Datastructuren en algoritmen in Java, deel 1: overzicht

Java-programmeurs gebruiken datastructuren om gegevens op te slaan en te organiseren, en we gebruiken algoritmen om de gegevens in die structuren te manipuleren. Hoe meer u begrijpt over datastructuren en algoritmen, en hoe ze samenwerken, hoe efficiënter uw Java-programma's zullen zijn.

Deze tutorial lanceert een korte serie waarin gegevensstructuren en algoritmen worden geïntroduceerd. In deel 1 leert u wat een datastructuur is en hoe datastructuren worden geclassificeerd. Je leert ook wat een algoritme is, hoe algoritmen worden weergegeven en hoe je tijd- en ruimtecomplexiteitsfuncties kunt gebruiken om vergelijkbare algoritmen te vergelijken. Zodra u deze basisprincipes heeft, bent u in deel 2 klaar om te leren over zoeken en sorteren met eendimensionale arrays.

Wat is een datastructuur?

Datastructuren zijn gebaseerd op abstracte datatypes (ADT), die Wikipedia als volgt definieert:

[A] wiskundig model voor gegevenstypen waarbij een gegevenstype wordt gedefinieerd door zijn gedrag (semantiek) vanuit het oogpunt van een gebruiker van de gegevens, met name in termen van mogelijke waarden, mogelijke bewerkingen op gegevens van dit type en het gedrag van deze operaties.

Een ADT geeft niets om de geheugenweergave van zijn waarden of hoe zijn bewerkingen worden geïmplementeerd. Het is als een Java-interface, een gegevenstype dat is losgekoppeld van elke implementatie. Een datastructuur daarentegen is een concrete implementatie van een of meer ADT's, vergelijkbaar met hoe Java-klassen interfaces implementeren.

Voorbeelden van ADT's zijn onder meer Employee, Vehicle, Array en List. Overweeg de lijst ADT (ook bekend als de reeks ADT), die een geordende verzameling elementen beschrijft die een gemeenschappelijk type delen. Elk element in deze collectie heeft zijn eigen positie en dubbele elementen zijn toegestaan. Basisbewerkingen ondersteund door de lijst ADT zijn onder meer:

  • Een nieuwe en lege lijst aanmaken
  • Een waarde toevoegen aan het einde van de lijst
  • Een waarde in de lijst invoegen
  • Een waarde uit de lijst verwijderen
  • Ik herhaal de lijst
  • De lijst vernietigen

Datastructuren die de List ADT kunnen implementeren, omvatten eendimensionale arrays met vaste en dynamische grootte en enkelvoudig gekoppelde lijsten. (U maakt kennis met arrays in deel 2 en gekoppelde lijsten in deel 3.)

Datastructuren classificeren

Er zijn veel soorten gegevensstructuren, variërend van enkele variabelen tot arrays of gekoppelde lijsten met objecten die meerdere velden bevatten. Alle datastructuren kunnen worden geclassificeerd als primitieven of aggregaten, en sommige worden geclassificeerd als containers.

Primitieven versus aggregaten

De eenvoudigste soort gegevensstructuur slaat afzonderlijke gegevensitems op; bijvoorbeeld een variabele die een Booleaanse waarde opslaat of een variabele die een geheel getal opslaat. Ik noem dergelijke datastructuren primitieven .

Veel datastructuren zijn in staat om meerdere data-items op te slaan. Een array kan bijvoorbeeld meerdere data-items in zijn verschillende slots opslaan, en een object kan via zijn velden meerdere data-items opslaan. Ik noem deze datastructuren aggregaten .

Alle datastructuren die we in deze serie zullen bekijken, zijn aggregaten.

Containers

Alles waaruit gegevensitems worden opgeslagen en opgehaald, kan worden beschouwd als een gegevensstructuur. Voorbeelden zijn onder meer de datastructuren die zijn afgeleid van de eerder genoemde Employee, Vehicle, Array en List ADT's.

Veel datastructuren zijn ontworpen om verschillende entiteiten te beschrijven. Instanties van een Employeeklasse zijn datastructuren die bestaan ​​om bijvoorbeeld verschillende medewerkers te beschrijven. Daarentegen bestaan ​​sommige datastructuren als generieke opslagvaten voor andere datastructuren. Een array kan bijvoorbeeld primitieve waarden of objectreferenties opslaan. Ik noem deze laatste categorie datastructuren containers .

Alle datastructuren die we in deze serie zullen bekijken, zijn niet alleen aggregaten, maar ook containers.

Datastructuren en algoritmen in Java Collections

Het Java Collections Framework ondersteunt vele soorten containergeoriënteerde datastructuren en bijbehorende algoritmen. Deze serie zal u helpen dit raamwerk beter te begrijpen.

Ontwerppatronen en datastructuren

Het is vrij gebruikelijk geworden om ontwerppatronen te gebruiken om universiteitsstudenten kennis te laten maken met datastructuren. Een paper van de Brown University onderzoekt verschillende ontwerppatronen die nuttig zijn voor het ontwerpen van hoogwaardige datastructuren. De paper laat onder andere zien dat het adapterpatroon handig is voor het ontwerpen van stapels en wachtrijen. De demonstratiecode wordt weergegeven in Listing 1.

Listing 1. Het adapterpatroon gebruiken voor stapels en wachtrijen (DequeStack.java)

public class DequeStack implements Stack { Deque D; // holds the elements of the stack public DequeStack() { D = new MyDeque(); } @Override public int size() { return D.size(); } @Override public boolean isEmpty() { return D.isEmpty(); } @Override public void push(Object obj) { D.insertLast(obj); } @Override public Object top() throws StackEmptyException { try { return D.lastElement(); } catch(DequeEmptyException err) { throw new StackEmptyException(); } } @Override public Object pop() throws StackEmptyException { try { return D.removeLast(); } catch(DequeEmptyException err) { throw new StackEmptyException(); } } }

Listing 1 excerpts the Brown University paper's DequeStack class, which demonstrates the Adapter pattern. Note that Stack and Deque are interfaces that describe Stack and Deque ADTs. MyDeque is a class that implements Deque.

Overriding interface methods

The original code that Listing 1 is based on didn't present the source code to Stack, Deque, and MyDeque. For clarity, I've introduced @Override annotations to show that all of DequeStack's non-constructor methods override Stack methods.

DequeStack adapts MyDeque so that it can implement Stack. All of DequeStack's method are one-line calls to the Deque interface's methods. However, there is a small wrinkle in which Deque exceptions are converted into Stack exceptions.

What is an algorithm?

Historically used as a tool for mathematical computation, algorithms are deeply connected with computer science, and with data structures in particular. An algorithm is a sequence of instructions that accomplishes a task in a finite period of time. Qualities of an algorithm are as follows:

  • Receives zero or more inputs
  • Produces at least one output
  • Consists of clear and unambiguous instructions
  • Terminates after a finite number of steps
  • Is basic enough that a person can carry it out using a pencil and paper

Note that while programs may be algorithmic in nature, many programs do not terminate without external intervention.

Many code sequences qualify as algorithms. One example is a code sequence that prints a report. More famously, Euclid's algorithm is used to calculate the mathematical greatest common divisor. A case could even be made that a data structure's basic operations (such as store value in array slot) are algorithms. In this series, for the most part, I'll focus on higher-level algorithms used to process data structures, such as the Binary Search and Matrix Multiplication algorithms.

Flowcharts and pseudocode

How do you represent an algorithm? Writing code before fully understanding its underlying algorithm can lead to bugs, so what's a better alternative? Two options are flowcharts and pseudocode.

Using flowcharts to represent algorithms

A flowchart is a visual representation of an algorithm's control flow. This representation illustrates statements that need to be executed, decisions that need to be made, logic flow (for iteration and other purposes), and terminals that indicate start and end points. Figure 1 reveals the various symbols that flowcharts use to visualize algorithms.

Consider an algorithm that initializes a counter to 0, reads characters until a newline (\n) character is seen, increments the counter for each digit character that's been read, and prints the counter's value after the newline character has been read. The flowchart in Figure 2 illustrates this algorithm's control flow.

A flowchart's simplicity and its ability to present an algorithm's control flow visually (so that it's is easy to follow) are its major advantages. Flowcharts also have several disadvantages, however:

  • It's easy to introduce errors or inaccuracies into highly-detailed flowcharts because of the tedium associated with drawing them.
  • It takes time to position, label, and connect a flowchart's symbols, even using tools to speed up this process. This delay might slow your understanding of an algorithm.
  • Flowcharts belong to the structured programming era and aren't as useful in an object-oriented context. In contrast, the Unified Modeling Language (UML) is more appropriate for creating object-oriented visual representations.

Using pseudocode to represent algorithms

An alternative to flowcharts is pseudocode, which is a textual representation of an algorithm that approximates the final source code. Pseudocode is useful for quickly writing down an algorithm's representation. Because syntax is not a concern, there are no hard-and-fast rules for writing pseudocode.

You should strive for consistency when writing pseudocode. Being consistent will make it much easier to translate the pseudocode into actual source code. For example, consider the following pseudocode representation of the previous counter-oriented flowchart:

 DECLARE CHARACTER ch = '' DECLARE INTEGER count = 0 DO READ ch IF ch GE '0' AND ch LE '9' THEN count = count + 1 END IF UNTIL ch EQ '\n' PRINT count END

The pseudocode first presents a couple of DECLARE statements that introduce variables ch and count, initialized to default values. It then presents a DO loop that executes UNTILch contains \n (the newline character), at which point the loop ends and a PRINT statement outputs count's value.

For each loop iteration, READ causes a character to be read from the keyboard (or perhaps a file--in this case it doesn't matter what constitutes the underlying input source) and assigned to ch. If this character is a digit (one of 0 through 9), count is incremented by 1.

Choosing the right algorithm

The data structures and algorithms you use critically affect two factors in your applications:

  1. Memory usage (for data structures).
  2. CPU time (for algorithms that interact with those data structures).

It follows that you should be especially mindful of the algorithms and data structures you use for applications that will process lots of data. These include applications used for big data and the Internet of Things.

Balancing memory and CPU

When choosing a data structure or algorithm, you will sometimes discover an inverse relationship between memory usage and CPU time: the less memory a data structure uses, the more CPU time associated algorithms need to process the data structure's data items. Also, the more memory a data structure uses, the less CPU time associated algorithms will need to process the data items–leading to faster algorithm results.

As much as possible, you should strive to balance memory use with CPU time. You can simplify this task by analyzing algorithms to determine their efficiency. How well does one algorithm perform against another of similar nature? Answering this question will help you make good choices given a choice between multiple algorithms.

Measuring algorithm efficiency

Some algorithms perform better than others. For example, the Binary Search algorithm is almost always more efficient than the Linear Search algorithm–something you'll see for yourself in Part 2. You want to choose the most efficient algorithm for your application's needs, but that choice might not be as obvious as you would think.

For instance, what does it mean if the Selection Sort algorithm (introduced in Part 2) takes 0.4 seconds to sort 10,000 integers on a given machine? That benchmark is only valid for that particular machine, that particular implementation of the algorithm, and for the size of the input data.

As computer scientist, we use time complexity and space complexity to measure an algorithm's efficiency, distilling these into complexity functions to abstract implementation and runtime environment details. Complexity functions reveal the variance in an algorithm's time and space requirements based on the amount of input data:

  • A time-complexity function measures an algorithm's time complexity--meaning how long an algorithm takes to complete.
  • Een ruimtecomplexiteitsfunctie meet de ruimtecomplexiteit van een algoritme - dat wil zeggen de hoeveelheid geheugenoverhead die het algoritme nodig heeft om zijn taak uit te voeren.

Beide complexiteitsfuncties zijn gebaseerd op de grootte van invoer ( n ), die op de een of andere manier de hoeveelheid invoergegevens weerspiegelt. Beschouw de volgende pseudocode voor array-afdrukken:

 DECLARE INTEGER i, x[] = [ 10, 15, -1, 32 ] FOR i = 0 TO LENGTH(x) - 1 PRINT x[i] NEXT i END

Tijdcomplexiteit en tijdcomplexiteitsfuncties

U kunt de tijdcomplexiteit van dit algoritme uitdrukken door de tijdcomplexiteitsfunctie op te geven , waarbij (een constante vermenigvuldiger) de hoeveelheid tijd vertegenwoordigt die nodig is om een ​​herhalingsherhaling te voltooien, en de insteltijd van het algoritme. In dit voorbeeld is de tijdcomplexiteit lineair.t(n) = an+bab