📚 درس و تست کامپیوتر💻

اولین جلسه ی تدریس برنامه نویسی

عرض ادب خدمت همه دوستان خوبم . با اجازتون یک دوره کاملا پایه ای و به زبون ساده و خودمونی از آموزش سی پلاس پلاس رو میخوام شروع کنم . نحوه آموزش اینجوری هست که من روال کار رو بیان میکنم و خیلی خودمونی میگم ک مثلا دستور cout چیه ، آرایه چیه ، دستور سوییچ چیکار میکنه ، تابع چیه و ... برای مثال ها و توضیحات بیشتر میتونید فیلم های اقای شیرافکن و کتاب اقای مقسمی رو تهیه کنید این دوره بیشتر مناسب کسانی هست که این درس رو کاملا فراموش کرده اند یا از اول اصلا یادش نگرفتند . توضیحاتم خیلی به زبان خودمونی هست . نکته مهم و ضروری اینه ک سعی کنید همه برنامه هارو خودتون تو محیط برنامه نویسی بنویسید و کامپایل کنید که صددرصد تو یادگیریتون موثرتر هست و باعث میشه تمام استرستون از این درس از بین بره و از موضع قدرت به برنامه نویسی نگاه کنید اگر به لپ تاپ دسترسی ندارید از برنامه اندروید cxxdroid استفاده کنید و با گوشی کد بزنید با آرزوی موفقیت ❤️

#ساختمان_داده کاربردهای درخت heap : ۱- مرتب سازی ۲- صف اولویت ۳- ادغام دولیست مرتب ____________________ مرتبه صف‌ اولویت در سه ساختمان داده آرایه و لیست پیوندی و درخت heap (برای یک اندیس ، نود ، گره)بصورت زیر است : عمل درج در آرایه و لیست پیوندی «نامرتب» : O(1) ____________________ عمل حذف از آرایه و لیست پیوندی«نامرتب» : O(n) ____________________ عمل درج در آرایه و لیست پیوندی « مرتب » : O(n) ____________________ عمل حذف از آرایه و لیست پیوندی « مرتب » O(1) ____________________ عمل درج و حذف از درخت heap : O(logn) _______________________ عمل جست و جو در درخت heap از مرتبه O(n) ___________________ برای پیاده سازی صف اولویت صعودی از Maxheap و برای پیاده سازی صف‌اولویت نزولی از Minheap استفاده میکنیم ___________________ درخت Deap : یک درخت دودویی کامل است که یا تهی است یا : ۱- در ریشه عنصری وجود ندارد ! ۲- «زیردرخت» چپ یک minheap و «زیردرخت» راست یک maxheap است . ___________________ کاربرد درخت Deap : پیاده سازی صف اولویت دو طرفه ____________________ مرتبه اجرایی درخت Deap در حذف و درج : یک گره (O(Logn چند گره (nlogn)O ________________ درخت BST : درخت جست و جوی دودویی یا BST ، یک درخت دودویی است که ممکن است تهی باشد اگر تهی نباشد : ۱- مقدار هر گره ، بزرگتر از هر مقدار در «زیر درخت چپ» و کوچکتر از هر مقدار در «زیر درخت راست» میباشد ( یعنی نباید فقط به فرزندان گره توجه کنیم ) ۲- هر گره دارای یک کلید منحصر به فرد است ( عنصر تکراری نداریم ) ۳- برخلاف درخت heap ، درخت جست و جوی دودویی میتواند هر شکلی داشته باشد (میتواند کامل نباشد ، اریب باشد و ... ) _____________________ اعمال جست و جو ، درج و حذف گره در درخت BST از مرتبه ارتفاع درخت است ، یعنی برای یک گره O(h) و برای n گره O(nh) است . که برای یک گره ، h حالات متفاوت زیر را دارد : خوب O(1) متوسط O(logn) بد O(n) حالت خوب وقتی است که گره مورد نظر ریشه باشد . حالت بد وقتی است که درخت اریب (مورب) باشد .

#ساختمان_داده شرط خالی بودن پشته : C++ : Top = -1 Pascal : Top = 0 شرط پر بودن پشته : C++ : Top = n - 1 Pascal : Top = n شرط خالی بودن صف معمولی : Front = Rear شرط پر بودن صف معمولی : C++ : Rear = n-1 Pascal : Rear = n شرط خالی بودن صف حلقوی : Front = Rear شرط پر بودن صف حلقوی : Front = (Rear + 1 ) mod n حذف و درج در صف و پشته در حالت طبیعی از مرتبه O(1) است . حذف عنصر کمینه (عنصر n ام ) در پشته از مرتبه O(n) است . تعداد خانه های پر در صف معمولی : R-F تعداد خانه های خالی در صف معمولی : n - (R-F) وارد شدن به صف اولویت از مرتبه O(1) است . خواندن از صف اولویت از مرتبه O(n) است . مسأله MAZING در بهترین حالت از مرتبه O(n) است . مسأله MAZING در بدترین حالت از مرتبه O( n² ) است .

نکته : در کتاب ساختمان داده استاد مقسمی ، بهترین حالت برای عمل اصلی Heap sort بصورت O(nlogn) بیان شده و در کتاب استاد یوسفی (پوران پژوهش) بهترین حالت برای عمل اصلی Heap sort بصورت O(n) بیان شده و گفته درصورتی که همه عناصر تکراری باشند این حالت به وجود می آید . نکته : عمل حذف از درخت heap از مرتبه ارتفاع (h)هست ، که مرتبه ارتفاع میشه O(h)=(logn) عمل حذف n گره هم از مرتبه O(nh) -> O(nlogn) عمل حذف یک گره "دلخواه" از مرتبه O(n) هست

#ساختمان_داده #مرتبه_اجرایی_الگوریتم_مرتب_سازی

#برنامه_نویسی_فصل_هفتم_توابع علت خطا ؛ محتوای نوع const را نمیتوان تغییر داد

#برنامه_نویسی_فصل_هفتم_توابع

#برنامه_نویسی_فصل_هفتم_توابع متغیر a سراسری هست متغیر سراسری در دیتا سگمنت ذخیره میشه و مثل static آخرین مقدار قبلیش رو در خودش نگه میداره