MÔ PHỎNG CẤU TRÚC DỮ LIỆU

Với một triệu khoá, quét thẳng mảng tốn trung bình năm trăm nghìn phép so sánh, cây nhị phân tìm kiếm cân bằng tốn chừng hai mươi, còn bảng băm nhảy đúng một phát tới ô cần tìm. Cái giá cũng thật: chèn dữ liệu đã sắp tăng dần thì giá trị mới luôn rơi sang phải, cây duỗi thành chuỗi một nhánh dài n tầng và tìm kiếm tụt về O(n). Bảng băm càng đầy thì càng nhiều khoá rơi trùng ô, chuỗi nối trong ô càng dài và O(1) chỉ còn đúng ở mức trung bình. Đống thì giữ luật cha nhỏ hơn con khắp cây nên gốc luôn là số nhỏ nhất.

▸ Sinh dãy giá trị tất định (PRNG có hạt giống)…
▸ Dựng cây nhị phân tìm kiếm (chèn · tìm · cân bằng)
▸ Nạp bảng băm (hàm băm · va chạm · chuỗi)
▸ Nạp đống min-heap (sift-up · sift-down)
▸ Băm các bước rời rạc để phát lại
▸ Sẵn sàng — Trực tuyến. ✅
0%
⌂ Tư duy & Máy

Phòng mô phỏng Cấu trúc dữ liệu

Trees · Hash tables · Heaps
Trực tuyến
cây · băm · đống · Big-O
Cấu trúc & chi phí
🌳 Cây BST
Cấu trúc—
Số nút / khoá—
Chiều cao cây—
Số so sánh—
Hệ số tải α—
Độ phức tạp—
Ghi chú
Cấu trúc dữ liệu là cách tổ chức dữ liệu trong bộ nhớ để thao tác hiệu quả. Cùng việc "tìm một khoá", cây BST (O(log n)), bảng băm (O(1)) và mảng (O(n)) tốn rất khác nhau khi dữ liệu lớn.
—
Chọn "Kịch bản" để đổi cấu trúc (BST · suy biến · băm · va chạm · heap · so chi phí) · 🔀 dữ liệu mới để dựng lại · bấm khái niệm để xem chi tiết
Trình duyệt chưa bật canvas.
Số mục & số so sánh tích luỹ theo thời gian số mụcso sánh
Về Cấu trúc dữ liệu

Với một triệu khoá, quét thẳng mảng tốn trung bình năm trăm nghìn phép so sánh, cây nhị phân tìm kiếm cân bằng tốn chừng hai mươi, còn bảng băm nhảy đúng một phát tới ô cần tìm. Cái giá cũng thật: chèn dữ liệu đã sắp tăng dần thì giá trị mới luôn rơi sang phải, cây duỗi thành chuỗi một nhánh dài n tầng và tìm kiếm tụt về O(n). Bảng băm càng đầy thì càng nhiều khoá rơi trùng ô, chuỗi nối trong ô càng dài và O(1) chỉ còn đúng ở mức trung bình. Đống thì giữ luật cha nhỏ hơn con khắp cây nên gốc luôn là số nhỏ nhất.

Chủ đề liên quan trong Tư duy & Máy