Testez vos connaissances en Algorithmique pour le BAC !

Question 1 sur 10 10:00

[{"id":21658,"question":"Quelle est la complexité temporelle d'un algorithme de tri par sélection dans le pire des cas ?","option_a":"O(1)","option_b":"O(n)","option_c":"O(n²)","option_d":"O(log n)","option_e":"","option_f":"","bonne_reponse":"C","explication":"Le tri par sélection a une complexité temporelle de O(n²) dans le pire cas, car il compare chaque élément avec tous les autres pour trouver le minimum.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":21659,"question":"Un algorithme récursif doit toujours avoir une condition d'arrêt pour éviter une boucle infinie.","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"A","explication":"Vrai. Une condition d'arrêt est indispensable pour garantir la terminaison de l'algorithme récursif et éviter une pile d'appels infinie.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":21660,"question":"Quel est l'objectif principal de l'analyse de complexité algorithmique ?","option_a":"Comparer deux algorithmes en termes de temps d'exécution et d'espace mémoire","option_b":"Écrire un algorithme plus court","option_c":"Trouver la solution la plus élégante","option_d":"Optimiser le code pour qu'il soit plus lisible","option_e":"","option_f":"","bonne_reponse":"A","explication":"L'analyse de complexité vise à comparer deux algorithmes en évaluant leur efficacité en termes de temps d'exécution (complexité temporelle) et d'espace mémoire (complexité spatiale).","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":21661,"question":"Dans un tableau trié, quelle est la complexité de l'algorithme de recherche dichotomique ?","option_a":"O(1)","option_b":"O(n)","option_c":"O(log n)","option_d":"O(n²)","option_e":"","option_f":"","bonne_reponse":"C","explication":"La recherche dichotomique a une complexité de O(log n) car elle divise l'espace de recherche par deux à chaque étape.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":21662,"question":"Un algorithme de complexité O(n) est toujours plus efficace qu'un algorithme de complexité O(n²).","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"A","explication":"Vrai. Un algorithme de complexité O(n) est plus efficace qu'un algorithme de complexité O(n²) pour des valeurs de n suffisamment grandes, car sa croissance est plus lente.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":21663,"question":"Quel type de boucle est le plus adapté pour parcourir tous les éléments d'un tableau ?","option_a":"Boucle tant que (while)","option_b":"Boucle pour (for)","option_c":"Boucle répéter jusqu'à (do...while)","option_d":"Aucune des réponses ci-dessus","option_e":"","option_f":"","bonne_reponse":"B","explication":"La boucle \u003Ccode\u003Efor\u003C\/code\u003E est la plus adaptée pour parcourir un tableau, car elle permet de contrôler facilement l'index et le nombre d'itérations.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":21664,"question":"Quelle est la complexité spatiale d'un algorithme récursif sans mémoïsation ?","option_a":"O(1)","option_b":"O(n)","option_c":"O(log n)","option_d":"O(2^n)","option_e":"","option_f":"","bonne_reponse":"B","explication":"La complexité spatiale d'un algorithme récursif sans mémoïsation est O(n), car chaque appel récursif ajoute une nouvelle frame à la pile d'appels, occupant un espace mémoire proportionnel au nombre d'appels.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":21665,"question":"Un algorithme de complexité O(n log n) est toujours plus efficace qu'un algorithme de complexité O(n²).","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"A","explication":"Vrai. Un algorithme de complexité O(n log n) est plus efficace qu'un algorithme de complexité O(n²) pour des valeurs de n suffisamment grandes, car sa croissance est plus lente.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":21666,"question":"Quel est l'avantage principal de l'utilisation de la récursivité ?","option_a":"Elle permet d'écrire des algorithmes plus courts et plus élégants","option_b":"Elle réduit toujours la complexité temporelle","option_c":"Elle utilise moins de mémoire que les boucles","option_d":"Elle est toujours plus facile à comprendre","option_e":"","option_f":"","bonne_reponse":"A","explication":"L'avantage principal de la récursivité est de permettre d'écrire des algorithmes plus courts et plus élégants pour résoudre des problèmes naturellement récursifs (ex : calcul de factorielle, tours de Hanoï).","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":21667,"question":"Dans un algorithme de tri rapide (QuickSort), quel est le pire cas de complexité temporelle ?","option_a":"O(1)","option_b":"O(n)","option_c":"O(n log n)","option_d":"O(n²)","option_e":"","option_f":"","bonne_reponse":"D","explication":"Le pire cas de complexité temporelle du QuickSort est O(n²), qui se produit lorsque le pivot choisi est systématiquement le plus petit ou le plus grand élément du tableau, entraînant une partition déséquilibrée.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0}]