🤔11
Algorithm design & data structure
Photo
💯5🙏2👨💻2👍1🤔1
🤔5👍2👨💻1
انواع متغییر هایی که در زبان برنامه نویسی استفاده میشه شامل سایز و بازه ایی هستند که ما باید در برنامه ها به آن ها توجه کنیم که از چه نوع متغیری استفاده کنیم که هزینه کمتری داشته باشد(حافظه کمتر).
📣👨💻 @AlgorithmDesign_DataStructuer
📣👨💻 @AlgorithmDesign_DataStructuer
👍3🔥2👨💻1
هرم-بیشترین(max-heap):
یک درخت باینری کامل است که در آن مقدار هر گره داخلی بزرگتر یا مساوی با مقادیر فرزندان آن گره است. نگاشت عناصر یک پشته در یک آرایه بی اهمیت است: اگر یک گره با اندیس k ذخیره شود، فرزند سمت چپ آن در شاخص 2k + 1 و فرزند سمت راست آن در شاخص 2k + 2 ذخیره می شود.
📣👨💻 @AlgorithmDesign_DataStructuer
یک درخت باینری کامل است که در آن مقدار هر گره داخلی بزرگتر یا مساوی با مقادیر فرزندان آن گره است. نگاشت عناصر یک پشته در یک آرایه بی اهمیت است: اگر یک گره با اندیس k ذخیره شود، فرزند سمت چپ آن در شاخص 2k + 1 و فرزند سمت راست آن در شاخص 2k + 2 ذخیره می شود.
📣👨💻 @AlgorithmDesign_DataStructuer
👌4🤩2💯1👨💻1
تعداد برگ های تولید شده در یک درخت heap که n عنصر دارد چه قدر است؟
Anonymous Quiz
20%
کران پایینn/2
34%
کران بالایn/2
34%
کران پایین log n
12%
کران بالای log n
👍5👨💻3
چند تعریف و نکته در مورد گراف
در یک گراف , یک مجوعه از راس ها و یک مجوعه از یال ها داریم که میتوان گفت هر یال 2 راس را به هم متصل می کند.
گراف ساده:
گراف بدون جهت می باشد.
کوتاه ترین مسیر بین دو راس:
این به این معنی می باشد که مجوعه وزن های مورد استفاده بایستی به حداقل مسیر برسانیم.
گراف وزن دار:
هر یال داری وزنی می باشد.
گراف جهت دار:
هر یال علاوه بر وزن جهت نیز دارد که این به معنی می باشد که مشخص می کند که از چه راسی به چه راسی میتوان حرکت کرد.
توجه:
به این نکته دقت کنید که گراف یک درخت نمی باشد زیرا در آن دور(حلقه) وجود ندارد ولی اگر دقت کرده باشید در گراف ها نیز دور وجود دارید.
📣👨💻 @AlgorithmDesign_DataStructuer
در یک گراف , یک مجوعه از راس ها و یک مجوعه از یال ها داریم که میتوان گفت هر یال 2 راس را به هم متصل می کند.
گراف ساده:
گراف بدون جهت می باشد.
کوتاه ترین مسیر بین دو راس:
این به این معنی می باشد که مجوعه وزن های مورد استفاده بایستی به حداقل مسیر برسانیم.
گراف وزن دار:
هر یال داری وزنی می باشد.
گراف جهت دار:
هر یال علاوه بر وزن جهت نیز دارد که این به معنی می باشد که مشخص می کند که از چه راسی به چه راسی میتوان حرکت کرد.
توجه:
به این نکته دقت کنید که گراف یک درخت نمی باشد زیرا در آن دور(حلقه) وجود ندارد ولی اگر دقت کرده باشید در گراف ها نیز دور وجود دارید.
📣👨💻 @AlgorithmDesign_DataStructuer
👍2👏2👨💻1
الگوریتم Greedy (حریصانه)
الگوریتم Greedy، یک الگوریتم ساده و شهودی است که در مسائل بهینه سازی استفاده می شود. این الگوریتم در هر مرحله، انتخاب بهینه را انجام می دهد تا بتواند راه بهینه برای حل کل مسئله را بیابد. در سایت های فارسی، نام این الگوریتم را حریصانه ترجمه کرده اند ولی من ترجیح می دهم با همان Greedy ادامه بدهم. الگوریتمهای Greedy در برخی مشکلات کاملاً موفق هستند، مانند کدگذاری هافمن (Huffman encoding) که برای فشردهسازی دادهها استفاده میشود، یا الگوریتم Dijkstra که برای یافتن کوتاهترین مسیر از طریق یک گراف استفاده میشود. با این حال، در بسیاری از مشکلات، یک استراتژی Greedy راه حل بهینه را پیدا نمی کند.
الگوریتم Greedy دارای 5 جز است:
یک مجموعه از کاندیداهایی که ما سعی می کنیم از بین آنها راه حلی را پیدا کنیم.
یک تابع انتخاب که به انتخاب بهترین کاندیدای ممکن کمک می کند.
یک تابع امکان سنجی که به تصمیم گیری در مورد استفاده از کاندیدای مورد نظر برای یافتن راه حل کمک می کند.
یک تابع هدف که به یک راه حل ممکن یا به یک راه حل جزئی مقدار می دهد.
تابع راه حل که می گوید چه زمانی راه حلی برای مشکل پیدا کرده ایم.
📣👨💻 @AlgorithmDesign_DataStructuer
الگوریتم Greedy، یک الگوریتم ساده و شهودی است که در مسائل بهینه سازی استفاده می شود. این الگوریتم در هر مرحله، انتخاب بهینه را انجام می دهد تا بتواند راه بهینه برای حل کل مسئله را بیابد. در سایت های فارسی، نام این الگوریتم را حریصانه ترجمه کرده اند ولی من ترجیح می دهم با همان Greedy ادامه بدهم. الگوریتمهای Greedy در برخی مشکلات کاملاً موفق هستند، مانند کدگذاری هافمن (Huffman encoding) که برای فشردهسازی دادهها استفاده میشود، یا الگوریتم Dijkstra که برای یافتن کوتاهترین مسیر از طریق یک گراف استفاده میشود. با این حال، در بسیاری از مشکلات، یک استراتژی Greedy راه حل بهینه را پیدا نمی کند.
الگوریتم Greedy دارای 5 جز است:
یک مجموعه از کاندیداهایی که ما سعی می کنیم از بین آنها راه حلی را پیدا کنیم.
یک تابع انتخاب که به انتخاب بهترین کاندیدای ممکن کمک می کند.
یک تابع امکان سنجی که به تصمیم گیری در مورد استفاده از کاندیدای مورد نظر برای یافتن راه حل کمک می کند.
یک تابع هدف که به یک راه حل ممکن یا به یک راه حل جزئی مقدار می دهد.
تابع راه حل که می گوید چه زمانی راه حلی برای مشکل پیدا کرده ایم.
📣👨💻 @AlgorithmDesign_DataStructuer
👍5👨💻2💯1
حداکثر تعداد گره در یک درخت دودویی با ارتفاع h برابر است با :
Anonymous Quiz
39%
(2^h+1)+1
36%
2^h
6%
2h
19%
هیچ کدام
👍4👨💻2🔥1
پیدا کردن آدرس در آرایه دو بعدی و هم چنین در آرایه سه بعدی که این فرمول را می توان به آرایه چند بعدی هم تعمیم داد.
📣👨💻 @AlgorithmDesign_DataStructuer
📣👨💻 @AlgorithmDesign_DataStructuer
👍5🤩2👨💻2
یکی از روش های پیمایش درخت پیماش اول عمث یا DFSمی باشد.
اين روش مبتني بر stack است. پيمايش در اين روش همواره از ريشه شروع مي شود و سپس با توجه به معيار اولويتي تعريف شده يك عنصر مشاهده نشده متصل به گره جاري را انتخاب ميكنيم. اگر اين عنصر وجود نداشـت بـه آخـرين عنصـر مشـاهده شـده بازگشـت مـي كنـيم و الگوريتم را از اين گره دنبال مي كنيم.
📣👨💻 @AlgorithmDesign_DataStructuer
اين روش مبتني بر stack است. پيمايش در اين روش همواره از ريشه شروع مي شود و سپس با توجه به معيار اولويتي تعريف شده يك عنصر مشاهده نشده متصل به گره جاري را انتخاب ميكنيم. اگر اين عنصر وجود نداشـت بـه آخـرين عنصـر مشـاهده شـده بازگشـت مـي كنـيم و الگوريتم را از اين گره دنبال مي كنيم.
📣👨💻 @AlgorithmDesign_DataStructuer
👍3👨💻1
👍7🤔6👨💻1