Алгоритмы и структуры данных 📊

"Алгоритмы — это душа Computer Science."

🔍 Что такое алгоритм?

Алгоритм — это конечная последовательность точных инструкций для решения какой-либо задачи. Это как рецепт для приготовления блюда: если точно следовать шагам, получишь предсказуемый результат.

Свойства алгоритмов:

Дискретность — разбиение на отдельные шаги
Понятность — каждая команда понятна исполнителю
Определенность — однозначные инструкции
Результативность — приводит к результату
Массовость — работает для разных наборов данных

📈 Оценка сложности (Big O Notation)

Как понять, какой алгоритм лучше? Нужно оценить, сколько времени и памяти он потребляет.

Обозначение	Название	Пример
O(1)	Константная	Доступ к элементу массива по индексу
O(log n)	Логарифмическая	Бинарный поиск
O(n)	Линейная	Поиск в неотсортированном массиве
O(n log n)	Линейно-логарифмическая	Быстрая сортировка
O(n²)	Квадратичная	Пузырьковая сортировка

🧱 Основные структуры данных

Массив (Array)

Элементы хранятся последовательно в памяти.

# Python
arr = [1, 2, 3, 4, 5]
print(arr[2])  # O(1) - быстрый доступ
arr.append(6)  # O(1) - добавление в конец
arr.insert(0, 0)  # O(n) - вставка в начало

Связный список (Linked List)

Элементы хранятся в разных местах памяти и ссылаются друг на друга.

class Node:
    def __init__(self, data):
        self.data = data
        self.next = None

class LinkedList:
    def __init__(self):
        self.head = None

    def append(self, data):
        new_node = Node(data)
        if not self.head:
            self.head = new_node
            return
        last = self.head
        while last.next:
            last = last.next
        last.next = new_node

Хеш-таблица (Hash Table)

Хранит пары ключ-значение. Мгновенный доступ по ключу!

# Словарь в Python - это хеш-таблица
phonebook = {
    "Анна": "+7-123-456-78-90",
    "Петр": "+7-098-765-43-21"
}
print(phonebook["Анна"])  # O(1) - очень быстро!

Стек и Очередь

Стек (Stack): LIFO (Last In, First Out) — как стопка тарелок
Очередь (Queue): FIFO (First In, First Out) — как в магазине

# Стек в Python
stack = []
stack.append(1)  # кладем наверх
stack.append(2)
stack.pop()      # забираем сверху (2)

# Очередь
from collections import deque
queue = deque()
queue.append(1)  # встаем в конец очереди
queue.append(2)
queue.popleft()  # первый уходит (1)

🎯 Классические алгоритмы

1. Бинарный поиск

Поиск элемента в отсортированном массиве. Делим массив пополам и сравниваем.

def binary_search(arr, target):
    left, right = 0, len(arr) - 1

    while left <= right:
        mid = (left + right) // 2
        if arr[mid] == target:
            return mid
        elif arr[mid] < target:
            left = mid + 1
        else:
            right = mid - 1

    return -1  # не нашли

# Пример
numbers = [1, 3, 5, 7, 9, 11, 13, 15]
print(f"Индекс числа 7: {binary_search(numbers, 7)}")  # 3

2. Пузырьковая сортировка

Простая, но медленная сортировка. Соседние элементы меняются местами.

def bubble_sort(arr):
    n = len(arr)
    for i in range(n):
        for j in range(0, n - i - 1):
            if arr[j] > arr[j + 1]:
                arr[j], arr[j + 1] = arr[j + 1], arr[j]
    return arr

# Пример
unsorted = [64, 34, 25, 12, 22, 11, 90]
print(f"Отсортировано: {bubble_sort(unsorted)}")

3. Быстрая сортировка

Один из самых эффективных алгоритмов сортировки.

def quick_sort(arr):
    if len(arr) <= 1:
        return arr

    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]

    return quick_sort(left) + middle + quick_sort(right)

# Пример
data = [3, 6, 8, 10, 1, 2, 1]
print(f"Быстрая сортировка: {quick_sort(data)}")

4. Поиск в ширину (BFS) для графов

Поиск кратчайшего пути в графе или обход "по слоям".

from collections import deque

def bfs(graph, start, target):
    visited = set()
    queue = deque([start])

    while queue:
        node = queue.popleft()
        if node == target:
            return True

        if node not in visited:
            visited.add(node)
            queue.extend(graph[node] - visited)

    return False

# Граф: кто с кем дружит
friends = {
    "Ты": {"Анна", "Петр"},
    "Анна": {"Ты", "Мария"},
    "Петр": {"Ты", "Иван"},
    "Мария": {"Анна"},
    "Иван": {"Петр"}
}

print(f"Знаешь ли ты Марию? {bfs(friends, 'Ты', 'Мария')}")  # True

💡 Советы по изучению

Практикуйтесь каждый день — хотя бы по одной задаче на LeetCode или Codeforces
Понимайте, а не заучивайте — разберитесь, почему алгоритм работает
Визуализируйте — используйте сайты вроде visualgo.net
Решайте задачи с разных ракурсов — ищите несколько решений

📚 Ресурсы для углубленного изучения

Книги:
"Грокаем алгоритмы" — Адитья Бхаргава (лучшая для начала)
"Алгоритмы. Построение и анализ" — Кормен (библия алгоритмов)
"Совершенный алгоритм" — Тим Рафгарден
Сайты для практики:
LeetCode — задачи для собеседований
Codeforces — спортивное программирование
HackerRank — обучение в игровой форме
Visualgo — визуализация алгоритмов

"Плохой программист думает о коде. Хороший программист думает о структурах данных и их взаимосвязях." — Линус Торвальдс