Algorithmique

Programmation Objet
Python

Andrea G. B. Tettamanzi
Université de Nice Sophia Antipolis
Département Informatique
[Link]@[Link]

Andrea G. B. Tettamanzi, 2017 1

 CM - Séance 6

Tableaux et matrices,
recherche dichotomique

Andrea G. B. Tettamanzi, 2017 2

 Plan

• Tableaux
• Matrices
• Recherche dichotomique

Andrea G. B. Tettamanzi, 2017 3

 Tableaux

• Un tableau (array en anglais) est une structure de données de

base qui est un ensemble d’éléments, auquel on accède à travers
un numéro d’index.
• Le temps d'accès à un élément par son indice est constant, quel
que soit l'élément désiré
• Les éléments d'un tableau sont contigus dans l'espace mémoire.
Avec l'index, on sait donc à combien de cases mémoire se trouve
l'élément en partant du début du tableau.
• On désigne habituellement les tableaux par des lettres
majuscules. SI T est un tableau alors T[i] représente l’élément à
l’index i.

Andrea G. B. Tettamanzi, 2017 4

 Tableaux

• Avantages : accès direct au ième élément

• Inconvénients : les opérations d’insertion et de suppression sont
impossibles
• sauf si on crée un nouveau tableau, de taille plus grande ou plus
petite (selon l'opération). Il est alors nécessaire de copier tous les
éléments du tableau original dans le nouveau tableau. Cela fait
donc beaucoup d'opérations.

Andrea G. B. Tettamanzi, 2017 5

 Tableaux

• Un tableau peut avoir une dimension, on parle alors de vecteur

• Un tableau peut avoir plusieurs dimensions, on dit qu’il est
multidimensionnel. On le note T[i][k]
• La taille d’un tableau doit être définie avant son utilisation et ne
peut plus être changée.
• Les seules opérations possibles sont set et get (on affecte un
élément à un index et on lit un élément à un index).
• On peut linéariser un tableau à plusieurs dimensions :
– Étant donné un tableau bidimensionnel T, n  m,
– Un peut construire un tableau linéaire L de taille nm, tel que
L[im + j] = T[i][j].

Andrea G. B. Tettamanzi, 2017 6

 Tableaux multidimensionnels

i\ j 0 1 2 3 4

0 0 1 2 3 4 T[i][j]=L[i *5 +j]

5 6 7 8 9 T[1][3]=L[1*5+3]=L[8]
1
10 11 12 13 14
2
15 16 17 18 19 T[i][j]=[i * #col + j]

Andrea G. B. Tettamanzi, 2017 7

 Tableaux de tableaux

• On peut définir un tableau de tableaux (ou de n’importe quoi en

fait)

T[0] 0 1 2 3 4 5 6

0 1 2 3
T[1]

0 1 2 3 4 5
T[2]

0 1 2
T[3]

Andrea G. B. Tettamanzi, 2017 8

 Élément ou index ?

• Il ne faut pas confondre un élément du tableau et l’index de cet

élément

Andrea G. B. Tettamanzi, 2017 9

 Algorithmes de Tri

• Une tâche assez fréquente étant donné un tableau

• Permuter ses éléments de façon qu'ils respectent un ordre
• En fait, on peut trier n'importe quelle structure linéaire
• Un algorithme de tri simple mais pas trop performant est le tri par
insertion
• On verra des autres algorithmes plus performants dans une des
prochaines séances

Andrea G. B. Tettamanzi, 2017 10

 Tri par insertion

• DFAG BHEC
• On fait 2 paquets : 1 non trié - 1 trié
• Un paquet d’un élément est trié
• On prend un élément non trié et on le range à sa place dans le
paquet trié
• On prend D : D - F A G B H E C
• On prend F : D F - A G B H E C
• On prend A : A D F - G B H E C
• On prend G : A D F G - B H E C
• On prend B : A B D F G - H E C

Andrea G. B. Tettamanzi, 2017 11

 Tri par insertion

• Comment ranger dans le paquet trié ?

• On doit ranger B dans A D F G – B H E C
• On a A D F G B
• On parcourt de droite à gauche A D F G
• Tant que la valeur est > B, on l’échange avec B
• AD FB G
• AD BF G
• AB D FG
• Fin

Andrea G. B. Tettamanzi, 2017 12

 Tri par insertion

• On pourrait dire :
– On fait 2 tas : un trié, puis un non trié.
– Au début le tas trié est vide, celui non trié contient tous les
éléments
– On prend un élément non trié et on le range à sa place dans
le tas trié
• Cet algorithme est exact, mais
– sa formulation est ambiguë, par exemple « prendre » veut dire
le supprimer du tas non trié aussi.
– Il n’est pas assez précis : comment range-t-on un élément,
qu’est-ce que sa place ?
– Pour supprimer l’ambiguïté on va utiliser un pseudo langage
•Andrea G. B. Tettamanzi, 2017 13
 Tri par insertion : algorithme
triInsertion(entier[] t)
pour i de 2 à n # n est la taille de t
entier c ← t[i]
entier k ← i-1
# c doit être inséré dans le tableau ordonné t[1..i-1]
# on cherche de droite à gauche la première valeur t[k]
# plus petite que c
tant que k≥1 et t[k]>c
t[k+1] ← t[k] # on décale
k ← k-1
# on a trouvé la bonne place
t[k+1] ← c

Andrea G. B. Tettamanzi, 2017 14

 Tri par insertion : analyse empirique

• Francis Avnaim a fait l’étude suivante de la complexité

expérimentale de cet algorithme, implémenté en Processing

• On trie des tableaux de taille croissante de 500 à 10000 par pas

de 10
– Aléatoires
– Triés en ordre inverse
– Déjà triés

Andrea G. B. Tettamanzi, 2017 15

 Aléatoire

Andrea G. B. Tettamanzi, 2017 16

 En ordre inverse

Andrea G. B. Tettamanzi, 2017 17

 Déjà trié

Andrea G. B. Tettamanzi, 2017 18

 Tri par insertion : analyse empirique

• Conclusions de l’expérimentation
2
– Tableaux aléatoires et en ordre inverse : O(n ) ?
– Tableaux ordonnés : O(n) ?

• Pour avoir une réponse fiable, il faut analyser l'algorithme...

Andrea G. B. Tettamanzi, 2017 19

 Tri par insertion : analyse

• Parties bleues :
– 7 op. él. n-1 fois soit 7(n-1)
• Partie jaune : 6 op. él.
• Partie mauve : 4 op. él.
• Combien de fois ?
• Nombre de fois ou les parties
mauves et jaunes sont
appelées ?
• Complexité mauve + jaune :
• Complexité totale inférieure
à?

Andrea G. B. Tettamanzi, 2017 20

 Tri par insertion : analyse

• Nombre de fois ou les parties

mauves et jaunes sont
appelées :
• au pire i fois (k de i-1 à 1),
donc
– Partie jaune : 6i à chaque
fois
– Partie mauve : 4i à chaque
fois
• Complexité mauve + jaune:
– 10i à chaque fois

Andrea G. B. Tettamanzi, 2017 21

 Tri par insertion : analyse

• Complexité mauve + jaune :

– 10i à chaque fois
• Partie bleue : 7(n – 1)

(pire cas)

Si tableau déjà trié, partie jaune jamais exécutée : 11(n – 1)

(meilleur cas)
Andrea G. B. Tettamanzi, 2017 22
 Diviser pour régner : calcul de x n

• Méthode simple, par itérations :

– Y← 1
– pour i de 1 à n : y ← y * x
• Complexité : O(n)
– x8 ?
– Combien d’opérations ?
– x16 ?
– x12 ?
• Généralisation :
– si n est pair
– si n est impair

Andrea G. B. Tettamanzi, 2017 23

 Diviser pour régner : calcul de x n

• Algorithme plus performant, récursif :

PUISSANCE(↓x, entier ↓n, ↑resultat)
si n = 1
resultat ← x
sinon
PUISSANCE(x, n/2, p)
si n pair
resultat ← p*p
sinon
resultat ← p*p*x
Nombre de multiplications : log n + [nombre de bits à 1 dans n] – 1
Complexité : O(log n)
Andrea G. B. Tettamanzi, 2017 24
 Recherche dans un tableau

• Considérons un tableau T de nombres entiers, de taille n

• On désire savoir si un nombre donné x est dans le tableau
• Pour le savoir, on parcourt le tableau en comparant les éléments
de T à x (recherche séquentielle)
• Au plus (quand x n’est pas dans T), on fera n comparaisons
• L’algorithme est donc de complexité O(n)

Andrea G. B. Tettamanzi, 2017 25

 Recherche dichotomique

• Peut-on faire mieux ?

• Oui, si le tableau est préalablement trié. C’est la recherche
dichotomique

• Idée : on compare x à la valeur centrale m de T.

• Si x = m, on a trouvé x dans T.
• Sinon, si x < m, on cherche x dans la moitié inférieure du tableau,
sinon on cherche x dans la moitié supérieure

Andrea G. B. Tettamanzi, 2017 26

 Recherche dichotomique : algorithme

Andrea G. B. Tettamanzi, 2017 27

 Recherche dichotomique : analyse

• Appelons C(n) le nombre d’opérations élémentaires exécutées

pour effectuer la recherche dichotomique dans un tableau de
taille n
• On a, avec k1 et k2 deux constantes majorant respectivement le
nombre d’opérations des parties en bleu et en mauve :
C(n) ≤ (k1 + k2) + C(n/2)
≤ 2 (k1 + k2) + C(n/22)
≤ 3 (k1 + k2) + C(n/23)
…
≤ r (k1 + k2) + C(1)
≤ r (k1 + k2) + k1 ≤ 2r (k1+k2)

Andrea G. B. Tettamanzi, 2017 28

 Recherche dichotomique : analyse

On obtient ce qu'on appelle “équation de récurrence” :

Il existe une méthode générale pour résoudre ce genre d'équation,

basée sur les fonctions génératrices. Cependant, cette méthode est
assez compliquée et nous n'avons pas le temps de la couvrir.
Dans ce cas particulier, il est facile de deviner la solution :

Andrea G. B. Tettamanzi, 2017 29

 Recherche dichotomique : version itérative

entier rechercheDichotomique(entier T[1..n], entier x)

min ← 1 ; max ← n
tant que min ≤ max
m ← (min + max)/2
si T[p] ≤ x
min ← m + 1
si T[p] ≥ x
max ← m – 1
si T[m] = x
renvoyer m
sinon
renvoyer -1 # élément non trouvé
Andrea G. B. Tettamanzi, 2017 30
 Merci de votre attention

Andrea G. B. Tettamanzi, 2017 31