Dátové štruktúry a algoritmy: kompletný sprievodca pre programátorov

Informatec Digital » Zdroje » Dátové štruktúry a algoritmy: kompletný sprievodca pre programátorov

Algoritmy a dátové štruktúry Sú to dva dieliky, ktoré do seba zapadajú ako skladačka: jeden načrtáva postup riešenia problému a druhý určuje, kde a ako informácie uložíme. Aj keď to môže znieť akademicky, zvládnutie tejto dvojice odlišuje kód, ktorý iba funguje, od kódu, ktorý lieta a škáluje sa bez toho, aby sa pokazil.

Ak sa chcete venovať profesionálnemu programovaniu, pripraviť sa na technické pohovory alebo sa jednoducho prestať trápiť s cvičeniami ako LeetCode a Codewars, potrebujete solídny základ v... dátové štruktúry a algoritmyV tomto článku sa dozviete, čo sú zač, prečo sú také dôležité, aké hlavné typy existujú, aké základné operácie vykonávajú a aké otázky sa zvyčajne objavujú na skúškach a výberových konaniach.

Čo sú dátové štruktúry a algoritmy?

dátovú štruktúru V podstate ide o špecifický spôsob organizácie a ukladania informácií v pamäti, aby sa s nimi dalo efektívne pracovať. Táto organizácia nie je náhodná: priamo určuje, ktoré operácie sú rýchle a ktoré sa stanú nákladnými (vkladanie, vyhľadávanie, mazanie, prechádzanie atď.).

Keď si vyberiete správnu dátovú štruktúru, váš program dokáže spravovať veľké objemy dát bez námahy; keď si vyberiete zle, aj malá aplikácia sa môže časom spomaliť, spotrebovať príliš veľa pamäte alebo sa jej údržba môže stať nemožnou.

Algoritmus Je to konečná a usporiadaná postupnosť dobre definovaných krokov, ktoré transformujú vstupy na výstupy s cieľom vyriešiť konkrétny problém. Je to ako recept na varenie: hovorí vám, čo máte robiť, v akom poradí a za akých podmienok, ale nezaoberá sa tým, ako skladujete ingrediencie v chladničke, čo by bola časť dátovej štruktúry.

V informatike je každý algoritmus navrhnutý s ohľadom na typ dát, s ktorými bude pracovať. Výber dátovej štruktúry nie je nepodstatný detail: Štruktúra a algoritmus idú ruka v rukeA malé zmeny v jednej z dvoch častí môžu buď zvýšiť, alebo znížiť výkon.

Z teoretického hľadiska autori ako Niklaus Wirth spopularizovali túto myšlienku už v 70. rokoch 20. storočia, že algoritmy + dátové štruktúry = programyO desaťročia neskôr to zostáva rovnako pravdivé: nezáleží na tom, či programujete v Jave, Pythone, C++ alebo či ste pochádzali z bootcampu, na pohovoroch a pri serióznych projektoch sa od vás bude vyžadovať, aby ste vedeli, ako si oba prvky dobre vybrať a skombinovať.

Prečo sú v programovaní také dôležité?

V každej reálnej aplikácii, nech sa zdá akokoľvek jednoduchá, vždy pracujete s údajmi: platy, produkty, používatelia, transakcie, trasy, dokumentyZáznamy protokolov atď. Otázkou nie je, či budete spracovávať dáta, ale ako ich budete organizovať, aby bol váš kód rýchly, prehľadný a ľahko sa udržiaval.

Dátové štruktúry sa používajú na ukladanie informácií usporiadaným a koherentným spôsobom podľa problému. To nie je to isté Nutnosť neustále pristupovať k prvému prvku, vyhľadávať podľa kľúča, prechádzať v poradí, vkladať do stredu alebo často mazať; každý vzorec použitia lepšie vyhovuje inej štruktúre.

Algoritmy zo svojej strany umožňujú efektívne spracovávať tieto údaje: triediť ich, filtrovať ich, vyhľadávať prvky, nájsť optimálne trasy, detekovať vzory pomocou dolovanie dát, optimalizovať zdroje atď. Mnohé problémy, ktoré sa zdajú byť zložité, sa stanú triviálnymi, keď nájdete správnu kombináciu algoritmu a dátovej štruktúry.

V technických pohovoroch na pozíciu vývojára softvéru sa zriedkavo stáva, že sa niekto opýta otázku, ktorá sa priamo netýka týchto tém. Niekedy otázka explicitne spomína štruktúru, napríklad „vzhľadom na binárny strom…“, a inokedy je implicitná: „chceme spočítať, koľko kníh má každý autor“, čo naznačuje použitie hašovacia tabuľka alebo mapa kľúč-hodnota.

Okrem toho sa formálne a profesionálne vzdelávanie často zameriava na túto oblasť. Mnohé univerzity a programy vyššieho vzdelávania zahŕňajú predmet o... Dátové štruktúry a algoritmy, s oficiálnym programom, predpokladmi, teoretickými a praktickými cvičeniami, skúškami a zadaniami, pretože sa považuje za základný predmet každého softvérového inžiniera.

Predpoklady a potrebné základy

Aby ste čo najlepšie využili štúdium dátových štruktúr a algoritmov, je užitočné mať určité znalosti o univerzálnom programovacom jazyku, ako napríklad Java, Python alebo C++Nemusíte byť guru, ale musíte sa cítiť pohodlne v základných konceptoch, ako sú premenné, dátové typy, podmienky, cykly, funkcie a odovzdávanie parametrov.

Veľmi to tiež pomáha pochopiť myšlienku algoritmická zložitosť a notácia Big O: ako rastie čas vykonávania alebo využitie pamäte so zvyšujúcou sa veľkosťou dát (n). Vedomie rozlišovania medzi O(1), O(log n), O(n), O(n log n) a O(n²) vám umožňuje porovnávať alternatívy so zdravým úsudkom a zdôvodňovať vaše rozhodnutia.

Ďalším dôležitým aspektom je, že sme mali menší boj s riešenie problémovŠtruktúrované programovacie cvičenia, malé logické úlohy, jednoduché kata atď. Čím viac si trénujete „nos“ na rozdelenie problému na kroky, tým ľahšie bude vidieť, ktorá dátová štruktúra sa hodí pre každý prípad.

Niektoré učebné osnovy výslovne uvádzajú predpoklady alebo korekvizity Pre kurz Dátové štruktúry a algoritmy musíte mať úspešne absolvované Základy programovania, Programovanie I alebo Diskrétna matematika. To dáva zmysel: bez solídnych základov v základnom programovaní a určitej logike je ľahké sa pri tomto predmete frustrovať.

Nakoniec, mať nejaké znalosti o praktické prostredia reálneho sveta (ako sú malé webové projekty, skripty alebo konzolové aplikácie) vám pomáha lepšie si predstaviť, na čo budete každú štruktúru používať, namiesto toho, aby ste ju vnímali ako niečo čisto akademické.

Najčastejšie používané dátové štruktúry

V informatike existuje veľa dátových štruktúrExistuje však skupina „základných“ funkcií, ktoré sa opakujú znova a znova: polia (vektory), zásobníky, fronty, prepojené zoznamy, stromy, grafy, pokusy a hašovacie tabuľky. Pochopenie toho, ako fungujú, aké operácie ponúkajú a aké sú ich typické náklady, je kľúčom k plynulému prechodu programovaním.

Teraz sa chystáme skontrolujte každý jeden, s jeho hlavnou myšlienkou, typickými operáciami a príkladmi problémov, ktoré sa zvyčajne objavujú na hodinách, cvičeniach a pracovných pohovoroch pre vývojárov.

Polia

Pole Je to najjednoduchšia lineárna dátová štruktúra a jedna z najpoužívanejších. Pozostáva zo súvislého bloku pamäte, ktorý uchováva kolekciu prvkov rovnakého typu, prístupných prostredníctvom celočíselného indexu, zvyčajne začínajúceho od nuly.

Predstavte si pole veľkosti 4 obsahujúce hodnoty 1, 2, 3 a 4. Každá pozícia má indica (0, 1, 2, 3) a k ľubovoľnému prvku s jeho indexom môžete priamo pristupovať v konštantnom čase O(1). Vďaka tomu sú polia veľmi efektívne na náhodné čítanie.

Existujú dve hlavné kategórie: jednorozmerné polia (jeden riadok prvkov) a viacrozmerné polia (napríklad matice, čo sú polia polí). Mnohé programovacie jazyky ponúkajú obe varianty natívne alebo s miernymi rozdielmi v syntaxi a výkone.

Základné operácie s poliami sú zvyčajne:

• Vložiť: umiestnenie prvku na špecifickú pozíciu, čo v statických poliach môže zahŕňať posunutie iných prvkov.
• Získať: prístup k prvku na danom indexe, typicky O(1).
• Odstrániť: odstrániť alebo označiť ako prázdny prvok na určitej pozícii, zvyčajne posunutím prvkov doľava.
• Veľkosť: skontrolovať, koľko prvkov je uložených alebo maximálnu kapacitu poľa.

Pri pohovoroch a skúškach sú takéto cvičenia veľmi bežné. nájsť druhé minimum poľaNájdenie prvého neopakujúceho sa celého čísla, zlúčenie dvoch už zoradených polí alebo zmena poradia kladných a záporných čísel pri zachovaní určitých vlastností. Toto všetko sa spolieha na prístup k indexu a lineárne alebo dvojité prechody.

Komády

Batéria Ide o lineárnu dátovú štruktúru, ktorá sa riadi princípom LIFO: Posledný dnu, prvý von. Predstavte si kôpku kníh poukladaných jedna na druhej: knihy môžete brať alebo vkladať iba zhora.

Toto správanie znamená, že Pristupujeme iba k prvku, ktorý je na vrchole zásobníka.Stredný prvok nemôžeme odstrániť bez toho, aby sme najprv odstránili prvky nad ním. Vďaka tomu je ideálnou štruktúrou na modelovanie histórie akcií (vrátenie späť), vnorených volaní funkcií, navigácie (späť/vpred) atď.

Typické operácie so zásobníkom sú:

• Tlačiť: vložiť novú položku na začiatok.
• pop: extrahovať a vrátiť prvok na vrchole, čím sa zmenší veľkosť zásobníka.
• Hore alebo nahliadnuť: preštudovať vrchný prvok bez jeho vymazania.
• je prázdny: skontrolujte, či nie je batéria vybitá.

V kontexte pohovorov sa vyskytujú problémy, ako napríklad: vyhodnocovať výrazy v postfixovej notácii (RPN), triedenie prvkov iba pomocou zásobníkov alebo kontrola, či je reťazec zátvoriek (a iných symbolov) správne vyvážený pomocou funkcií push a pop.

V praxi mnoho interných implementácií jazykov (napríklad zásobník systémových volaní) fungujú podľa rovnakých princípov, aj keď ich priamo nevidíme.

Fronty

Chvost Je to ďalšia lineárna dátová štruktúra, ale namiesto princípu LIFO používa model FIFO: First In, First Out (prvý dnu, prvý von). Najjasnejšou analógiou je rad ľudí čakajúcich pri pokladni v kine.

V štandardnom rade sú prvky Pridávajú na konci a uberajú na začiatkuSystém „kto prv príde, ten prv berie“, vďaka čomu je ideálny na správu čakajúcich úloh, procesov operačného systému, požiadaviek servera, tlačových frontov atď.

Medzi základné operácie s radmi patria:

• Zaradiť do radu: vložiť novú položku na koniec frontu.
• Dequeue: odstrániť a vrátiť prvok nachádzajúci sa na začiatku.
• Predná alebo horná časť: pozrite si prvú položku bez jej odstránenia.
• je prázdny: skontroluje, či je front prázdny.

V programátorských výzvach je bežné, že sa vás napríklad pýtajú, implementovať zásobník pomocou dvoch frontov, obrátiť prvých k prvkov frontu bez zmeny zvyšku alebo generovať binárne čísla od 1 do n pomocou správania FIFO frontu.

Okrem základného chvosta existujú aj variácie, ako napríklad kruhový chvost, prioritný front alebo dvojité fronty (deque), ktoré ponúkajú ďalšie operácie a zlepšujú výkon v určitých scenároch.

prepojené zoznamy

Prepojený zoznam Prepojený zoznam je tiež lineárna štruktúra, ale vnútorne sa veľmi líši od polí. Namiesto použitia súvislého bloku pamäte sa skladá z riedkych uzlov, ktoré sú navzájom prepojené odkazmi alebo ukazovateľmi.

Každý uzol zvyčajne obsahuje dve časti: údaje ktoré sa majú uložiť, a ukazovateľ (alebo niekoľko), ktorý ukazuje na ďalší uzol v postupnosti (a v prípade dvojito prepojených zoznamov aj na predchádzajúci). Zoznam sa spravuje prostredníctvom odkazu na jeho hlavu, ktorá ukazuje na prvý uzol, a v zložitejších zoznamoch sa zachováva aj odkaz na koniec.

Existujú dva hlavné varianty:

• jednoducho prepojený zoznam: každý uzol ukazuje iba na nasledujúci; cesta je zvyčajne jedným smerom.
• dvojito prepojený zoznamKaždý uzol ukazuje na nasledujúci a predchádzajúci uzol, čo uľahčuje obojsmerné prechody a efektívnejšie operácie mazania.

Medzi typické operácie s prepojenými zoznamami patria:

• Vložiť do hlavy: vložiť nový uzol na začiatok zoznamu.
• Vložiť na koniec: pridať uzol na koniec a aktualizovať front, ak existuje.
• vymazať: odstrániť konkrétny uzol úpravou ukazovateľov susedných uzlov.
• OdstrániťZHlavy: odstrániť prvý uzol a presunúť hlavu na ďalší.
• Hľadať: prechádzať zoznamom a hľadať konkrétnu hodnotu.
• je prázdnyskontroluje, či je hlavička null a teda zoznam neobsahuje žiadne prvky.

Takéto problémy sa v triedach a na pohovoroch vyskytujú hojne. obrátiť prepojený zoznam, zistiť, či existuje cyklus (zvyčajne pomocou algoritmu „korytnačka a zajac“), získať uzol N počítaním od konca alebo odstrániť duplicitné uzly, pričom vždy opatrne zaobchádzať s ukazovateľmi.

Prepojené zoznamy sa široko používajú na implementáciu hašovacie tabuľky s reťazenímzoznamy susednosti v grafoch a dynamické dátové štruktúry, kde sa prvky často vkladajú a odstraňujú.

Stromy

Strom Je to hierarchická dátová štruktúra zložená z uzlov spojených hranami. Na rozdiel od všeobecných grafov strom nemá cykly: vždy existuje koreň, deti, rodičia, súrodenci, listy, úrovne a podstromy s organizáciou typu „rodina“ alebo „organizačná schéma“.

Stromy sú veľmi užitočné, keď chceme predstavujú hierarchické vzťahy alebo rozdeliť problém na menšie čiastkové problémy: súborové systémy, menu, štruktúry DOM v prehliadačoch, rozhodovacie stromy v umelej inteligencii atď.

Existuje mnoho druhov stromov, vrátane:

• N-árny strom: každý uzol môže mať variabilný (a možno aj veľký) počet potomkov.
• Vyvážený strom: udržiava svoje vetvy v podobnej hĺbke, aby sa predišlo zníženiu výkonu.
• Binárny stromkaždý uzol má maximálne dvoch potomkov (ľavého a pravého).
• Binárny vyhľadávací strom (BST): binárny strom s vlastnosťou, že všetko naľavo od uzla je menšie a všetko napravo je väčšie (podľa nejakého kritéria usporiadania).
• AVL strom, červeno-čierny, 2-3 a iné variantyIde o vyvážené vyhľadávacie stromy, ktoré zaručujú dobré limity zložitosti pri operáciách vkladania, mazania a vyhľadávania.

V praxi sú najčastejšie v cvičeniach tieto binárny strom a binárny vyhľadávací stromMedzi typické problémy patrí výpočet výšky stromu, nájdenie k-tej maximálnej hodnoty v BST, vypísanie uzlov v určitej vzdialenosti od koreňa alebo určenie predkov konkrétneho uzla.

Okrem toho sú algoritmy prechodu (preorder, inorder, postorder, level by level) základom mnohých následných procesov: triedený výpis, vyhodnocovanie výrazov, serializácia a deserializácia stromov atď.

grafov

Graf Zovšeobecňuje koncept stromu tým, že umožňuje cykly a viacero ľubovoľných spojení medzi uzlami. Pozostáva z množiny vrcholov (uzlov) a množiny hrán, ktoré spájajú dvojice vrcholov, niekedy s priradenou váhou alebo cenou.

Existuje niekoľko typov grafov: neriadený (hrany nemajú smer, vzťah je obojsmerný) a riadený (Hrany majú začiatočný a cieľový bod.) Môžu byť tiež klasifikované ako vážené alebo nevážené, spojené alebo nespojené, s cyklami alebo bez nich atď.

V kóde sa grafy zvyčajne reprezentujú dvoma základnými spôsobmi:

• Matica susednosti: matica, kde bunka označuje, či existuje hrana medzi vrcholom i a j (a prípadne váhu spojenia).
• Zoznam susedných oblastí: pre každý vrchol je uložený zoznam jeho susedov, čo šetrí pamäť v riedkych grafoch.

Najklasickejšie algoritmy prechodu sú Vyhľadávanie do šírky (BFS) a hĺbkové vyhľadávanie (DFS)Oba sa používajú ako základné stavebné bloky pre množstvo problémov: kontrola, či je graf súvislý, detekcia cyklov, nájdenie súvislých komponentov atď.

V technických testoch je bežné, že sa od vás požaduje implementácia BFS a DFS, kontrola, či graf tvorí strom, spočítanie počtu hrán alebo vyhľadávanie najkratšie cesty medzi dvoma uzlami (napríklad na mape miest) s použitím variantov ako Dijkstra alebo BFS v nevážených grafoch.

Pokusy alebo prefixové stromy

Pokus (alebo prefixový strom) je stromová dátová štruktúra optimalizovaná na spracovanie reťazcov znakov, obzvlášť užitočná pri práci so slovníkmi slov, systémami automatického dopĺňania alebo vyhľadávaním prefixov.

V trojuholníku každý uzol typicky predstavuje znak a cesty od koreňa k určitým uzlom označujú úplné slováUzly posledného slova sú zvyčajne nejakým spôsobom označené (napríklad boolovským indikátorom), aby sa odlíšili od jednoduchých predpon.

Ak uložíme slová „top“, „thus“ a „their“ do trojuholníka, budeme zdieľať časť počiatočnej cesty pre všetky slová, ktoré začínajú rovnakými písmenami, čo umožní vyhľadávanie a návrhy podľa prefixu v veľmi efektívny čas, úmerné dĺžke hľadaného slova a nie celkovému počtu uložených slov.

Medzi bežné operácie a problémy s pokusmi patria: spočítajte, koľko slov je uložených, vypísať všetky slová v lexikografickom poradí, zoradiť prvky poľa vložením do trojuholníka, generovať platné slová z množiny písmen alebo vytvárať štruktúry podobné slovníku T9.

V kontexte pohovorov to nie je najzákladnejšia štruktúra, ktorú budú požadovať, ale pravidelne sa objavuje v spoločnostiach, ktoré pracujú s... vyhľadávania, spracovanie textu alebo systémy návrhov.

Hašovacie tabuľky a hašovanie

Hašovanie Je to technika priradenia číselného kľúča (hash) každému údaju deterministickým spôsobom, aby sme mohli ukladať a načítavať prvky takmer v konštantnom čase, pričom tento kľúč používame ako index vo vnútornej štruktúre, zvyčajne v poli.

La hašovacia tabuľka Toto je dátová štruktúra, ktorá využíva tento mechanizmus. Každý prvok je uložený ako pár kľúč-hodnota: kľúč sa pomocou hašovacej funkcie transformuje na index tabuľky a hodnota (alebo odkaz na ňu) sa tam uloží. Neskôr, ak chcete vyhľadávať, jednoducho kľúč znova hašujte a získajte prístup k zodpovedajúcej pozícii.

Výkon hašovacej tabuľky závisí zásadne od troch faktorov: hašovacia funkcia zvolené (musíte dobre rozmiestniť klávesy, aby ste sa vyhli koncentrácii), veľkosť stola (nedostatočná veľkosť spôsobuje veľa kolízií) a metóda na riadenie kolízií (prepojenie s prepojenými zoznamami, otvorené adresovanie atď.). Je to podobné ako index v databázekde rozhodnutie o vhodnej štruktúre zlepšuje vyhľadávanie a prístup.

Typické cvičenia hašovacieho programovania často vyžadujú napríklad nájsť symetrické páry v poliRekonštrukcia kompletného itinerára cesty z jednotlivých letov, rýchla kontrola, či jedno pole je podmnožinou iného, ​​alebo overenie, či sú dve polia disjunktné, to všetko s využitím približného O(1) vyhľadávania v hašovacej tabuľke.

Vo väčšine moderných jazykov štruktúry ako mapa, slovník, hašovacia mapa alebo hašovacia sada Interne sa spoliehajú na hašovacie tabuľky, hoci programátorovi je ponúkané rozhranie na vysokej úrovni.

Ako spolu súvisia algoritmy a dátové štruktúry

Výber dátovej štruktúry priamo určuje, ktoré algoritmy majú zmysel a aká bude ich zložitosť. Lineárny vyhľadávací algoritmus na neusporiadaný zoznam Iteruje cez prvky jeden po druhom; ak zmeníme štruktúru na vyvážený vyhľadávací strom alebo hašovaciu tabuľku, dosiahneme oveľa lepšie časy.

Napríklad, ak chcete opakovane vyhľadávať kľúče vo veľkej kolekcii, ukladanie údajov do hašovacia tabuľka alebo binárny vyhľadávací strom Umožňuje vám navrhnúť vyhľadávacie algoritmy, ktoré sú oveľa rýchlejšie ako pri použití jednoduchého netriedeného poľa. To isté platí pre prioritné fronty a haldy pre plánovanie alebo algoritmy najkratšej cesty.

Naopak, pri návrhu algoritmu si často uvedomíte, že potrebujete určité vlastnosti: prístup k indexu, rýchle vkladanie na začiatku, hierarchické prechody, vyhľadávanie prefixov atď. Tieto potreby usmerňujú váš výber štruktúry. polia, zoznamy, stromy, grafy, hašovacie tabuľky, pokusy...

Táto vhodná kombinácia algoritmu a dátovej štruktúry umožňuje vytvárať zložité aplikácie. efektívne a škálovateľnéBez dobrého základu majú riešenia tendenciu byť pomalé, ťažko pochopiteľné a udržiavateľné alebo nemožné ich prispôsobiť s rastúcim objemom informácií.

Preto zvládnutie algoritmov a dátových štruktúr nie je takmer nevyhnutná požiadavka pre každého, kto sa chce stať kompetentným a konkurencieschopným programátorom na dnešnom trhu práce.

Ako sa učiť dátové štruktúry a algoritmy

Mnoho ľudí sa cíti zaseknutých, keď sa snažia učiť sa sami pomocou platforiem ako LeetCode alebo CodewarsJe bežné začať s „jednoduchými“ cvičeniami a stále nevieme, kam sa k problému priblížiť, nakoniec sa pozrieme na riešenie a nie je nám jasné, ako ho potom reprodukovať.

Praktický prístup zvyčajne kombinuje niekoľko zložiek: a dobré teoretické vysvetlenie Každá štruktúra a algoritmus obsahuje vizuálne príklady, množstvo sprievodných cvičení a, ak je to možné, podporu od niekoho so skúsenosťami, ktorý vám pomôže zdokonaliť vaše zručnosti v riešení problémov.

V španielsky hovoriacom svete existujú odborníci s rozsiahlymi skúsenosťami, ktorí prispeli k uľahčeniu tohto vzdelávania. Jedným z príkladov je práca Učitelia so skúsenosťami v oblasti podnikania a vzdelávania ktorí publikovali knihy a kurzy o základoch programovania, Jave, dátových štruktúrach a programovacích výzvach s hrami, čím tieto koncepty sprístupnili zábavným a aplikovateľným spôsobom v reálnych projektoch.

Je tiež bežné, že akadémie a školiace centrá zahŕňajú do svojich programov pre webových vývojárov alebo programátorov aplikácií špecifické moduly o dátových štruktúrach a algoritmoch. V mnohých prípadoch sa kladie dôraz na konkrétny prístup. veľmi praktické a založené na projektoch, s cvičeniami so zvyšujúcou sa náročnosťou a simuláciou typických problémov technických pohovorov.

Ak sa zaseknete, môže vám pomôcť dodržiavanie štruktúrovanej trasy: začnite s poľami a zoznamami, prechádzal som zásobníkmi a frontami, potom stromami a základnými grafmi a nakoniec hašovacími tabuľkami a pokusmi, pričom som sa vždy striedal s teoretickým vysvetlením, malými príkladmi kódu a množstvom individuálneho precvičovania.

Pri príprave na pohovory je vhodné preštudovať si nielen štruktúry, ale aj algoritmy hrubej sily a súvisiace klasické algoritmy (prechody, vyhľadávania, triedenie, jednoduché spätné sledovanie, základné dynamické programovanie) a uistite sa, že viete nahlas vysvetliť, prečo ste si vybrali konkrétnu štruktúru a čo zložitosť vášho riešenia.

Postupom času a určitá konzistentnosťČo sa na prvý pohľad javí ako stena, sa nakoniec zmení na súbor známych nástrojov, ktoré používate takmer inštinktívne, keď čelíte novým problémom.

Dobré pochopenie toho, čo sú algoritmy, ako fungujú hlavné dátové štruktúry a ako navzájom súvisia, vám umožní písať programy. rýchlejšie, prehľadnejšie a robustnejšieOtvorí vám to dvere v náročných výberových procesoch a zabezpečí, aby vaše projekty, akademické aj profesionálne, boli založené na pevných základoch s budúcnosťou.