problem-solving-with-algorithms-and-data-structure-using-python 中文版

Stanford_CS106B_Assignments：我为斯坦福大学CS106B（C ++编程抽象）课程承担的作业的解决方案。 （2017-2018）

ordered-map：保留插入顺序的C ++哈希映射和哈希集

Coursera-Python-数据结构-密歇根大学-

四叉树用于地理位置 四叉树是一种树数据结构，具有4个“子级”，通常称为节点，这些节点中的每个节点内还有4个以上的节点，依此类推，直到达到指定的粒度为止。 出于优化目的，仅在必要时才创建子代，例如，在下图中，我们可以看到四叉树的表示形式。 这种结构在许多方面都很漂亮，有很多用途可以真正改善应用程序。 最常见的用法是： 优化游戏渲染 动态光照效果对游戏的影响 地理位置 图像压缩 AI路径寻找 在此示例中，我们将使用四叉树优化地理位置。 想象一下，我们有一个应用程序可以向用户显示周围的其他用户或周围的图片。 传统方式是比较用户A和B之间的距离。使用两个点的经度和纬度，我们可以计算出以度为单位

布什 RBush是用于点和矩形2D空间索引的高性能.NET库。 它基于具有批量插入支持的优化R树数据结构。 空间索引是用于点和矩形的特殊数据结构，它使您可以高效地执行查询，例如“边界框内的所有项目”（例如，比遍历所有项目快数百倍）。 它最常用于地图和数据可视化。 该代码已从Javascript 库复制而来。 安装 使用Nuget进行Install-Package RBush （ Install-Package RBush ）。 用法 创建一棵树 首先，定义数据项类以实现ISpatialData ，这要求该类公开Envelope属性。 然后该类可以这样使用： var tree = new RBush < Point>() 构造函数的可选参数（ maxEntries:定义树节点中的最大条目数。 9 （默认情况下使用）是大多数应用程序的合理选择。 较高的值表示更快的插入和较慢的搜索，反之亦然。 var tree = new RBush < Point>( maxEntries : 16 ) 新增资料 插入一个项目： var item = new Point { Env

数据结构和算法工作 包含我在佐治亚理工学院 2014 年秋季 CS 1332 课程中用 Java 编写的各种数据结构和算法的存储库

数据结构图投资组合分配 使用邻接矩阵或邻接表和各种算法（例如深度优先搜索，广度优先搜索和Dijkstra算法）存储的无向和有向图抽象数据类型的Python3实现。 该项目在2021年冬季季度完成，在Tim Alcon教授的指导下，在OSU的CS 261数据结构课程中完成。 这两个文件中已经提供了各种测试用例。 只需运行： $ ./d_graph.py 或者 $ ./ud_graph.py

布卢姆 该软件包实现了通用用法的布隆过滤器。 它使用FNV和一个简单的技巧来计算所需的k个散列。 特征 初始化Bloom Filter仅需要过滤器的大小和哈希函数的数量。 使用Uint8Array TypedArray来确保最小的内存占用。 使用位操作对我们的位集进行操作意味着更好的性能（需要进行一次测试）。 FNV哈希和简单的线性哈希用作哈希函数。 可以通过将不同的元素类型（数字，字符串）转换为字符串来插入它们。 用法 const BloomFilter = require ( 'bloomf' ) ; const filterSize = 10 ; const kHashes = 3 ; const bl = new BloomFilter ( filterSize , kHashes ) ; bl . insert ( 3 ) ; bl . insert ( "bloblo"

数据结构与算法研究 “数据结构”课程由同济大学管理科学与工程系梁哲教授教授。 我在Coursera上研究了图上的算法。 笔记： 数据结构 图上的算法 代码： 排序 分而治之 图形 练习： 算法导论