Algoritmer og datastrukturer | Universitetet i Stavanger

Effektivitetsanalyse for algoritmer. Definisjon, bruk og implementeringer av abstrakte datatyper som: Stabler, køer, lister, assosiative tabeller (Python dictionary), trestrukturer, grafer, prioritetskøer, hauger. Hash-teknikker. Trestrukturer. Bruk og implementering av datastrukturer som kan representere grafer. Algoritmer for sortering og søking. Noen grunnleggende algoritmer for grafer, inkludert veifinning. Rekursjon som programmeringsteknikk.

Læringsutbytte

Etter å ha tatt dette emnet skal studenten:

Kunnskap

Vite hvordan grunnleggende algoritmer for sortering, søking, og veifinning i grafer virker
Vite hvordan grunnleggende datastrukturer for lister, stabler, køer, prioritetskøer, mengder, assosiative tabeller og grafer virker

Ferdigheter

Være i stand til å beregne effektiviteten til algoritmer
Være i stand til å forstå og lage effektive rekursive algoritmer
Være i stand til å implementere effektive algoritmer for sortering og søking

Generell kompetanse

Vite hvordan datastrukturer og algoritmer for lister, køer, stabler (stack), hauger (heap), binære trær, og grafer kan implementeres.
Kunne bruke standard algoritmer og datastrukturer til å lage effektive programmer

Forkunnskapskrav

Emnet forutsetter at studenten kan programmere i henhold til pensum i DAT110 eller DAT120 Grunnleggende programmering.

Anbefalte forkunnskaper

Objektorientert programmering (DAT100), Grunnleggende programmering (DAT120)

Eksamen / vurdering

En skriftlig eksamen

Vekt 1/1

Varighet 4 Timer

Karakter Bokstavkarakterer

Hjelpemiddel Ingen hjelpemidler tillatt

Trekkfrist 21.11.2025

Eksamensdato 05.12.2025

Dette emnet har digital eksamen. Det vil være mulig å bruke Scantron for å skanne inn håndtegninger og koble dem til den digitale besvarelsen.

Vilkår for å gå opp til eksamen/vurdering

Innleveringsoppgaver

Det er 9 øvinger i emnet. For å få godkjent øvingsopplegget og dermed få lov til å ta eksamen i emnet må minimum 7 av 9 øvinger være godkjente innen angitt frist.

Gjennomføring av obligatoriske øvinger skal gjøres til de tider og i de grupper som er oppsatt og publisert på Canvas. Fravær på grunn av sykdom eller av andre årsaker skal snarest mulig kommuniseres til laboratorie- eller fagansvarlig. Det kan ikke påregnes å få godkjent øvinger utenom oppsatt tid hvis dette ikke er kommunisert og ny avtale gjort.

Konsekvensen av at du ikke har fått godkjent øvingsoppgavene er at du ikke får gå opp til eksamen i emnet.

Arbeidsformer

4 timer forelesning i uka. Alle studenter får tilbud om å delta på øvingstimer 4 timer i uken. På datalaben får en hjelp til å fullføre de obligatoriske oppgavene. Dessuten skal studentene presentere løsningene sine på laben.

Overlapping

Emne	Reduksjon (SP)
Algoritmer og datastrukturer (DAT200_1) , Datastrukturer og algoritmer (TE0458_1)	6
Algoritmer og datastrukturer (DAT200_1) , Datastrukturer og algoritmer (TE0458_A)	6
Datastrukturer og algoritmer (BIE270_1) , Algoritmer og datastrukturer (DAT200_1)	10

Åpent for

Batteri- og energiteknologi - bachelor Bygg - bachelor Datateknologi - bachelor Datateknologi - bachelor (deltid) Elektroteknologi - bachelor (deltid) Elektroteknologi - bachelor Energi- og petroleumsteknologi - bachelor Geovitenskap og energiressurser - bachelor Miljøteknologi - bachelor Maskin - bachelor Medisinsk teknologi - bachelor Medisinsk teknologi - bachelor (deltid) Industriell økonomi - master

Emneevaluering

Fakultetet avgjør om det skal gjennomføres tidligdialog i alle emner eller i utvalgte grupper av emner. Formålet er å få tilbakemeldinger fra studentene for forbedringer i semesteret. I tillegg skal det gjennomføres en digital emneevaluering minst hvert tredje år for å innhente studentenes erfaringer.

Kontakt

Emneansvarlig:

Nejm Saadallah

Instituttleder:

Tom Ryen

Tilbys av

Det teknisk-naturvitenskapelige fakultet

Institutt for data- og elektroteknologi

Emnebeskrivelsen er hentet fra Felles studentsystem Versjon 1

Algoritmer og datastrukturer (DAT200)

Fakta

Introduksjon

Innhold