From 24d15e1e4417e3f9ef39dd15436b20fa8167b430 Mon Sep 17 00:00:00 2001
From: Oliver Hofmann <oliver.hofmann@dokoliho.de>
Date: Mon, 4 May 2026 10:39:08 +0200
Subject: [PATCH] =?UTF-8?q?Musterl=C3=B6sung=20P3?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 praktika/03_quick_and_heap/priority_queue.py  | 127 ++++++++++++++++++
 .../03_quick_and_heap/quick_sort_median3.py   |  88 ++++++++++++
 2 files changed, 215 insertions(+)
 create mode 100644 praktika/03_quick_and_heap/priority_queue.py
 create mode 100644 praktika/03_quick_and_heap/quick_sort_median3.py

diff --git a/praktika/03_quick_and_heap/priority_queue.py b/praktika/03_quick_and_heap/priority_queue.py
new file mode 100644
index 0000000..7e9db76
--- /dev/null
+++ b/praktika/03_quick_and_heap/priority_queue.py
@@ -0,0 +1,127 @@
+import sys
+import os
+sys.path.insert(0, os.path.join(os.path.dirname(os.path.abspath(__file__)), '..', '..'))
+
+from utils.algo_context import AlgoContext
+from utils.algo_int import Int
+
+
+class PriorityQueue:
+    """Max-Heap-basierte Vorrang-Warteschlange mit Operationszählung.
+
+    Höhere Prioritätswerte werden zuerst entnommen. Prioritäten werden als
+    Int-Objekte gespeichert, sodass Vergleiche automatisch im AlgoContext
+    gezählt werden. Swaps zählen je 2 reads + 2 writes.
+    """
+
+    def __init__(self, ctx: AlgoContext = None):
+        self._ctx = ctx if ctx is not None else AlgoContext()
+        self._heap = []  # Liste von (Int priority, item)
+
+    def insert(self, item, priority):
+        """Fügt item mit der gegebenen Priorität ein."""
+        self._heap.append((Int(priority, self._ctx), item))
+        self._ctx.writes += 1
+        self._sift_up(len(self._heap) - 1)
+
+    def pop(self):
+        """Entfernt das Element mit der höchsten Priorität und gibt es zurück."""
+        if self.is_empty():
+            raise IndexError("Priority queue is empty")
+        self._swap(0, len(self._heap) - 1)
+        self._ctx.reads += 1
+        _, item = self._heap.pop()
+        if self._heap:
+            self._sift_down(0)
+        return item
+
+    def peek(self):
+        """Gibt das Element mit der höchsten Priorität zurück (ohne Entfernung)."""
+        if self.is_empty():
+            raise IndexError("Priority queue is empty")
+        self._ctx.reads += 1
+        return self._heap[0][1]
+
+    def is_empty(self):
+        """Gibt True zurück, wenn die Warteschlange leer ist."""
+        return len(self._heap) == 0
+
+    def __len__(self):
+        return len(self._heap)
+
+    def __repr__(self):
+        pairs = sorted(self._heap, key=lambda t: t[0].value, reverse=True)
+        return "PriorityQueue([" + ", ".join(f"{p.value}:{v}" for p, v in pairs) + "])"
+
+    # ── interne Heap-Operationen ───────────────────────────────────────────────
+    #
+    # Terminologie-Hinweis: In der Vorlesung heißt die Abwärts-
+    # Operation MAX-HEAPIFY – sie stellt die Heap-Eigenschaft für einen
+    # Teilbaum wieder her. _sift_down ist funktional identisch damit, folgt
+    # aber der in der übrigen Literatur gebräuchlicheren Richtungsbezeichnung
+    # (sift = „sieben/sinken lassen").
+    #
+    # _sift_up hat kein direktes Gegenstück in der Vorlesung, weil Heapsort
+    # nie ein Element einfügt: Dort wird nur nach unten geheapifiziert.
+    # Für eine vollständige Priority Queue mit insert() wird jedoch auch die
+    # Aufwärts-Richtung benötigt.
+
+    def _swap(self, i, j):
+        self._ctx.reads += 2
+        self._ctx.writes += 2
+        self._heap[i], self._heap[j] = self._heap[j], self._heap[i]
+
+    def _sift_up(self, i):
+        while i > 0:
+            parent = (i - 1) // 2
+            if self._heap[i][0] > self._heap[parent][0]:  # Int: 2 reads + 1 cmp
+                self._swap(i, parent)
+                i = parent
+            else:
+                break
+
+    def _sift_down(self, i):
+        n = len(self._heap)
+        while True:
+            largest, left, right = i, 2 * i + 1, 2 * i + 2
+            if left < n and self._heap[left][0] > self._heap[largest][0]:
+                largest = left
+            if right < n and self._heap[right][0] > self._heap[largest][0]:
+                largest = right
+            if largest == i:
+                break
+            self._swap(i, largest)
+            i = largest
+
+
+# ── Demo & Auswertung ─────────────────────────────────────────────────────────
+
+if __name__ == '__main__':
+    import matplotlib.pyplot as plt
+    import random
+
+    SIZES = list(range(10, 210, 10))
+    metrics = {m: [] for m in ("comparisons", "reads", "writes")}
+
+    for n in SIZES:
+        ctx = AlgoContext()
+        pq = PriorityQueue(ctx)
+        for p in random.sample(range(n * 10), n):
+            pq.insert(None, p)
+        while not pq.is_empty():
+            pq.pop()
+        for m in metrics:
+            metrics[m].append(getattr(ctx, m))
+
+    titles = {"comparisons": "Vergleiche", "reads": "Lesezugriffe", "writes": "Schreibzugriffe"}
+    fig, axes = plt.subplots(len(metrics), 1, figsize=(10, 9), sharex=True)
+
+    for ax, (metric, values) in zip(axes, metrics.items()):
+        ax.plot(SIZES, values, marker='o', markersize=3)
+        ax.set_ylabel(titles[metric])
+
+    axes[0].set_title("PriorityQueue – n inserts + n pops")
+    axes[-1].set_xlabel("n")
+    plt.tight_layout()
+    plt.show()
+
diff --git a/praktika/03_quick_and_heap/quick_sort_median3.py b/praktika/03_quick_and_heap/quick_sort_median3.py
new file mode 100644
index 0000000..f866bfa
--- /dev/null
+++ b/praktika/03_quick_and_heap/quick_sort_median3.py
@@ -0,0 +1,88 @@
+import sys
+import os
+sys.path.insert(0, os.path.join(os.path.dirname(os.path.abspath(__file__)), '..', '..'))
+
+from utils.algo_context import AlgoContext
+from utils.algo_array import Array
+from vorlesung.L03_fortgeschrittenes_sortieren.quick_sorting import quick_sort, partition
+
+
+def median3(z: Array, l: int, r: int) -> int:
+    """
+    Gibt den Index des wertmäßig mittleren Elements aus z[l], z[m], z[r] zurück.
+    Vergleiche werden durch den AlgoContext der Array-Elemente gezählt.
+    """
+    m = (l + r) // 2
+    a, b, c = z[l], z[m], z[r]
+    if a <= b:
+        if b <= c:
+            return m   # a <= b <= c  → b ist Median
+        elif a <= c:
+            return r   # a <= c < b   → c ist Median
+        else:
+            return l   # c < a <= b   → a ist Median
+    else:
+        if a <= c:
+            return l   # b < a <= c   → a ist Median
+        elif b <= c:
+            return r   # b <= c < a   → c ist Median
+        else:
+            return m   # c < b < a    → b ist Median
+
+
+def partition_median3(z: Array, l: int, r: int, ctx: AlgoContext) -> int:
+    pivot_idx = median3(z, l, r)
+    if pivot_idx != r:
+        z.swap(pivot_idx, r)   # Pivot an den rechten Rand
+    return partition(z, l, r, ctx)
+
+
+def quick_sort_m3(z: Array, ctx: AlgoContext, l: int = None, r: int = None):
+    if l is None:
+        l = 0
+    if r is None:
+        r = len(z) - 1
+    if l < r:
+        q = partition_median3(z, l, r, ctx)
+        quick_sort_m3(z, ctx, l, q - 1)
+        quick_sort_m3(z, ctx, q + 1, r)
+
+
+if __name__ == '__main__':
+    import matplotlib.pyplot as plt
+
+    SIZES = list(range(10, 210, 10))
+
+    algorithms = [
+        ("Quick (klassisch)", quick_sort),
+        ("Quick (Median-3)",  quick_sort_m3),
+    ]
+
+    comparisons = {name: [] for name, _ in algorithms}
+    writes = {name: [] for name, _ in algorithms}
+
+    for name, sort_func in algorithms:
+        ctx = AlgoContext()
+        for n in SIZES:
+            ctx.reset()
+            z = Array.random(n, -1000, 1000, ctx)
+            sort_func(z, ctx)
+            comparisons[name].append(ctx.comparisons)
+            writes[name].append(ctx.writes)
+
+    fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(10, 8), sharex=True)
+
+    for name in comparisons:
+        ax1.plot(SIZES, comparisons[name], label=name, marker='o', markersize=3)
+    ax1.set_ylabel("Vergleiche")
+    ax1.set_title("Quick Sort: klassisch vs. Median-of-Three")
+    ax1.legend()
+
+    for name in writes:
+        ax2.plot(SIZES, writes[name], label=name, marker='o', markersize=3)
+    ax2.set_ylabel("Schreibzugriffe")
+    ax2.set_xlabel("n")
+    ax2.legend()
+
+    plt.tight_layout()
+    plt.show()