B 22 C 21 C 22 Elemen-elemen matriks C adalah: C 11 = A11 B11 + A12 B21 C 12 = A11 B12 + A12 B22 C 21 = A21 B11 + A22 B21 C 22 = A21 B12 + A22 B22 Contoh 4.7. Misalkan matriks A adalah sebagai berikut: Matriks A dibagi menjadi 4 upa-matriks 2 x 2: 2 3 A 11 = A22 = 21 5 12 10 45 9 0 1 A12 = A21 = Masukan: matriks integer A dan B, ukuran matriks (n) Keluaran: matriks C = A B. Deklarasi i, j, k : integer A11, A12, A21, A22, B11, B12, B21, B22, C11, C12, C21, C22 : Matriks Algoritma: if n = 1 then return A B { perkalian biasa } else Bagi A menjadi A11, A12, A21, dan A22 yang masing -masing berukuran n/2 n/2 Bagi B menjadi B11, B12, B21, dan B22 yang masing-masing berukuran n/2 n/2 C11 KaliMatriks2(A11, B11, n/2) + KaliMatriks2(A12, B21, n/2) C12 KaliMatriks2(A11, B12, n/2) + KaliMatriks2(A12, B22, n/2) C21 KaliMatriks2(A21, B11, n/2) + KaliMatriks2(A22, B21, n/2) C22 KaliMatriks2(A21, B12, n/2) + KaliMatriks2(A22, B22, n/2) return C { C adalah gabungan C11, C12, C13, C14 } endif Pseudo-code algoritma penjumlahan (+), C = A + B: function Tambah(input A, B : Matriks, input n : integer) Matriks { Memberikan hasil penjumlahkan dua buah matriks, A dan B, yang berukuran n × n. Masukan: matriks integer A dan B, ukuran matriks (n) Keluaran: matriks C = A + B Deklarasi i, j, k : integer Algoritma: for i 1 to n do for j 1 to n do C i,j A i,j +B i,j endfor endfor return C Kompleksitas waktu perkalian matriks seluruhnya adalah: 8 T ( n / 2 ) cn , n 1 yang bila diselesaikan, hasilnya adalah: 3 T (n) = O(n ) Hasil ini tidak memberi perbaikan kompleksitas dibandingkan dengan algoritma brute force. Dapatkah kita membuat algoritma perkalian matriks yang lebih baik? Algoritma Perkalian Matriks Strassen Hitung matriks antara: M 1 = (A12 – A22)(B21 + B22) M 2 = (A11 + A22)(B11 + B22) M 3 = (A11 – A21)(B11 + B12) M 4 = (A11 + A12)B22 M 5 = A11 (B12 – B22) M 6 = A22 (B21 – B11) M 7 = (A21 + A22)B11 maka, C 11 = M1 + M2 – M4 + M6 C 12 = M4 + M5 C 21 = M6 + M7 C 22 = M2 – M3 + M5 – M7 • Volker Strassen (born April 29, 1936) is a German mathematician, a professor emeritus in the department of mathematics and statistics at the University of Konstanz. • In 2008 he was awarded the Knuth Prize for "seminal and influential contributions to the design and analysis of efficient algorithms." [5] Kompleksitas waktu algoritma perkalian matriks Strassen: 7 T ( n / 2 ) cn , n 1 yang bila diselesaikan, hasilnya adalah log 7 T (n) = O(n ) = O(n ) Perkalian Dua Buah Bilangan Bulat yang BesarPersoalan: Misalkan bilangan bulat X dan Y yang panjangnya n angka X =x 1 x 2 x 3 …x n Y =y 1 y 2 y 3… y n Hitunglah hasil kali X dengan Y. Contoh 4.8. Misalkan, X = 1234 (n = 4) Y = 5678 (n = 4) Cara klasik mengalikan X dan Y: X Y = 1234 8368 7404 6170 + 7006652 ( 7 angka) Pseudo-code algoritma perkalian matriks: function Kali1(input X, Y : LongInteger, n : integer) LongInteger { Mengalikan X dan Y, masing-masing panjangnya n digit dengan algoritma brute force. Masukan: X dan Y yang panjangnya n angka Keluaran: hasil perkalian Deklarasi temp, AngkaSatuan, AngkaPuluhan : integer Algoritma: for setiap angka y i dari y n ,y n-1 , …, y 1 do AngkaPuluhan 0 for setiap angka x j dari x n ,x n-1 , …, x 1 do temp x j *y i temp temp + AngkaPuluhan AngkaSatuan temp mod 10 AngkaPuluhan temp div 10 tuliskan AngkaSatuan endfor endfor Z Jumlahkan semua hasil perkalian dari atas ke bawah return Z Kompleksitas algoritma: O(n 111 ). Penyelesaian dengan Algoritma Divide and Conquer X dan Y dapat dinyatakan dalam a, b, c, d, dan s sebagai s X =a 10 +b Y s =c 10 +d Contoh, X = 346769 = 346 10 + 769 Y = 279431 = 279 10 + 431 Perkalian X dengan Y dinyatakan sebagai X Y = (a 10 + b) (c 10 + d) = ac 10 + ad 10 + bc 10 + bd 2s = ac 10 + (ad + bc) 10 + bd 2s Pseudo-code perkalian X dan Y: function Kali2(input X, Y : LongInteger, n : integer) LongInteger { Mengalikan X dan Y, masing-masing panjangnya n digit dengan algoritma Divide and Conquer. Masukan: X dan Y Keluaran: hasil perkalian X dan Y Deklarasi a, b, c, d : LongInteger s : integer Algoritma: if n = 1 then return X * Y { perkalian biasa } else sn div 2 { bagidua pada posisi s } aX div 10 s bX mod 10 s c Y div 10 s d Y mod 10 s return Kali2(a, c, s)*10 s + Kali2(b, c, s)*10 + Kali2(a, d, s)*10 s + Kali2(b, d, s) 2s endif Kompleksitas waktu algoritma: 114 4 T ( n / 2 ) cn , n 1 • Penyelesaian: T 2 (n) = O(n ). • Ternyata, perkalian dengan algoritma Divide and Conquer seperti di atas belum memperbaiki kompleksitas waktu algoritma perkalian secara brute force. • Adakah algoritma perkalian yang lebih baik? Perbaikan (A.A Karatsuba, 1962): Misalkan r = (a + b)(c + d) = ac + (ad + bc) + bd maka, (ad + bc) = r – ac – bd = (a + b)(c + d) – ac – bd Dengan demikian, perkalian X dan Y dimanipulasi menjadi X Y = ac 10 + (ad + bc) 10 + bd 2s s ac 10 { ( a b )( c d ) ac bd } 10 bd p q Anatolii Alexevich Karatsuba Anatolii Alexeevitch Karatsuba (Russian: Анато́лий Алексе́евич Карацу́ба; Grozny, January 31, 1937 — Moscow, September 28, 2008) was a Russian mathematician, who authored the first fast multiplication method: the Karatsuba algorithm, a fast procedure for multiplying large numbers. (Sumber: Wikipedia) Masukan: X dan Y Keluaran: hasil perkalian X dan Y Deklarasi a, b, c, d : LongInteger s : integer Algoritma: if n = 1 then return X * Y { perkalian biasa } else sn div 2 { bagidua pada posisi s } aX div 10 s bX mod 10 s c Y div 10 s d Y mod 10 s pKali3(a, c, s) qKali3(b, d, s) rKali3(a + b, c + d, s) return p*10 s + (r – p – q)*10 +q 2s endif 118 Kompleksitas waktu algoritmanya: T (n) = waktu perkalian integer yang berukuran n/2 + 2s waktu untuk perkalian dengan 10 dan 10 dan waktu untuk penjumlahan 3 T ( n / 2 ) cn , n 1 log 3 Bila relasi rekurens diselesaikan, diperoleh T(n) = O(n ) = O 1.59 (n ), lebih baik daripada kompleksitas waktu dua algoritma perkalian sebelumnya. 135 |