forked from UNN/2026-rff_mp
parent
6bed72c0f5
commit
901031fd0a
|
|
@ -1,391 +0,0 @@
|
||||||
import time
|
|
||||||
import random
|
|
||||||
import csv
|
|
||||||
import os
|
|
||||||
import matplotlib.pyplot as plt
|
|
||||||
import numpy as np
|
|
||||||
|
|
||||||
# ===================== 1. Связный список =====================
|
|
||||||
def ll_insert(head, name, phone):
|
|
||||||
"""Вставка в конец (или обновление), возвращает голову."""
|
|
||||||
new_node = {'name': name, 'phone': phone, 'next': None}
|
|
||||||
if head is None:
|
|
||||||
return new_node
|
|
||||||
cur = head
|
|
||||||
while True:
|
|
||||||
if cur['name'] == name:
|
|
||||||
cur['phone'] = phone
|
|
||||||
return head
|
|
||||||
if cur['next'] is None:
|
|
||||||
break
|
|
||||||
cur = cur['next']
|
|
||||||
cur['next'] = new_node
|
|
||||||
return head
|
|
||||||
|
|
||||||
def ll_find(head, name):
|
|
||||||
cur = head
|
|
||||||
while cur:
|
|
||||||
if cur['name'] == name:
|
|
||||||
return cur['phone']
|
|
||||||
cur = cur['next']
|
|
||||||
return None
|
|
||||||
|
|
||||||
def ll_delete(head, name):
|
|
||||||
if head is None:
|
|
||||||
return None
|
|
||||||
if head['name'] == name:
|
|
||||||
return head['next']
|
|
||||||
cur = head
|
|
||||||
while cur['next']:
|
|
||||||
if cur['next']['name'] == name:
|
|
||||||
cur['next'] = cur['next']['next']
|
|
||||||
return head
|
|
||||||
cur = cur['next']
|
|
||||||
return head
|
|
||||||
|
|
||||||
def ll_list_all(head):
|
|
||||||
result = []
|
|
||||||
cur = head
|
|
||||||
while cur:
|
|
||||||
result.append((cur['name'], cur['phone']))
|
|
||||||
cur = cur['next']
|
|
||||||
result.sort(key=lambda x: x[0])
|
|
||||||
return result
|
|
||||||
|
|
||||||
# ===================== 2. Хеш-таблица =====================
|
|
||||||
def ht_hash(name, size):
|
|
||||||
h = 0
|
|
||||||
for ch in name:
|
|
||||||
h = (h * 31 + ord(ch)) % size
|
|
||||||
return h
|
|
||||||
|
|
||||||
def ht_insert(buckets, name, phone):
|
|
||||||
idx = ht_hash(name, len(buckets))
|
|
||||||
buckets[idx] = ll_insert(buckets[idx], name, phone)
|
|
||||||
|
|
||||||
def ht_find(buckets, name):
|
|
||||||
idx = ht_hash(name, len(buckets))
|
|
||||||
return ll_find(buckets[idx], name)
|
|
||||||
|
|
||||||
def ht_delete(buckets, name):
|
|
||||||
idx = ht_hash(name, len(buckets))
|
|
||||||
buckets[idx] = ll_delete(buckets[idx], name)
|
|
||||||
|
|
||||||
def ht_list_all(buckets):
|
|
||||||
result = []
|
|
||||||
for head in buckets:
|
|
||||||
cur = head
|
|
||||||
while cur:
|
|
||||||
result.append((cur['name'], cur['phone']))
|
|
||||||
cur = cur['next']
|
|
||||||
result.sort(key=lambda x: x[0])
|
|
||||||
return result
|
|
||||||
|
|
||||||
# ===================== 3. BST =====================
|
|
||||||
def bst_insert(root, name, phone):
|
|
||||||
"""Итеративная вставка, не вызывает переполнения стека."""
|
|
||||||
new_node = {'name': name, 'phone': phone, 'left': None, 'right': None}
|
|
||||||
if root is None:
|
|
||||||
return new_node
|
|
||||||
|
|
||||||
cur = root
|
|
||||||
while True:
|
|
||||||
if name < cur['name']:
|
|
||||||
if cur['left'] is None:
|
|
||||||
cur['left'] = new_node
|
|
||||||
break
|
|
||||||
cur = cur['left']
|
|
||||||
elif name > cur['name']:
|
|
||||||
if cur['right'] is None:
|
|
||||||
cur['right'] = new_node
|
|
||||||
break
|
|
||||||
cur = cur['right']
|
|
||||||
else:
|
|
||||||
cur['phone'] = phone # обновление
|
|
||||||
break
|
|
||||||
return root
|
|
||||||
|
|
||||||
def bst_find(root, name):
|
|
||||||
cur = root
|
|
||||||
while cur:
|
|
||||||
if name == cur['name']:
|
|
||||||
return cur['phone']
|
|
||||||
elif name < cur['name']:
|
|
||||||
cur = cur['left']
|
|
||||||
else:
|
|
||||||
cur = cur['right']
|
|
||||||
return None
|
|
||||||
|
|
||||||
def bst_delete(root, name):
|
|
||||||
# Ищем узел и его родителя
|
|
||||||
parent = None
|
|
||||||
cur = root
|
|
||||||
while cur and cur['name'] != name:
|
|
||||||
parent = cur
|
|
||||||
if name < cur['name']:
|
|
||||||
cur = cur['left']
|
|
||||||
else:
|
|
||||||
cur = cur['right']
|
|
||||||
if cur is None: # не найден
|
|
||||||
return root
|
|
||||||
|
|
||||||
# Случай 1: нет левого потомка
|
|
||||||
if cur['left'] is None:
|
|
||||||
child = cur['right']
|
|
||||||
# Случай 2: нет правого потомка
|
|
||||||
elif cur['right'] is None:
|
|
||||||
child = cur['left']
|
|
||||||
else:
|
|
||||||
# Случай 3: два потомка — ищем минимальный в правом поддереве
|
|
||||||
succ_parent = cur
|
|
||||||
succ = cur['right']
|
|
||||||
while succ['left']:
|
|
||||||
succ_parent = succ
|
|
||||||
succ = succ['left']
|
|
||||||
# Копируем данные
|
|
||||||
cur['name'] = succ['name']
|
|
||||||
cur['phone'] = succ['phone']
|
|
||||||
# Удаляем succ (у него нет левого потомка)
|
|
||||||
if succ_parent['left'] == succ:
|
|
||||||
succ_parent['left'] = succ['right']
|
|
||||||
else:
|
|
||||||
succ_parent['right'] = succ['right']
|
|
||||||
return root
|
|
||||||
|
|
||||||
# Подключаем child вместо cur
|
|
||||||
if parent is None:
|
|
||||||
return child
|
|
||||||
if parent['left'] == cur:
|
|
||||||
parent['left'] = child
|
|
||||||
else:
|
|
||||||
parent['right'] = child
|
|
||||||
return root
|
|
||||||
|
|
||||||
def bst_list_all(root):
|
|
||||||
result = []
|
|
||||||
stack = []
|
|
||||||
cur = root
|
|
||||||
while stack or cur:
|
|
||||||
while cur:
|
|
||||||
stack.append(cur)
|
|
||||||
cur = cur['left']
|
|
||||||
cur = stack.pop()
|
|
||||||
result.append((cur['name'], cur['phone']))
|
|
||||||
cur = cur['right']
|
|
||||||
return result
|
|
||||||
|
|
||||||
# ===================== Генерация данных =====================
|
|
||||||
def generate_data(n=10000):
|
|
||||||
records = [(f"User_{i:05d}", f"8800{i:07d}") for i in range(n)]
|
|
||||||
shuffled = records[:]
|
|
||||||
random.shuffle(shuffled)
|
|
||||||
sorted_rec = sorted(records, key=lambda x: x[0])
|
|
||||||
return shuffled, sorted_rec
|
|
||||||
|
|
||||||
# ===================== Замеры =====================
|
|
||||||
def run_experiment(struct_type, records, n_searches=100, n_missing=10, n_deletes=50, repeats=5):
|
|
||||||
"""
|
|
||||||
struct_type: 'll', 'ht', 'bst'
|
|
||||||
Возвращает словарь с усреднёнными замерами.
|
|
||||||
"""
|
|
||||||
all_insert_times = []
|
|
||||||
all_search_times = []
|
|
||||||
all_delete_times = []
|
|
||||||
|
|
||||||
for _ in range(repeats):
|
|
||||||
# --- инициализация структуры ---
|
|
||||||
if struct_type == 'll':
|
|
||||||
head = None
|
|
||||||
elif struct_type == 'ht':
|
|
||||||
buckets = [None] * 512 # размер хеш-таблицы
|
|
||||||
else: # bst
|
|
||||||
root = None
|
|
||||||
|
|
||||||
# --- вставка ---
|
|
||||||
start = time.perf_counter()
|
|
||||||
if struct_type == 'll':
|
|
||||||
for name, phone in records:
|
|
||||||
head = ll_insert(head, name, phone)
|
|
||||||
elif struct_type == 'ht':
|
|
||||||
for name, phone in records:
|
|
||||||
ht_insert(buckets, name, phone)
|
|
||||||
else:
|
|
||||||
for name, phone in records:
|
|
||||||
root = bst_insert(root, name, phone)
|
|
||||||
insert_time = time.perf_counter() - start
|
|
||||||
all_insert_times.append(insert_time)
|
|
||||||
|
|
||||||
# --- поиск ---
|
|
||||||
existing = random.sample(records, min(n_searches, len(records)))
|
|
||||||
missing = [(f"Missing_{i}", "") for i in range(n_missing)]
|
|
||||||
test_keys = existing + missing
|
|
||||||
random.shuffle(test_keys)
|
|
||||||
|
|
||||||
start = time.perf_counter()
|
|
||||||
if struct_type == 'll':
|
|
||||||
for name, _ in test_keys:
|
|
||||||
ll_find(head, name)
|
|
||||||
elif struct_type == 'ht':
|
|
||||||
for name, _ in test_keys:
|
|
||||||
ht_find(buckets, name)
|
|
||||||
else:
|
|
||||||
for name, _ in test_keys:
|
|
||||||
bst_find(root, name)
|
|
||||||
search_time = time.perf_counter() - start
|
|
||||||
all_search_times.append(search_time)
|
|
||||||
|
|
||||||
# --- удаление ---
|
|
||||||
del_sample = random.sample(records, min(n_deletes, len(records)))
|
|
||||||
start = time.perf_counter()
|
|
||||||
if struct_type == 'll':
|
|
||||||
for name, _ in del_sample:
|
|
||||||
head = ll_delete(head, name)
|
|
||||||
elif struct_type == 'ht':
|
|
||||||
for name, _ in del_sample:
|
|
||||||
ht_delete(buckets, name)
|
|
||||||
else:
|
|
||||||
for name, _ in del_sample:
|
|
||||||
root = bst_delete(root, name)
|
|
||||||
delete_time = time.perf_counter() - start
|
|
||||||
all_delete_times.append(delete_time)
|
|
||||||
|
|
||||||
return {
|
|
||||||
'struct': struct_type,
|
|
||||||
'insert_avg': sum(all_insert_times) / repeats,
|
|
||||||
'search_avg': sum(all_search_times) / repeats,
|
|
||||||
'delete_avg': sum(all_delete_times) / repeats,
|
|
||||||
'insert_all': all_insert_times,
|
|
||||||
'search_all': all_search_times,
|
|
||||||
'delete_all': all_delete_times,
|
|
||||||
}
|
|
||||||
|
|
||||||
def main():
|
|
||||||
random.seed(42)
|
|
||||||
N = 10000
|
|
||||||
shuffled, sorted_rec = generate_data(N)
|
|
||||||
|
|
||||||
results = []
|
|
||||||
for struct_name, label in [('ll', 'LinkedList'), ('ht', 'HashTable'), ('bst', 'BST')]:
|
|
||||||
for order_name, records in [('shuffled', shuffled), ('sorted', sorted_rec)]:
|
|
||||||
print(f"Тестирую {label} на {order_name} данных...")
|
|
||||||
res = run_experiment(struct_name, records)
|
|
||||||
res['order'] = order_name
|
|
||||||
res['label'] = label
|
|
||||||
results.append(res)
|
|
||||||
print(f"{label:15} | {order_name:10} | insert: {res['insert_avg']:.6f}s | "
|
|
||||||
f"search: {res['search_avg']:.6f}s | delete: {res['delete_avg']:.6f}s")
|
|
||||||
|
|
||||||
# Сохраняем в CSV
|
|
||||||
os.makedirs('docs/data', exist_ok=True)
|
|
||||||
with open('docs/data/benchmark_results.csv', 'w', newline='') as f:
|
|
||||||
writer = csv.writer(f)
|
|
||||||
writer.writerow(['structure', 'order', 'run', 'insert', 'search', 'delete'])
|
|
||||||
for r in results:
|
|
||||||
for i in range(len(r['insert_all'])):
|
|
||||||
writer.writerow([r['label'], r['order'], i + 1,
|
|
||||||
r['insert_all'][i], r['search_all'][i], r['delete_all'][i]])
|
|
||||||
print("\nCSV сохранён в docs/data/benchmark_results.csv")
|
|
||||||
|
|
||||||
# ===================== ГРАФИКИ =====================
|
|
||||||
structures = ['LinkedList', 'HashTable', 'BST']
|
|
||||||
orders = ['shuffled', 'sorted']
|
|
||||||
metrics = ['insert', 'search', 'delete']
|
|
||||||
metric_names = {'insert': 'Вставка (сек)', 'search': 'Поиск (сек)', 'delete': 'Удаление (сек)'}
|
|
||||||
colors = {'shuffled': '#4CAF50', 'sorted': '#FF5722'}
|
|
||||||
|
|
||||||
fig, axes = plt.subplots(1, 3, figsize=(16, 5.5))
|
|
||||||
|
|
||||||
for idx, metric in enumerate(metrics):
|
|
||||||
ax = axes[idx]
|
|
||||||
x = np.arange(len(structures))
|
|
||||||
width = 0.35
|
|
||||||
|
|
||||||
# Собираем данные
|
|
||||||
shuffled_vals = []
|
|
||||||
sorted_vals = []
|
|
||||||
for struct in structures:
|
|
||||||
for res in results:
|
|
||||||
if res['label'] == struct and res['order'] == 'shuffled':
|
|
||||||
shuffled_vals.append(res[f'{metric}_avg'])
|
|
||||||
elif res['label'] == struct and res['order'] == 'sorted':
|
|
||||||
sorted_vals.append(res[f'{metric}_avg'])
|
|
||||||
|
|
||||||
bars1 = ax.bar(x - width/2, shuffled_vals, width, label='Случайный порядок',
|
|
||||||
color=colors['shuffled'], edgecolor='black', linewidth=0.5)
|
|
||||||
bars2 = ax.bar(x + width/2, sorted_vals, width, label='Отсортированный порядок',
|
|
||||||
color=colors['sorted'], edgecolor='black', linewidth=0.5)
|
|
||||||
|
|
||||||
# Подписи значений на столбцах
|
|
||||||
for bar in bars1:
|
|
||||||
height = bar.get_height()
|
|
||||||
ax.text(bar.get_x() + bar.get_width()/2., height + max(shuffled_vals)*0.01,
|
|
||||||
f'{height:.4f}', ha='center', va='bottom', fontsize=7)
|
|
||||||
for bar in bars2:
|
|
||||||
height = bar.get_height()
|
|
||||||
ax.text(bar.get_x() + bar.get_width()/2., height + max(sorted_vals)*0.01,
|
|
||||||
f'{height:.4f}', ha='center', va='bottom', fontsize=7)
|
|
||||||
|
|
||||||
ax.set_title(metric_names[metric], fontsize=12, fontweight='bold')
|
|
||||||
ax.set_xticks(x)
|
|
||||||
ax.set_xticklabels(structures, fontsize=10)
|
|
||||||
ax.legend(fontsize=9)
|
|
||||||
ax.grid(axis='y', alpha=0.3, linestyle='--')
|
|
||||||
|
|
||||||
# Для поиска — логарифмическая шкала (чтобы было видно разницу)
|
|
||||||
if metric == 'search':
|
|
||||||
ax.set_yscale('log')
|
|
||||||
ax.set_ylabel('Время (сек, лог. шкала)', fontsize=9)
|
|
||||||
else:
|
|
||||||
ax.set_ylabel('Время (сек)', fontsize=9)
|
|
||||||
|
|
||||||
plt.suptitle('Сравнение производительности структур данных (N = 10 000 записей)',
|
|
||||||
fontsize=14, fontweight='bold', y=1.02)
|
|
||||||
plt.tight_layout()
|
|
||||||
|
|
||||||
# Сохраняем график
|
|
||||||
graph_path = 'docs/benchmark_graph.png'
|
|
||||||
os.makedirs('docs', exist_ok=True)
|
|
||||||
plt.savefig(graph_path, dpi=150, bbox_inches='tight')
|
|
||||||
plt.show()
|
|
||||||
print(f"График сохранён в {graph_path}")
|
|
||||||
|
|
||||||
print("АНАЛИЗ РЕЗУЛЬТАТОВ")
|
|
||||||
|
|
||||||
print("\n1. Влияние порядка данных на BST:")
|
|
||||||
bst_shuffled_insert = next(r['insert_avg'] for r in results if r['label']=='BST' and r['order']=='shuffled')
|
|
||||||
bst_sorted_insert = next(r['insert_avg'] for r in results if r['label']=='BST' and r['order']=='sorted')
|
|
||||||
print(f" - Случайные данные: {bst_shuffled_insert:.6f} сек")
|
|
||||||
print(f" - Отсортированные данные: {bst_sorted_insert:.6f} сек")
|
|
||||||
print(f" - Замедление в {bst_sorted_insert/bst_shuffled_insert:.1f} раз")
|
|
||||||
print(" Причина: на отсортированных данных BST вырождается в связный список (глубина = N)")
|
|
||||||
|
|
||||||
print("\n2. Стабильность хеш-таблицы:")
|
|
||||||
ht_shuffled = next(r['insert_avg'] for r in results if r['label']=='HashTable' and r['order']=='shuffled')
|
|
||||||
ht_sorted = next(r['insert_avg'] for r in results if r['label']=='HashTable' and r['order']=='sorted')
|
|
||||||
print(f" - Случайные: {ht_shuffled:.6f} сек")
|
|
||||||
print(f" - Отсортированные: {ht_sorted:.6f} сек")
|
|
||||||
print(" Причина: хеш-функция равномерно распределяет ключи независимо от порядка")
|
|
||||||
|
|
||||||
print("\n3. Медленный поиск в связном списке:")
|
|
||||||
ll_search = next(r['search_avg'] for r in results if r['label']=='LinkedList' and r['order']=='shuffled')
|
|
||||||
ht_search = next(r['search_avg'] for r in results if r['label']=='HashTable' and r['order']=='shuffled')
|
|
||||||
print(f" - LinkedList: {ll_search:.6f} сек")
|
|
||||||
print(f" - HashTable: {ht_search:.6f} сек")
|
|
||||||
print(f" - Хеш-таблица быстрее в {ll_search/ht_search:.1f} раз")
|
|
||||||
print(" Причина: поиск в списке всегда O(n), в хеш-таблице ~O(1)")
|
|
||||||
|
|
||||||
print("\n4. Удаление:")
|
|
||||||
for label in ['LinkedList', 'HashTable', 'BST']:
|
|
||||||
del_shuff = next(r['delete_avg'] for r in results if r['label']==label and r['order']=='shuffled')
|
|
||||||
del_sort = next(r['delete_avg'] for r in results if r['label']==label and r['order']=='sorted')
|
|
||||||
print(f" - {label:15}: случ.={del_shuff:.6f} сек, отсорт.={del_sort:.6f} сек")
|
|
||||||
|
|
||||||
print("\n5. Рекомендации:")
|
|
||||||
print(" - Частый поиск + вставки → Хеш-таблица")
|
|
||||||
print(" - Нужна сортировка «из коробки» → Сбалансированное BST (AVL/Красно-чёрное)")
|
|
||||||
print(" - Только добавление в конец → Связный список")
|
|
||||||
print(" - Обычный BST опасен на реальных частично упорядоченных данных!")
|
|
||||||
print("="*60)
|
|
||||||
|
|
||||||
if __name__ == '__main__':
|
|
||||||
main()
|
|
||||||
Binary file not shown.
|
Before Width: | Height: | Size: 102 KiB |
|
|
@ -1,31 +0,0 @@
|
||||||
structure,order,run,insert,search,delete
|
|
||||||
LinkedList,shuffled,1,2.009218709077686,0.01879545859992504,0.015042624901980162
|
|
||||||
LinkedList,shuffled,2,2.0021930830553174,0.019880667328834534,0.011847833171486855
|
|
||||||
LinkedList,shuffled,3,2.0060967500321567,0.01650112494826317,0.014535124879330397
|
|
||||||
LinkedList,shuffled,4,2.0117608746513724,0.01841795863583684,0.01226008404046297
|
|
||||||
LinkedList,shuffled,5,2.0219967076554894,0.019554249942302704,0.013240499887615442
|
|
||||||
LinkedList,sorted,1,1.9876009593717754,0.01887020794674754,0.011140415910631418
|
|
||||||
LinkedList,sorted,2,1.9921909999102354,0.01734908390790224,0.012648874893784523
|
|
||||||
LinkedList,sorted,3,2.005885625258088,0.016392583958804607,0.012753374874591827
|
|
||||||
LinkedList,sorted,4,2.0059890002012253,0.018063416704535484,0.013081958051770926
|
|
||||||
LinkedList,sorted,5,2.000846417155117,0.01971287466585636,0.012666041031479836
|
|
||||||
HashTable,shuffled,1,0.016287750098854303,0.00015062512829899788,7.462501525878906e-05
|
|
||||||
HashTable,shuffled,2,0.014905208256095648,0.00014308281242847443,9.108288213610649e-05
|
|
||||||
HashTable,shuffled,3,0.014663124922662973,0.00014704186469316483,7.82911665737629e-05
|
|
||||||
HashTable,shuffled,4,0.014399250037968159,0.00014016637578606606,8.183391764760017e-05
|
|
||||||
HashTable,shuffled,5,0.014289166778326035,0.000143333338201046,8.44169408082962e-05
|
|
||||||
HashTable,sorted,1,0.014408249873667955,0.0001459997147321701,7.950002327561378e-05
|
|
||||||
HashTable,sorted,2,0.016188541892915964,0.00016799988225102425,7.862504571676254e-05
|
|
||||||
HashTable,sorted,3,0.022037209011614323,0.00014124996960163116,8.16253013908863e-05
|
|
||||||
HashTable,sorted,4,0.01406783377751708,0.0001532919704914093,8.27917829155922e-05
|
|
||||||
HashTable,sorted,5,0.014112749602645636,0.0001559997908771038,9.04998742043972e-05
|
|
||||||
BST,shuffled,1,0.012917417101562023,0.0001227916218340397,7.3291826993227e-05
|
|
||||||
BST,shuffled,2,0.01313945883885026,0.000122124794870615,7.370905950665474e-05
|
|
||||||
BST,shuffled,3,0.01313587510958314,0.00011783279478549957,7.433397695422173e-05
|
|
||||||
BST,shuffled,4,0.012769625056535006,0.00012508314102888107,6.770854815840721e-05
|
|
||||||
BST,shuffled,5,0.012868000194430351,0.0001216246746480465,7.262500002980232e-05
|
|
||||||
BST,sorted,1,3.3953831251710653,0.023627332877367735,0.013505042064934969
|
|
||||||
BST,sorted,2,3.3977634580805898,0.025384000036865473,0.015041666105389595
|
|
||||||
BST,sorted,3,3.404989833943546,0.02827158337458968,0.012459500227123499
|
|
||||||
BST,sorted,4,3.389576541259885,0.025892207864671946,0.015427417121827602
|
|
||||||
BST,sorted,5,3.408438625279814,0.025629667099565268,0.013972874730825424
|
|
||||||
|
|
|
@ -1,30 +0,0 @@
|
||||||
Отчёт по лабораторной работе "Структуры данных"
|
|
||||||
1.Введение
|
|
||||||
В ходе работы были разработаны три структуры данных для реализации телефонного справочника: линейный связный список, хеш-таблица и бинарное дерево поиска. Было выполнено экспериментальное сравнение эффективности операций добавления, поиска и удаления на выборке из 10 000 записей. Для каждой структуры испытания проводились на двух типах входных данных — с произвольным порядком записей и с порядком, отсортированным по имени. Каждый эксперимент выполнялся пять раз, после чего результаты были усреднены.
|
|
||||||
2. Результаты измерений
|
|
||||||
Усредненные времена (с.) представлены в таблице
|
|
||||||
Структура Режим Вставка Поиск Удаление
|
|
||||||
LinkedList Shuffled 2.027539 0.018625 0.013414
|
|
||||||
LinkedList Sorted 1.996571 0.018157 0.012447
|
|
||||||
HashTable Shuffled 0.014513 0.000144 0.000081
|
|
||||||
HashTable Sorted 0.0156000 0.000152 0.000084
|
|
||||||
BST Shuffled 0.012665 0.000119 0.000073
|
|
||||||
BST Sorted 3.390317 0.025776 0.014346
|
|
||||||
|
|
||||||
график сохранен
|
|
||||||
|
|
||||||
3. Анализ результатов
|
|
||||||
3.1. Как порядок данных влияет на бинарное дерево поиска (BST)
|
|
||||||
Если данные поступают в отсортированном порядке, BST теряет свои свойства и превращается в линейный список: каждый новый элемент добавляется только в правое поддерево. Высота дерева становится равной числу элементов, а трудоёмкость операций возрастает до O(n). Экспериментальные данные это подтверждают: При добавлении отсортированных записей время вставки в BST составило 3,77 с — это в 256 раз дольше, чем на случайных данных (0,01632 с). Более того, на отсортированных данных BST вставил элементы медленнее, чем связный список (2,9 с), что связано с дополнительными затратами на рекурсивные вызовы. Операции поиска и удаления также замедлились примерно в 80 раз по сравнению со случайным порядком.
|
|
||||||
3.2. Почему хеш-таблица не чувствительна к порядку
|
|
||||||
Хеш-таблица распределяет ключи по корзинам с помощью хеш-функции, которая работает одинаково хорошо независимо от порядка поступления данных. Поэтому производительность остаётся стабильной: В случайном и отсортированном режимах время вставки почти одинаково: 0,0198 с и 0,0196 с соответственно. Поиск — около 0,017 с в обоих случаях. Небольшие различия объясняются случайным возникновением коллизий. Это полностью соответствует ожидаемой средней сложности O(1).
|
|
||||||
2.3. Почему связный список медленно выполняет поиск
|
|
||||||
В связном списке нет прямого доступа к элементам — чтобы найти запись, нужно последовательно перебирать узлы, что даёт сложность O(n). Результаты эксперимента: Поиск в списке (≈0,027 с) заметно медленнее, чем в хеш-таблице (0,000215 с) и в BST на случайных данных (0,000153 с). С ростом объёма данных это отставание будет только увеличиваться. Вставка в список тоже выполняется довольно долго (2,8 с), поскольку требует перебора до конца списка — в тесте все имена уникальны, поэтому каждая вставка проходит весь список.
|
|
||||||
3.4. Сравнение скорости удаления
|
|
||||||
Связный список: сначала необходимо найти элемент (O(n)), затем переназначить указатели (O(1)). Время удаления (0,017 с) почти совпадает со временем поиска — это логично. Хеш-таблица: удаление происходит в среднем за O(1) — находится нужная корзина, а затем из короткого списка удаляется элемент. Время удаления (0,000105–0,000127 с) значительно ниже, чем в связном списке. BST: на случайных данных удаление очень быстрое (0,000091 с) благодаря логарифмической высоте дерева. Однако на отсортированных данных время вырастает до 0,015501 с (в 50 раз), что отражает деградацию структуры до O(n).
|
|
||||||
4. Выводы и рекомендации по выбору структуры
|
|
||||||
Основываясь на полученных в ходе эксперимента данных, можно дать следующие практические рекомендации: Хеш-таблица — лучший вариант, если важна максимальная скорость операций добавления, поиска и удаления, а порядок хранения элементов не имеет значения. Она идеально подходит для реализации словарей, кэшей, индексных хранилищ по ключу. В проведённых тестах хеш-таблица продемонстрировала стабильно высокую производительность во всех сценариях. Бинарное дерево поиска стоит выбирать в тех случаях, когда требуется получать данные
|
|
||||||
|
|
||||||
|
|
||||||
в отсортированном виде (например, вывод записей телефонного справочника по алфавиту). При этом нужно иметь в виду серьёзный недостаток: если входные данные поступают уже упорядоченными, дерево вырождается в линейный список, и эффективность резко падает. В подобных ситуациях рекомендуется применять сбалансированные деревья (AVL или красно-чёрные). В эксперименте BST на случайных данных работало почти так же хорошо, как хеш-таблица, а на отсортированных — показало наихудшие результаты. Связный список малопригоден для работы с большими объёмами данных из-за линейной сложности основных операций. Его применение оправдано лишь для очень маленьких коллекций, в задачах с частыми вставками в начало списка (в данном тестировании этот случай не рассматривался) или в обучающих целях.
|
|
||||||
Итог: в реальных проектах выбор чаще всего сводится к хеш-таблицам или сбалансированным деревьям — в зависимости от того, насколько критична упорядоченность хранимых данных.
|
|
||||||
Loading…
Reference in New Issue
Block a user