‫معاونت علمی‬

‫دانشکده ( کامیپوتر ساینس و انجنیری )‬

‫کورس پالیسی استاد‬
‫سال ‪1400 :‬‬ ‫سمستر‪. :‬پنجم‬ ‫دیپارتمنت‪ :‬کمپیوترساینس‬

‫اهداف اختصاصی درس ‪( :‬عناوین عمده درس )‬ ‫اسم مضمون ‪ :‬الگوریتم‬

‫کد مضمون ‪:‬‬

‫‪ .۱‬مقدمه ای بر الگوریتمها‬ ‫تعداد کریدت ‪4 :‬‬
‫نوعیت درس ‪ :‬نظری ‪ -‬عملی‬
‫اسم وتخلص استاد‪ :‬مرتضی نیکزاد‬
‫رتبه علمی ‪ /‬درجه تحصیل ‪ :‬دکترا‬
‫‪ .۲‬روشهای تحلیل الگوریتمها‬ ‫نشانی دفتر استاد‪ :‬اتاق اساتید‬

‫ساعات حضور و پاسخگویی‪:‬‬

‫‪ .۳‬روشهای طراحی الگوریتمها‬ ‫شماره تلیفون‪:‬‬
‫‪0794112765‬‬
‫روزها و ساعات تماس ‪:‬‬

‫منابع اصلی درس ‪:‬‬ ‫آدرس ایمیل استاد ‪m.nikzad@kpu.edu.af :‬‬

‫سال چاپ‬ ‫اسم نویسنده‬ ‫اسم کتاب‬ ‫شعبه‪:‬‬ ‫محل برگزاری درس ‪ :‬دانشگاه کاتب‬
‫اتاق درسی شماره ‪:‬‬ ‫ساختمان ‪/‬منزل‪:‬‬
‫‪1- Introduction to Algorithms, 3rd, Cormen, Thomas H,‬‬ ‫اهداف کلی درس ‪:‬‬
‫‪2009‬‬ ‫آشنایی با تحلیل و طراحی الگوریتم‬
‫تحلیل و طراحی الگوریتمها‪ ،‬مهندس جعفر تنها‪ ،‬دکتر احمد فراهی‬

‫شیوه های مختلف آموزشی مورد استفاده استاد در طول سمستر ‪:‬‬
‫لکچر با استفاده از استفاده از پاور پاینت و تصاویر‪ ،‬ویدیو‪ ،‬انیمیشن‬ ‫‪-1‬‬
‫میتود آموزش بر اساس هدف یا ‪ OBL‬و شاگرد محوری‬ ‫‪-2‬‬
‫استفاده از میتود پرسش و پاسخ‪ ،‬دادن سیمینار و کارخانگی‬ ‫‪-3‬‬
‫نحوه ارزیابی محصل درطول و ختم سمستر ‪:‬‬
‫‪ -1‬امتحان بیست فیصد ‪ 20‬نمره‬
‫‪ 60‬نمره‬ ‫‪ -2‬امتحان فاینال‬
‫‪ 10‬نمره‬ ‫‪ -3‬تکلیف‬
‫‪ 10‬نمره‬ ‫‪ -4‬حضور در کالس و ارائه پژوهشی‬
‫مضامین پیش نیاز برای این درس ‪:‬‬
‫‪-1‬‬
 ‫مقررات و انتظارات استاد از محصالن درصنف درسی ‪:‬‬
‫حاضر شدن به درس در وقت معین (تا حد اکثر ‪ 10‬دقیقه بعد از آمدن استاد به صنف)‪.‬‬ ‫‪‬‬
‫عدم استفاده از موبایل در جریان درس‪.‬‬ ‫‪‬‬
‫مراعات نمودن نظم و دیسپلین بگونه جدی‪.‬‬ ‫‪‬‬
‫اشتراک در فعالیت های صنفی‪.‬‬ ‫‪‬‬
‫ارائه کارخانگی در وقت معینه‪.‬‬ ‫‪‬‬
‫ارائه ی کنفرانس و ترتیب پروژه ها‪.‬‬ ‫‪‬‬
‫استفاده از کتابخانه‪ ،‬انترنت و سایر منابع موجوده‪.‬‬ ‫‪‬‬
‫مراعات نمودن نظافت صنف و محیط ماحول‪.‬‬ ‫‪‬‬
‫نوشیدن و خوردن سر صنف ممنوع می باشد‬ ‫‪‬‬
‫موبایل سر صنف ‪ off‬و یا ‪ Silent‬می باشد‬ ‫‪‬‬
‫اهداف آموزشی‬ ‫عناوین اصلی و فرعی‬
‫ارزیابی‬ ‫فعالیت ها‬ ‫هفته ها‬
‫مهارت‬ ‫دانش‬ ‫درس‬

‫مقدمات و معرفی‬ ‫‪Introduction‬‬ ‫هفته ‪1‬‬

‫‪Growth of Function‬‬
‫‪Asymptotic‬‬
‫نمادگذاری‬ ‫‪notation‬‬
‫کارخانگی‬ ‫هفته ‪2‬‬
‫مجانبی‬ ‫‪Standard notations‬‬
‫‪and common‬‬
‫‪function ‬‬
‫حل روبط‬ ‫‪Recurrences‬‬
‫کارخانگی‬ ‫هفته ‪3‬‬
‫بازگشتی‬ ‫‪a. Introduction‬‬
‫‪Solving the‬‬
‫‪recurrence‬‬
‫‪algorithms‬‬
‫حل روابط‬ ‫‪a. the‬‬
‫کارخانگی‬ ‫هفته ‪4‬‬
‫بازگشتی‬ ‫‪substitution method‬‬
‫‪b. the recursion-‬‬
‫‪tree method‬‬
‫‪ ‬‬

‫‪Solving the‬‬
‫حل روابط‬ ‫‪recurrence‬‬
‫کارخانگی‬ ‫هفته ‪5‬‬
‫بازگشتی‬ ‫‪algorithms‬‬
‫‪a. c. Generating‬‬
‫‪Functions ‬‬
‫‪Solving the‬‬
‫حل روابط‬ ‫‪recurrence‬‬
‫کارخانگی‬ ‫بازگشتی‪ -‬قضیه‬ ‫‪algorithms‬‬ ‫هفته ‪6‬‬
‫اصلی‬ ‫‪a. Master‬‬
‫‪theorem‬‬
‫پیاده سازی‬
‫روش تقسیم و‬
‫الگوریتمهای بازگشتی‬ ‫‪Divide and conquer‬‬ ‫هفته ‪7‬‬
‫حل‬
 Mid Term (Week 8)
8 ‫هفته‬

Dynamic
Programming
a. Fibbonatchi
‫برنامه ریزی پویا‬ b. Choose (k, n) 9 ‫هفته‬
c. Matrix
Multiplication
 
Dynamic
Programming
a. Optimal
‫پیاده سازی‬ binary search
trees
‫کارخانگی‬ ‫الگوریتمهای برنامه‬ ‫برنامه ریزی پویا‬ 10 ‫هفته‬
b. 0/1 knapsack
‫ریزی پویا‬
c. All pairs
shortest path
(Floyed-
Warshall)
 
Greedy Algorithms
a. Elements of the
‫الگوریتم‬ greedy strategy
11 ‫هفته‬
‫حریصانه‬ b. An activity-
selection
problem   
a. Greedy
Algorithms
‫الگوریتم‬ b. Knapsack
‫کارخانگی‬ 12 ‫هفته‬
‫حریصانه‬ c. Huffman
codes   
d. Graph
‫پیاده سازی‬
‫الگوریتمهای‬ ‫الگوریتم‬ Greedy Programming
13 ‫هفته‬
‫حریصانه‬ ‫حریصانه‬ a. Graph 

Back tracing
‫پیاده سازی‬ Algorithms
‫کارخانگی‬ ‫الگوریتمهای عقبگرد‬ ‫الگوریتم عقبگرد‬ 14 ‫هفته‬
a. N-Queen
Problem
‫پیاده سازی‬
‫الگوریتمهای انشعاب‬ ‫الگوریتم انشعاب‬ Branch and Bound
‫کارخانگی‬ 15 ‫هفته‬
‫و تحدید‬ ‫و تحدید‬ a. 0/1 Knapsack

P, NP, NP Hard
‫مسائل سخت‬ 16 ‫هفته‬
Problems
‫) مورد تائید قرار گرفت و قابل تطبیق می باشد‪.‬‬ ‫) مجلس دیپارتمنت (‬ ‫) مورخ (‬ ‫کورس پالیسی فوق در جلسه شماره (‬

‫امضای آمر دیپارتمنت‪:‬‬ ‫امضای استاد‪:‬‬