-
डेटा संरचना में ऊंचाई-पक्षपाती वामपंथी पेड़
यहां हम देखेंगे कि हाइट बैलेंस्ड लेफ्टिस्ट ट्री (HBLT) क्या है। एक बाइनरी ट्री पर विचार करें जहां एक विशेष नोड, जिसे बाहरी नोड . कहा जाता है प्रत्येक खाली उपट्री को प्रतिस्थापित करता है। अन्य सभी नोड्स को आंतरिक नोड्स . कहा जाता है . जब कुछ बाहरी नोड्स को किसी बाइनरी ट्री के साथ जोड़ा जाता है, तो उस
-
डेटा संरचना में अधिकतम HBLT में सम्मिलन
मैक्स मेल्ड ऑपरेशन का उपयोग करके मैक्स एचबीएलटी में इंसर्शन किया जा सकता है। इस ऑपरेशन का उपयोग दो मैक्स एचबीएलटी को एक मैक्स एचबीएलटी में मर्ज करने के लिए किया जाता है। मान लीजिए, हम x को एक अधिकतम HBLT में सम्मिलित करना चाहते हैं, जिसे H कहा जाता है। हम x का उपयोग करके एक छोटा HBLT बनाएंगे, फिर इस
-
डेटा संरचना में अधिकतम HBLT से अधिकतम तत्व को हटाना
Max HBLT में, रूट को रूट पर रखा जाता है। यदि रूट हटा दिया जाता है, तो दो अधिकतम एचबीएलटी, यानी बाएं और दाएं अलग हो जाएंगे। इन दोनों Max HBLT को फिर से एक साथ मिलाकर हम इन्हें एक में मिला सकते हैं। तो पिघलने के बाद हटाए गए को छोड़कर सभी तत्व होंगे।
-
डेटा संरचना में दो अधिकतम HBLT का मेल करना
मेल्ड रणनीति रिकर्सन का उपयोग करके आसानी से की जाती है। मान लीजिए कि A और B दो HBLT हैं, जिन्हें आपस में मिलाया जाएगा। यदि उनमें से एक खाली है, तो अंतिम परिणाम के रूप में बस दूसरा बनाएं। यदि कोई खाली HBLT नहीं है, तो हमें दो जड़ों में तत्वों की तुलना करनी होगी। बड़े तत्व वाली जड़ पिघले हुए HBLT की ज
-
डेटा संरचना में एकल सरणी में एकाधिक सूचियां
ऐरे प्रतिनिधित्व मूल रूप से स्थान की बर्बादी है जब यह डेटा संग्रहीत कर रहा है जो समय के साथ बदल जाएगा। कुछ डेटा स्टोर करने के लिए, हम कुछ जगह आवंटित करते हैं जो एक सरणी में एकाधिक मानों को स्टोर करने के लिए पर्याप्त है। मान लीजिए कि हम सरणी के आकार को बढ़ाने के लिए सरणी दोहरीकरण मानदंड का उपयोग करते
-
डेटा संरचना में अधिकतम HBLT से मनमाना तत्व हटाना
अधिकतम या न्यूनतम HBLT से मनमानी नोड्स को हटाना मानक संचालन नहीं है। प्राथमिकता कतार या HBLT के लिए। अगर हम एचबीएलटी से एक नोड जैसे K को हटाना चाहते हैं, तो हमें निम्नलिखित नियमों का पालन करना होगा। K पर निहित सबट्री को ट्री से अलग करें, और इसे नोड K के सबट्रीज़ के मेल से बदलें। K से रूट तक s
-
डेटा संरचना में भार-पक्षपाती वामपंथी पेड़
यहाँ हम वामपंथी वृक्ष का एक और रूप देखेंगे। यहां हम एक सबट्री में नोड्स की संख्या पर विचार करेंगे, न कि रूट टू एक्सटर्नल नोड के लिए सबसे छोटे पथ की लंबाई के बजाय। यहां हम नोड x के वजन w(x) को परिभाषित करेंगे, जो रूट x के साथ उपट्री में आंतरिक नोड्स की संख्या होगी। यदि x एक बाहरी नोड है, तो भार 0 है।
-
डेटा संरचना में अधिकतम WBLT संचालन
यहां हम देखेंगे कि विभिन्न Max-WBLT ऑपरेशंस क्या हैं। HBLT में अलग-अलग ऑपरेशन होते हैं जैसे इन्सर्ट, डिलीट और इनिशियलाइज़ेशन। वे काफी हद तक WBLT से भी मिलते-जुलते हैं। हालांकि, मेल्ड ऑपरेशन एक ही ऊपर से नीचे के पास में किया जा सकता है। WBLT के लिए सिंगल पास मेल्ड ऑपरेशन संभव है। क्योंकि हम नीचे के
-
डेटा संरचना में रॉबिन-हुड हैशिंग
इस खंड में हम देखेंगे कि रॉबिन-हुड हैशिंग योजना क्या है। यह हैशिंग ओपन एड्रेसिंग की तकनीक में से एक है। यह बेहतर टक्कर समाधान रणनीति का उपयोग करके तत्व के खोज समय को बराबर करने का प्रयास करता है। जब हम डालने की कोशिश कर रहे हैं, अगर हम स्थिति xi पर तत्व x सम्मिलित करना चाहते हैं, और पहले से ही एक तत
-
डेटा संरचना में शब्दकोश के रूप में बाइनरी ट्री
जब हम एब्स्ट्रैक्ट डेटा टाइप डिक्शनरी को लागू करने का प्रयास करते हैं, तो नोड मानों के साथ जुड़ जाता है। एक शब्दकोश मूल रूप से चाबियों का एक सेट है, जो कुल क्रम से तैयार किए गए तत्व होने चाहिए। अतिरिक्त जानकारी हो सकती है, जो प्रत्येक कुंजी से जुड़ी होती है, लेकिन इससे कोई वैचारिक समझ नहीं होती है।
-
डेटा संरचना में एल्गोरिदम मर्ज करें
मर्ज एल्गोरिथ्म का उपयोग दो क्रमबद्ध सूची को एक सूची में मर्ज करने के लिए किया जाता है। इस एल्गोरिथ्म का उपयोग विभिन्न मामलों में किया जाता है। यदि हम मर्ज सॉर्ट करना चाहते हैं, तो हमें सॉर्टर सूचियों को बड़ी सूचियों में मर्ज करना होगा। दृष्टिकोण सरल है। हम दो सूचियां लेते हैं, दो पॉइंटर्स होंगे। प
-
डेटा संरचना में बी-पेड़
यहां हम देखेंगे कि बी-पेड़ क्या हैं। बी-पेड़ विशेष एम-वे सर्च ट्री हैं। यह डिस्क एक्सेस के लिए व्यापक रूप से उपयोग किया जा सकता है। क्रम m के B-वृक्ष में अधिकतम m-1 कुंजियाँ और m बच्चे हो सकते हैं। यह एक ही नोड में बड़ी संख्या में तत्वों को स्टोर कर सकता है। तो ऊंचाई अपेक्षाकृत छोटी है। यह बी-पेड़ों
-
डेटा संरचना में आर-पेड़
यहां हम R-Tree डेटा संरचना देखेंगे। आर-ट्री का उपयोग विशेष डेटा इंडेक्स को कुशल तरीके से स्टोर करने के लिए किया जाता है। विशेष डेटा क्वेरी और स्टोरेज रखने के लिए यह संरचना बहुत उपयोगी है। इस आर-पेड़ों में कुछ वास्तविक जीवन अनुप्रयोग हैं। ये नीचे की तरह हैं - बहुआयामी जानकारी को अनुक्रमित करना
-
डेटा संरचना में लाल-काले पेड़
इस खंड में हम देखेंगे कि लाल-काला पेड़ क्या है। रेड-ब्लैक ट्री स्व-संतुलन बाइनरी सर्च ट्री हैं। प्रत्येक नोड के लिए कुछ शर्तें हैं। ये नीचे की तरह हैं - प्रत्येक नोड का रंग होता है। जो या तो लाल या काला है जड़ हमेशा काली रहेगी दो आसन्न लाल नोड नहीं होंगे किसी नोड (रूट सहित) से उसके किसी
-
डेटा संरचना में उपसर्ग और पोस्टफ़िक्स एक्सप्रेशन
अंकगणितीय व्यंजक लिखने की विधि को अंकन कहते हैं। एक अंकगणितीय व्यंजक को तीन अलग-अलग लेकिन समकक्ष अंकन में लिखा जा सकता है, अर्थात, किसी व्यंजक के सार या आउटपुट को बदले बिना। ये संकेतन हैं - इंफिक्स उपसर्ग पोस्टफिक्स इंफिक्स नोटेशन सामान्य नोटेशन हैं, जिनका उपयोग हम विभिन्न गणितीय अभिव्यक
-
डेटा संरचना में टूर्नामेंट पेड़, विजेता पेड़ और हारने वाले पेड़
यहां हम टूर्नामेंट ट्री, विनर और लूजर ट्री देखेंगे। टूर्नामेंट ट्री n बाहरी नोड्स और n-1 आंतरिक नोड्स के साथ एक पूर्ण बाइनरी ट्री है। बाहरी नोड्स खिलाड़ियों का प्रतिनिधित्व करते हैं, और आंतरिक नोड्स दो खिलाड़ियों के बीच मैच के विजेता का प्रतिनिधित्व करते हैं। इस पेड़ को सेलेक्शन ट्री के नाम से भी जा
-
डेटा संरचना में बिना जड़े बाइनरी ट्री
यहां हम देखेंगे कि अनरूटेड बाइनरी ट्री क्या है। ये पेड़ बिना किसी चक्र के अप्रत्यक्ष ग्राफ से जुड़े हुए हैं। एक पड़ोसी के साथ शिखर पेड़ के पत्ते हैं। शेष कोने आंतरिक नोड हैं। कोने की डिग्री इसके पड़ोसियों की संख्या है। एक से अधिक नोड वाले पेड़ में, पत्तियां डिग्री एक के शीर्ष होते हैं। फ्री ट्री एक
-
डेटा संरचना में जड़ बनाम बिना जड़ वाले पेड़
इस खंड में हम देखेंगे कि जड़ वाले और बिना जड़ वाले वृक्षों में क्या अंतर हैं। सबसे पहले हम जड़ वाले और बिना जड़ वाले पेड़ों के कुछ उदाहरण देखेंगे। जड़ वाले पेड़ का उदाहरण - बिना जड़े पेड़ का उदाहरण - जड़ और जड़ वाले पेड़ों के बीच बुनियादी अंतर एक जड़ वाले पेड़ में, वंश के साथ प्रत्येक नोड वंशजो
-
डेटा संरचना में यूनिवर्सल हैशिंग
किसी भी हैश फ़ंक्शन के लिए हम कह सकते हैं कि यदि तालिका का आकार m ब्रह्मांड के आकार u से बहुत छोटा है, तो किसी भी हैश फ़ंक्शन h के लिए, U का कुछ बड़ा उपसमुच्चय है जो समान है हैश मान। इस समस्या से छुटकारा पाने के लिए, हमें हैश फ़ंक्शन के एक सेट की आवश्यकता होती है, जिसमें से हम किसी एक को चुन सकते ह
-
डेटा संरचना में चेनिंग के साथ हैशिंग
इस खंड में हम देखेंगे कि चेनिंग के साथ हैशिंग क्या है। चेनिंग एक टकराव समाधान तकनीक है। हम टकराव से बच नहीं सकते, लेकिन हम टकराव को कम करने की कोशिश कर सकते हैं, और एक ही हैश मान के लिए कई तत्वों को संग्रहीत करने का प्रयास कर सकते हैं। यह तकनीक मानती है कि हमारा हैश फंक्शन h(x) 0 से 6 तक है। तो 7 स