Standard-Algorithmen – Sortieren, Suchen, QuickSort, MergeSort & BubbleSort

Dieser Beitrag ist eine Begriffserklärung zu Standard-Algorithmen – inklusive Prüfungsfragen und Tags.

In a Nutshell

Standard-Algorithmen sind grundlegende, häufig eingesetzte Verfahren zur Lösung typischer Probleme wie Sortierung, Suche, Traversierung oder Berechnung. Sie bilden das Fundament algorithmischen Denkens in der Softwareentwicklung.

Kompakte Fachbeschreibung

Standard-Algorithmen sind etablierte, optimierte Verfahren für wiederkehrende Aufgaben wie Sortieren (z.B. QuickSort, MergeSort), Suchen (z.B. binäre Suche), Durchlaufen von Datenstrukturen (z.B. Tiefen- und Breitensuche) oder mathematische Operationen (z.B. Euklidischer Algorithmus). Ihre Komplexität wird meist mit Big-O-Notation beschrieben, was die Effizienz hinsichtlich Laufzeit und Speicherbedarf angibt. In nahezu allen Programmiersprachen sind sie als Bibliotheksfunktionen verfügbar, sollten aber auch manuell verstanden und im Kern implementiert werden können – insbesondere in der IHK-Prüfung.

Prüfungsrelevante Stichpunkte

• Standard-Algorithmen lösen häufige Grundprobleme effizient
• Typische Kategorien: Sortieren, Suchen, Traversieren
• Werden anhand der Komplexität (O-Notation) verglichen
• Kenntnisse sind Teil der schriftlichen IHK-Prüfung
• Praxiseinsatz z.B. bei Tabellen, Reports, Datenbankabfragen
• Auswahl des richtigen Algorithmus verbessert Performance signifikant
• Müssen dokumentiert (z.B. Pseudocode, Ablaufdiagramm) und getestet werden

Kernkomponenten

1. Sortieralgorithmen (z.B. BubbleSort, MergeSort)
2. Suchalgorithmen (z.B. binäre Suche, lineare Suche)
3. Traversierungsalgorithmen (z.B. DFS, BFS bei Graphen/Bäumen)
4. Rekursive Algorithmen (z.B. QuickSort, Fibonacci)
5. Iterative Algorithmen (z.B. Zählschleifen)
6. Komplexitätsanalyse (O-Notation)
7. Speicherverbrauchsanalyse
8. Datenstrukturabhängigkeit (Array, Liste, Baum)
9. Sicherheit durch Vermeidung unendlicher Schleifen
10. Verifikation durch Testfälle und Dry-Runs

Praxisbeispiel

// Beispiel: Lineare Suche in einem Array
funktion suche(array, ziel)
für i von 0 bis array.länge - 1
    wenn array[i] == ziel
        gib i zurück
gib -1 zurück

Erklärung: Diese Funktion durchsucht das Array sequenziell nach dem Zielwert und gibt den Index zurück oder -1, falls nicht gefunden.

Vorteile und Nachteile

Vorteile

• Effizient bei bekanntem Einsatzzweck
• Gut dokumentiert und erprobt
• In Standardbibliotheken meist enthalten

Nachteile

• Müssen auf den Einzelfall angepasst werden
• Falscher Einsatz kann ineffizient oder falsch sein
• Komplexere Algorithmen schwer verständlich für Einsteiger

Typische Prüfungsfragen (mit Kurzantwort)

1. Zwei Standard-Sortieralgorithmen und Komplexität? QuickSort (O(n log n)), BubbleSort (O(n²))
2. O(n) in der Komplexitätsanalyse bedeutet? Laufzeit wächst linear mit der Eingabegröße.
3. Binäre Suche eignet sich wann? Nur bei vorher sortierten Arrays oder Listen.
4. Tiefensuche in einem Graphen funktioniert? Durch rekursives oder stapelgesteuertes Traversieren bis zu den Endknoten.
5. Warum BubbleSort ineffizient? Wegen der quadratischen Laufzeit bei jeder Eingabegröße.
6. Dry-Run eines Algorithmus? Manuelle Schritt-für-Schritt-Ausführung zur Überprüfung.
7. Korrektheit eines Algorithmus sichern? Durch Testfälle, Grenzfälle und Laufzeitvergleiche.
8. Rekursive vs. iterative Algorithmen? Rekursive nutzen Funktionsaufrufe, iterative verwenden Schleifen.

Wichtigste Quellen

1. https://visualgo.net
2. https://sorting.at
3. https://www.geeksforgeeks.org/fundamentals-of-algorithms