From 64010824f10dd7c68f53991f039e8e0c55dc51a7 Mon Sep 17 00:00:00 2001
From: norangebit <git@norangeb.it>
Date: Mon, 15 Apr 2019 16:44:17 +0200
Subject: [PATCH] add documentation SortOrderedList

---
 doc/exercises/merge_ordered_list.md | 73 +++++++++++++++++++++++++++++
 1 file changed, 73 insertions(+)
 create mode 100644 doc/exercises/merge_ordered_list.md

diff --git a/doc/exercises/merge_ordered_list.md b/doc/exercises/merge_ordered_list.md
new file mode 100644
index 0000000..d1faca6
--- /dev/null
+++ b/doc/exercises/merge_ordered_list.md
@@ -0,0 +1,73 @@
+---
+title: Caratterizzazione della complessità di un algoritmo per la fusione di liste ordinate
+author: Raffaele Mignone
+subject: Fusione di liste ordinate
+keywords:
+  - Complessità
+  - Binary Heap
+  - Coda a priorità
+  - Kotlin
+papersize: a4
+lang: it-IT
+---
+
+# Fusione di liste ordinate
+
+## Traccia
+
+Descrivete un algoritmo per fondere $k$ liste ordinate in un’unica lista ordinata e valutarne la complessità. 
+$N_i$, con $1 \le i \le k$, denota la lunghezza della $i$-esima lista, mentre $N = \sum_i N_i$ è il numero totale di elementi di tutte le liste.
+
+## Soluzione
+
+Per fondere le $k$ liste ordinate possiamo usare l'algoritmo di merge visto durante l'analisi del *mergesort*, a patto di adattarlo per un merge $k$-way.
+Dovendo trovare di volta in volta il minimo tra $k$ elementi non è più possibile svolgere un confronto diretto, ma si rende necessario l'utilizzo di una coda a priorità minima di dimensioni $k$.
+
+Inoltre è stato necessario utilizzare una struttura dati d'appoggio (@lst:node) per conservare le informazioni necessarie all'aggiunta degli elementi.
+
+```{#lst:node .kotlin caption="Struttura dati che contiene l'elemento d'interesse, la lista da cui è stato estratto e la posizione in quest'ultima."}
+data class Node<T>(val value: T, val k: Int, val n: Int)
+```
+
+Nel @lst:sort viene mostrato com'è possibile risolvere il problema attraverso un binary heap[^compare-by].
+
+[^compare-by]: Il binary heap utilizzato è in grado di contenere l'oggetto `Node`, ma il confronto per l'ordinamento viene svolto sul parametro `value`.
+
+```{#lst:sort .kotlin caption="Algoritmo di fusione mediante binary heap"}
+fun <T : Comparable<T>> sort(vararg lists: List<T>): List<T> {
+  val heap = BinaryHeap
+    .createMinPriorityQueue<Node<T>, T> { it.value }
+  lists.forEachIndexed { k, list ->
+    heap.insert(Node(list.first(), k, 0))
+  }
+
+  val outList = ArrayList<T>()
+
+  while (!heap.isEmpty()) {
+    heap.pop().map {
+      outList.add(it.value)
+      val k = it.k
+      val n = it.n + 1
+
+      if (lists[k].size > n)
+        heap.insert(Node(lists[k][n], k, n))
+    }
+  }
+
+  return outList
+}
+```
+
+## Caratterizzazione della complessità
+
+Analizzando il @lst:sort è possibile notare l'utilizzo di una struttura `while` la cui condizione di arresto è legata allo svuotamento della coda a priorità.
+Visto che nella coda devono *passare* tutti gli elementi delle liste e che per ogni ciclo viene aggiunto e rimosso un elemento il `while` verrà eseguito complessivamente $N$ volte.
+
+All'interno del `while` viene eseguita un operazione di aggiunta di un elemento alla lista (complessità costante), un operazione di estrazione di un elemento dalla coda (avendo usato un binary heap di dimensione $k$ ha complessità $logk$) e una di aggiunta anche questa con complessità pari a $logk$.
+
+Per quanto visto possiamo caratterizzare la complessità totale dell'algoritmo pari a $Nlogk$.
+
+## Source code
+
+- [BinaryHeap](https://git.norangeb.it/norangebit-unisannio-computer-science/lm-tecniche-di-programmazione/src/branch/master/src/main/kotlin/it/norangeb/algorithms/datastructures/queue/priority/BinaryHeap.kt)
+- [OrderedListSorter](https://git.norangeb.it/norangebit-unisannio-computer-science/lm-tecniche-di-programmazione/src/branch/master/src/main/kotlin/it/norangeb/algorithms/exercises/OrderedListSorter.kt)