プログラミング

 Computer >> コンピューター >  >> プログラミング >> プログラミング
  1. データ構造の隣接リスト

    グラフは非線形のデータ構造です。これは、ノードを使用したデータと、エッジを使用したそれらの関係を表します。グラフGには2つのセクションがあります。頂点とエッジ。頂点はセットVを使用して表され、エッジはセットEとして表されます。したがって、グラフ表記はG（V、E）です。アイデアを得るための1つの例を見てみましょう。 このグラフには、5つの頂点と5つのエッジがあります。エッジが方向付けられます。例として、頂点BとDを接続するエッジを選択した場合、ソース頂点はBで、デスティネーションはDです。したがって、BをDに移動することはできますが、DからBに移動することはできません。 グラフは非線形

  2. データ構造における検索ツリーの比較

    ここでは、いくつかの検索ツリーとその違いを確認します。多くの異なる探索木があります。それらは性質が異なります。基本的な検索ツリーは、バイナリ検索ツリー（BST）です。他の検索ツリーには、AVLツリー、Bツリー、赤黒木、スプレーツリーなどがあります。 これらのツリーは、操作に基づいて比較できます。これらの木の時間計算量がわかります 検索ツリー 平均的なケース 挿入 削除 検索 二分探索木 O（log n） O（log n） O（log n） AVLツリー O（log 2 n） O（log 2 n） O（log 2 n） Bツリー O（log

  3. 分散共有メモリを実装するためのアルゴリズム

    共有メモリ 複数のプログラムからアクセスできるメモリブロックです。共有メモリの概念は、通信の方法を提供し、冗長性の少ないメモリ管理を提供するために使用されます。 分散共有メモリ DSMと略されます 分散システムでの共有メモリの概念の実装です。 DSMシステムは、システム内のローカルの物理共有メモリを奪われた疎結合システムに共有メモリモデルを実装します。このタイプのシステムでは、分散共有メモリは、すべてのシステム（ノードとも呼ばれます）がアクセスできる仮想メモリ空​​間を提供します。 ）分散階層の。 DSMの実装中に留意すべきいくつかの一般的な課題- 共有メモリにリモートで保存されて

  4. BFSとDFSの違い

    BFSとDFSはグラフ走査アルゴリズムです。 BFS 幅優先探索（BFS）アルゴリズムは、グラフを横方向に移動し、キューを使用して、反復で行き止まりが発生したときに、次の頂点を取得して検索を開始することを忘れないようにします。 DFS 深さ優先探索（DFS）アルゴリズムは、グラフを深さ方向に移動し、スタックを使用して、反復で行き止まりが発生したときに、次の頂点を取得して検索を開始することを忘れないようにします。 以下は、BFSとDFSの重要な違いです。 Sr。いいえ。 キー BFS DFS 1 定義 BFS、幅優先探索の略です。 DFS、

  5. 固定チャネル割り当てと動的チャネル割り当ての違い。

    固定チャネル割り当て（FCA） 固定チャネル割り当て（FCA） は、セルに割り当てられる固定チャネルまたは音声チャネル割り当ての戦略です。チャネルが割り当てられると、それらは変更されません。このタイプの割り当ては、頻度の使用を最大化するために使用されます。ユーザーが電話をかけ、セルが占有されている場合、通話はブロックされます。他のセルからチャネルを借用すると、この問題が解決します。 動的チャネル割り当て（DCA） 動的チャネル割り当て（DCA） は、要求に基づいてチャネルまたは音声チャネルを割り当てる戦略です。ユーザーが電話をかけるたびに、ベースステーションはモバイルステーションセンターに

  6. JPEGとPNGの違い

    JPEGとPNGはどちらも、画像を保存するための画像形式の一種です。 JPEGは不可逆圧縮アルゴリズムを使用しており、画像はデータの一部を失う可能性がありますが、PNGは可逆圧縮アルゴリズムを使用しており、PNG形式では画像データの損失はありません。 JPEGとPNGの重要な違いは次のとおりです。 Sr。いいえ。 キー JPEG PNG 1 の略 JPEGはJointPhotographicExpertsGroupの略です。 PNGはPortableNetworkGraphicsの略です。 2 圧縮アルゴリズムタイプ JPEGは不可逆圧縮アルゴリズムを使用し

  7. Big-O表記とLittle-O表記の違い

    e∈O（g）は、本質的に- 少なくとも1つの場合 0の選択、∋不等式e（x）aを保持するような定数a。 e∈o（g）は、本質的に- すべての場合 0の選択、∋不等式e（x）aを保持するような定数a。 e∈O（g）はeの漸近的成長がgより速くないことを意味し、e∈o（g）はeの漸近的成長がgより厳密に遅いことを意味します。 ≤対<のようなものです。 E.g. x2∈O(x2) x2∉o(x2) x2∈o(x3)

  8. 最悪の場合の許容度分析

    許容度分析の定義と重要性 公差分析は、製造された部品の欠陥に起因する（つまり発生する）製品に対する全体的な変動と変動の影響を計算するために使用される多くのプロセスに与えられる用語です。 公差分析は、製品設計エンジニアが製造用のコンポーネントを準備するときに実行されます。これは、エンドユーザーの要求に応じて保証するとともに、製造されたすべてのコンポーネントがアセンブリ内に一緒に取り付けられるようにするために行われます。 許容範囲分析の定義 公差分析は、機械部品およびアセンブリで収集される可能性のある変動の主題に関連する活動の総称として定義されます。その方法は、機械的および電気的システムなど

  9. 公差スタックアップ

    アセンブリ公差スタックアップ分析とは何ですか？ 要するに、アセンブリ公差スタックアップ分析は、アセンブリ全体の公差値、またはすべてのコンポーネントの公差値を認識している場合のアセンブリの特定のギャップとして定義されます。 アセンブリトレランスチェーンスタックアップ分析は、さまざまな方法で実行できます。最も単純な手順は最悪の場合の方法と呼ばれ、ここで説明します。 組み立て公差スタックアップの最悪の場合の方法についての議論 以下のような4枚の厚いシートのアセンブリがあるとします- 上の図は、4枚のシートの厚さと公差を示しています。寸法「X」を計算する必要があります とその許容値は以下

  10. メルダブル優先キュー操作

    ランダム化されたメルダブルヒープ（メルダブルプライオリティキューとも呼ばれます）は、多くの一般的な操作をサポートします。これらは、挿入、削除、および検索操作、findMinとして知られています。挿入および削除操作は、メルダブルヒープMeld（A1、A2）に固有の追加操作の観点から実装されます。 メルド meld（マージとも呼ばれる）操作の基本的なターゲットは、A1とA2の2つのヒープ（各ヒープのルートノードを取得することによる）を取得し、それらをマージして、結果として単一のヒープノードを返すことです。このヒープノードは、A1とA2をルートとする2つのサブツリーのすべての要素を含むヒープのルー

  11. ツリーの左子右兄弟表現

    左-子右-兄弟表現は、n-aryツリーの異なる表現であり、すべての子ノードへのポインターを維持する代わりに、ノードは2つのポインター、最初は最初の子へのポインター、もう1つはへのポインターを保持します。そのすぐ次の兄弟。この新しい変換により、ノードが持つ子の数を事前に知る必要がなくなるだけでなく、ポインターの数が最大2つに制限されるため、コーディングが非常に簡単になります。 各ノードで、同じ親の子を左から右にリンクまたは接続します。 親は最初の子とのみリンクする必要があります。 例 左子右兄弟ツリー表現 10 | 2 -> 3 -> 4 -> 5 | | 6 7 -&g

  12. ポテンシャル法

    計算の複雑さの理論によれば、ポテンシャル法は、データ構造の償却された時間と空間の複雑さを分析するために実装された方法として定義されます。これは、まれですが高価な操作のコストを排除する一連の操作に対するパフォーマンスの尺度です。 ポテンシャル法では、データ構造の状態を非負の数に変換する関数Φが選択されます。 Sがデータ構造の状態として扱われる場合、Φ（S）は、償却分析で考慮されたがまだ実行されていない作業を示します。したがって、Φ（S）は、その状態で蓄積された位置エネルギーの量を計算するものとして想像することができます。データ構造を初期化する前に、潜在的な値はゼロとして定義されます。あるいは、

  13. m-aryツリー

    コンピュータサイエンスのm-aryツリーは、通常、次のように階層的に表されるノードのコレクションとして定義されます。 ツリーはルートノードで開始されます。 ツリーの各ノードは、その子ノードへのポインタのリストを維持します。 子ノードの数がm以下です。 m-aryツリーの一般的な表現は、子を格納するためにm個の参照（またはポインター）の配列を実装します（mは子の数の上限であることに注意してください）。 m-way探索木 a。空または b。 b（1 <=b

  14. 接続性、距離、およびスパニングツリー

    スパニングツリー 簡単な定義の1つは、ツリーはサイクルに関連付けられていない連結グラフであり、サイクルでは、エッジを繰り返さずにノードからそれ自体に移動できます。 連結グラフGの全域木は、Gのすべての頂点を含む木として定義されます。 スパニングツリーは、インターネットルーティングアルゴリズム用に実装されることがよくあります。インターネットでは、コンピューター（ノード）は多くの場合、多くの冗長な物理接続で接続されています。 グラフ内のスパニングツリーの総数。グラフがnなしの完全グラフである場合。頂点の数の場合、スパニングツリーの総数はn（n-2）です。 ここで、nはグラフ内のノードの数

  15. MeldablePriorityQueuesとSkewHeaps

    メルダブル優先キュー 定義 ランダム化されたメルダブルヒープ（メルダブルヒープまたはランダム化されたメルダブル優先度キュー）は、基になる構造もヒープ順に並べられたバイナリツリーである優先度キューベースのデータ構造として定義されます。ただし、基礎となる二分木の形に厳格な規則はありません。 利点 このアプローチには多くの機能があります。つまり、同様のデータ構造に勝る利点があります。 他のデータ構造よりもシンプルなアプローチを提供します。 ランダム化されたメルダブルヒープのすべての操作は簡単に適用でき、複雑さの範囲内の定数係数は小さくなります。 バランス状態を維持する必要もありません。また、ノー

  16. ペアリングヒープ

    ペアリングヒープは、実装が比較的簡単で、実用的な償却パフォーマンスが優れているヒープデータ構造の一種として定義されています。 ペアリングヒープは、ヒープ順に並べられたマルチウェイツリー構造であり、簡略化されたフィボナッチヒープとして表すことができます。 これらは、プリムのMSTアルゴリズムなどのアルゴリズムを実装するための「堅牢な選択」と見なされ、次の操作をサポートします（最小ヒープを想定）- find-min −この関数は、ヒープの最上位要素を返す役割を果たします。 溶ける -この関数は、2つのルート要素を比較する役割を果たします。結果のルートが小さいほど、大きい要素とそのサブツ

  17. ペアリングヒープのバリエーション

    ペアリングヒープは、空のヒープ、またはルート要素とペアリングツリーの空のリストを含むペアリングツリーのいずれかです。 ヒープ順序プロパティでは、ノードの親がノード自体より大きくないことが必要です。 次の説明では、キーの減少操作をサポートしない純粋関数型ヒープについて検討します。 タイプPairingTree[Element]=Heap（element：Element、subheaps：List [PairingTree [Element]]） タイプPairingHeap[Element]=Empty | PairingTree [Element] ペアリングヒープには、最小ペアリ

  18. メルドオペレーションの償却原価

    溶融操作の償却原価を計算することは困難な作業です。主な難しさは、ランダムな一連の操作のさまざまなポイントで実行される操作のコストの幅広い変動を累積することです。私たちの設計目標は一連の操作のコストに影響されますが、一連の操作のコストの観点から操作の償却コストの概念を定義することは何も導きません。実際のコストの変動を設定するための潜在的な関数を実装することは、状況を処理するための完璧な方法です。次のトピックでは、償却コストの概念について説明します。 Bを基本演算P={P 1 の抽象データ型（ADT）とします。 、P 2 、……、P k }そしてDSをBを実装するデータ構造とします。F

  19. ペアリングヒープの適応特性

    ペアリングヒープは、優先キューを完全に使用するために実装されています。優先キューはオブジェクトのセットの最小値を追跡するため、キューから何かを削除するたびに、それは常に最小値になります。優先キューは主に、ダイクストラのアルゴリズムを使用してグラフ内の最短経路を計算するときに実装されます。 ペアリングヒープは、実際のアプリケーションで使いやすく、操作しやすいため、完璧です。具体的には、それらは償却時間で優れた動作をします。つまり、個々の操作はより長い時間を消費しますが、キューのライフサイクル全体にわたるすべての操作の合計は高速です。ペアリングヒープはコーディングが簡単で、多くの場合、フィボナッ

  20. ソフトヒープ

    ソフトヒープは、5種類の操作の一定の償却時間で構成される単純なヒープデータ構造のバリエーションとして定義されます。これは、ヒープ内の特定の数の最大値のキーを注意深く「破損」（増加）させることによって取得されます。定数時間演算は-です。 作成 −新しいソフトヒープを作成します 挿入（s、y） −要素yをソフトヒープsに挿入します meld（s、s） 2つのソフトヒープsとsを1つにまとめて、両方を破壊します delete（s、y） −ソフトヒープsから要素yを削除します findmin（s） −ソフトヒープでキーが最も少ない要素を取得します フィボナッチヒープなどの他のヒープは、

Total 1466 -コンピューター  FirstPage PreviousPage NextPage LastPage CurrentPage:3/74  20-コンピューター/Page Goto:1 2 3 4 5 6 7 8 9