I notebook del corso¶

Ogni capitolo degli algoritmi ha i suoi notebook Colab, uno per linguaggio: Python, C++ e Java; ogni algoritmo ha anche il suo notebook, nei tre linguaggi (è quello che si apre dai pulsanti sotto lo pseudocodice). Nelle pagine del sito gli algoritmi sono scritti in pseudocodice; nei notebook gli stessi algoritmi sono implementati (con gli array indicizzati da 0) ed eseguiti sugli esempi delle pagine, con le tracce passo per passo e le celle «Prova tu» per provarli con dati tuoi.

Cos'è Colab. Google Colab esegue i notebook nel browser, su un computer di Google: serve solo un account Google, sul tuo computer non si installa niente.
Come si apre. Clicca su un badge della tabella, oppure sui pulsanti «Esegui in Colab» sotto lo pseudocodice nelle pagine dei capitoli. Per conservare le tue modifiche: File → Salva una copia in Drive.
Come si esegue. Runtime → Esegui tutte (Ctrl+F9) esegue tutte le celle dall'alto in basso; una cella sola si esegue con Maiusc+Invio.
C++ e Java. Ogni programma viene scritto su un file da una cella (%%writefile) e compilato ed eseguito nella cella successiva (g++, javac, java): tutto avviene in Colab.
Un notebook per linguaggio. I tre notebook di un capitolo contengono gli stessi algoritmi e stampano gli stessi risultati: ognuno sceglie il linguaggio che preferisce, o li confronta.

Il link .ipynb apre il notebook su GitHub, da dove si scarica (Download raw file) per usarlo con Jupyter sul proprio computer.

Tutto il capitolo¶

Un notebook per capitolo e per linguaggio, con tutti gli algoritmi del capitolo.

Capitolo	Python	C++	Java
2. Pseudocodice	.ipynb	.ipynb	.ipynb
3. Algoritmi di ordinamento	.ipynb	.ipynb	.ipynb
4. Ricerca lineare e binaria	.ipynb	.ipynb	.ipynb
5. Algoritmi numerici	.ipynb	.ipynb	.ipynb
11. Dimensione dell'input	.ipynb	.ipynb	.ipynb
12. Tempo di esecuzione	.ipynb	.ipynb	.ipynb
13. Correttezza	.ipynb	.ipynb	.ipynb
14. Ricorsione	.ipynb	.ipynb	.ipynb
15. Equazioni di ricorrenza	.ipynb	.ipynb	.ipynb
16. Il Master theorem	.ipynb	.ipynb	.ipynb
17. Algoritmi ricorsivi	.ipynb	.ipynb	.ipynb
18. Algoritmi ricorsivi e iterativi a confronto	.ipynb	.ipynb	.ipynb

Un notebook per algoritmo¶

Gli stessi algoritmi, uno per notebook: ogni notebook contiene solo ciò che serve a quell'algoritmo (codice, esecuzione sugli esempi del capitolo, «Prova tu»). Gli algoritmi che il capitolo tratta insieme (per esempio MergeSort e la sua procedura Merge) stanno nello stesso notebook.

2. Pseudocodice ¶

Algoritmo	Python	C++	Java
`FindMaximum`
`CountPositive`
`IsSorted`
`ScalarProduct`
`ReverseArray`

3. Algoritmi di ordinamento ¶

Algoritmo	Python	C++	Java
`InsertionSort`
`ExchangeSort`
`SelectionSort`

4. Ricerca lineare e binaria ¶

Algoritmo	Python	C++	Java
`LinearSearch`
`BinarySearch`

5. Algoritmi numerici ¶

Algoritmo	Python	C++	Java
`ChangeOfBase`
`BasicPrimalityTest`
`PrimalityTest`
`SieveOfEratosthenes`
`EuclideanAlgorithm`

11. Dimensione dell'input ¶

Algoritmo	Python	C++	Java
`SumArray`

12. Tempo di esecuzione ¶

Algoritmo	Python	C++	Java
`FindMaximum`
`InsertionSort`
`ChangeToBase2`
`PrimalityTest`

13. Correttezza ¶

Algoritmo	Python	C++	Java
`FindMaximum`
`InsertionSort`
`BinarySearch`
`EuclideanAlgorithm`

14. Ricorsione ¶

Algoritmo	Python	C++	Java
`Factorial`
`Fib`
`IterativeFib`
`RecursiveGCD`
`FastPower`
`Hanoi`

15. Equazioni di ricorrenza ¶

Algoritmo	Python	C++	Java
`RecursiveSum`

17. Algoritmi ricorsivi ¶

Algoritmo	Python	C++	Java
`SumIterative`, `RecursiveSum` e `RecursiveSumLinear`
`MergeSort` e `Merge`
`RecursiveBinarySearch`
`BruteForceMaximumSubarray`
`FindMaximumSubarray` e `FindMaxCrossingSubarray`
`Kadane`

18. Algoritmi ricorsivi e iterativi a confronto ¶

Algoritmo	Python	C++	Java
`SumExplicitStack`
`MergeSortBottomUp`
`PowerIt`
`Kadane`
`FibRec`, `FibMemo` e `FibIt`
`GCDRec` e `GCDIt`
`RecBinarySearch` e `ItBinarySearch`