Merge pull request '[1]labb-sorokin' (#375) from sorokinfi/2026-rff_mp:labb-sorokin into develop

Reviewed-on: UNN/2026-rff_mp#375

sorokinfi/427.py

@@ -0,0 +1,572 @@
+import csv
+import random
+import sys
+import time
+from collections import defaultdict, deque
+import pandas as pd
+import matplotlib.pyplot as plt
+from abc import ABC, abstractmethod
+import os
+
+current_dir = os.path.dirname(os.path.abspath(__file__))
+os.chdir(current_dir)
+
+# увеличиваем лимит рекурсии
+sys.setrecursionlimit(25000)
+
+# ЗАДАНИЕ 1: СТРУКТУРЫ ДАННЫХ
+
+# 1. связный список, узел: {'name': 'Имя', 'phone': '123', 'next': None}
+
+# проходит до конца и добавляет в конец
+def ll_insert(head, name, phone):
+    new_node = {'name': name, 'phone': phone, 'next': None}
+    if head is None:
+        return new_node
+    current = head
+    while current['next'] is not None:
+        current = current['next']
+    current['next'] = new_node
+    return head
+
+# ищет узел, возвращает телефон или None
+def ll_find(head, name):
+    current = head
+    while current is not None:
+        if current['name'] == name:
+            return current['phone']
+        current = current['next']
+    return None
+
+# удаляет узел, возвращает новую голову
+def ll_delete(head, name):
+    if head is None:
+        return None
+    if head['name'] == name:
+        return head['next']
+    
+    current = head
+    while current['next'] is not None:
+        if current['next']['name'] == name:
+            current['next'] = current['next']['next']
+            return head
+        current = current['next']
+    return head
+
+#  собирает все записи в список и сортирует
+def ll_list_all(head):
+    records = []
+    current = head
+    while current is not None:
+        records.append((current['name'], current['phone']))
+        current = current['next']
+    records.sort(key=lambda x: x[0])
+    return records
+
+
+# 2. хеш-таблица
+
+# хеш-функция для вычисления бекета
+def ht_hash(name, size):
+    return hash(name) % size
+
+# вычисляет индекс, вызывает ll_insert для соответствующего бакета
+def ht_insert(buckets, name, phone):
+    size = len(buckets)
+    idx = ht_hash(name, size)
+    buckets[idx] = ll_insert(buckets[idx], name, phone)
+
+# поиск по хеш-таблице
+def ht_find(buckets, name):
+    size = len(buckets)
+    idx = ht_hash(name, size)
+    return ll_find(buckets[idx], name)
+
+# удаление из хеш-таблицы
+def ht_delete(buckets, name):
+    size = len(buckets)
+    idx = ht_hash(name, size)
+    buckets[idx] = ll_delete(buckets[idx], name)
+
+# собирает все записи из всех бакетов и сортирует
+def ht_list_all(buckets):
+    all_records = []
+    for head in buckets:
+        current = head
+        while current is not None:
+            all_records.append((current['name'], current['phone']))
+            current = current['next']
+    all_records.sort(key=lambda x: x[0])
+    return all_records
+
+
+# 3. двоичное дерево поиска
+# узел — словарь: {'name': 'Имя', 'phone': '123', 'left': None, 'right': None}
+
+# рекурсивно или итеративно вставляет, возвращает новый корень (если корень меняется)
+def bst_insert(root, name, phone):
+    if root is None:
+        return {'name': name, 'phone': phone, 'left': None, 'right': None}
+    
+    if name < root['name']:
+        root['left'] = bst_insert(root['left'], name, phone)
+    elif name > root['name']:
+        root['right'] = bst_insert(root['right'], name, phone)
+    else:
+        root['phone'] = phone
+    return root
+
+# поиск
+def bst_find(root, name):
+    if root is None:
+        return None
+    if name == root['name']:
+        return root['phone']
+    elif name < root['name']:
+        return bst_find(root['left'], name)
+    else:
+        return bst_find(root['right'], name)
+    
+# удаление, возвращает новый корень
+def bst_delete(root, name):
+    if root is None:
+        return None
+    
+    if name < root['name']:
+        root['left'] = bst_delete(root['left'], name)
+    elif name > root['name']:
+        root['right'] = bst_delete(root['right'], name)
+    else:
+        # одна ветвь или её отсутствие
+        if root['left'] is None:
+            return root['right']
+        if root['right'] is None:
+            return root['left']
+        # две ветви
+        successor = root['right']
+        while successor['left'] is not None:
+            successor = successor['left']
+            
+        root['name'] = successor['name']
+        root['phone'] = successor['phone']
+        root['right'] = bst_delete(root['right'], successor['name'])
+        
+    return root
+
+# центрированный обход (рекурсивно собирает записи в отсортированном порядке)
+def bst_list_all(root):
+    records = []
+    def _inorder(node):
+        if node is not None:
+            _inorder(node['left'])
+            records.append((node['name'], node['phone']))
+            _inorder(node['right'])
+    _inorder(root)
+    return records
+
+
+# 4. ЭКСПЕРИМЕНТАЛЬНАЯ ЧАСТЬ
+
+def run_experiments():
+    N = 3000 
+    HASH_SIZE = 1007
+    
+    print(f"генерация тестовых данных для N = {N}...")
+    records_sorted = [(f"User_{i:05d}", f"+7999123{i:04d}") for i in range(N)]
+    records_shuffled = records_sorted.copy()
+    random.seed(42)
+    random.shuffle(records_shuffled)
+    
+    # подготовка выборок 
+    existing_sample = [r[0] for r in random.sample(records_sorted, min(100, N))]
+    non_existing_sample = [f"None_{i}" for i in range(10)]
+    search_names = existing_sample + non_existing_sample
+     
+    delete_names = [r[0] for r in random.sample(records_sorted, min(50, N))]
+    csv_rows = [["структура", "режим", "операция", "повторение", "время (сек)"]]
+    modes = [("случайный", records_shuffled), ("отсортированный", records_sorted)]
+    
+    print("запуск экспериментов (5 повторений для каждого режима)")
+
+# ТЕСТ: СВЯЗНЫЙ СПИСОК
+
+    for mode_name, data in modes:
+        for rep in range(1, 6):
+            head = None
+            t_start = time.perf_counter()
+            for name, phone in data:
+                head = ll_insert(head, name, phone)
+            t_end = time.perf_counter()
+            csv_rows.append(["LinkedList", mode_name, "вставка", rep, t_end - t_start])
+            
+            t_start = time.perf_counter()
+            for name in search_names:
+                ll_find(head, name)
+            t_end = time.perf_counter()
+            csv_rows.append(["LinkedList", mode_name, "поиск", rep, t_end - t_start])
+            
+            t_start = time.perf_counter()
+            for name in delete_names:
+                head = ll_delete(head, name)
+            t_end = time.perf_counter()
+            csv_rows.append(["LinkedList", mode_name, "удаление", rep, t_end - t_start])
+
+# ТЕСТ: ХЕШ-ТАБЛИЦА
+
+    for mode_name, data in modes:
+        for rep in range(1, 6):
+            buckets = [None] * HASH_SIZE
+            t_start = time.perf_counter()
+            for name, phone in data:
+                ht_insert(buckets, name, phone)
+            t_end = time.perf_counter()
+            csv_rows.append(["HashTable", mode_name, "вставка", rep, t_end - t_start])
+            
+            t_start = time.perf_counter()
+            for name in search_names:
+                ht_find(buckets, name)
+            t_end = time.perf_counter()
+            csv_rows.append(["HashTable", mode_name, "поиск", rep, t_end - t_start])
+            
+            t_start = time.perf_counter()
+            for name in delete_names:
+                ht_delete(buckets, name)
+            t_end = time.perf_counter()
+            csv_rows.append(["HashTable", mode_name, "удаление", rep, t_end - t_start])
+
+# ТЕСТ: ДЕРЕВО ПОИСКА (BST)
+
+    for mode_name, data in modes:
+        for rep in range(1, 6):
+            root = None
+            t_start = time.perf_counter()
+            for name, phone in data:
+                root = bst_insert(root, name, phone)
+            t_end = time.perf_counter()
+            csv_rows.append(["BST", mode_name, "вставка", rep, t_end - t_start])
+            
+            t_start = time.perf_counter()
+            for name in search_names:
+                bst_find(root, name)
+            t_end = time.perf_counter()
+            csv_rows.append(["BST", mode_name, "поиск", rep, t_end - t_start])
+            
+            t_start = time.perf_counter()
+            for name in delete_names:
+                root = bst_delete(root, name)
+            t_end = time.perf_counter()
+            csv_rows.append(["BST", mode_name, "удаление", rep, t_end - t_start])
+
+# сохранение в csv
+    with open("results.csv", "w", newline="", encoding="utf-8") as f:
+        writer = csv.writer(f)
+        writer.writerows(csv_rows)
+    print("\nвсе замеры сохранены в файл 'results.csv'.")
+    
+    show_summary(csv_rows)
+
+# функция для подсчета и вывода среднего времени
+def show_summary(rows):
+    summary = defaultdict(list)
+    for row in rows[1:]:
+        struct, mode, op, rep, elapsed = row
+        summary[(struct, mode, op)].append(elapsed)
+
+    print("\nСВОДНЫЕ РЕЗУЛЬТАТЫ (СРЕДНЕЕ ВРЕМЯ ИЗ 5 ЗАПУСКОВ)")
+    print(f"{'структура':<12} | {'режим данных':<15} | {'операция':<10} | {'время (сек)':<12}")
+    print("-" * 59)
+    for (struct, mode, op), times in sorted(summary.items()):
+        avg_time = sum(times) / len(times)
+        print(f"{struct:<12} | {mode:<15} | {op:<10} | {avg_time:.6f}")
+
+
+
+# 5. АНАЛИЗ РЕЗУЛЬТАТОВ
+
+def plot_results(csv_filename="results.csv"):
+    print("построение графика")
+    try:
+        df = pd.read_csv(csv_filename)
+        
+        df_insert = df[df["операция"] == "вставка"]
+        
+        pivot_df = df_insert.pivot_table(
+            index="структура", 
+            columns="режим", 
+            values="время (сек)", 
+            aggfunc="mean"
+        )
+        
+        pivot_df.plot(kind="bar", figsize=(10, 6), color=['#1f77b4', '#ff7f0e'])
+        
+        plt.title("сравнение времени вставки (N=3000)")
+        plt.ylabel("среднее время выполнения (сек)")
+        plt.xlabel("структура данных")
+        plt.xticks(rotation=0)
+        plt.grid(axis='y', linestyle='--', alpha=0.7)
+        plt.savefig("benchmark_chart.png")
+        print("график сохранен как benchmark_chart.png")
+        plt.show()
+        
+    except FileNotFoundError:
+        print(f"файл {csv_filename} не найден. сначала запустите тесты.")
+
+
+def print_report():
+    report = """
+ 
+                      5. АНАЛИЗ РЕЗУЛЬТАТОВ ЭКСПЕРИМЕНТОВ
+
+1. Влияние порядка входных данных на скорость вставки в BST:
+   - На случайных данных BST строится сбалансированным. Высота дерева составляет
+     примерно O(log N), поэтому вставка происходит почти мгновенно.
+   - На отсортированных данных происходит ДЕГРАДАЦИЯ дерева. Каждый элемент больше
+     предыдущего и вставляется строго вправо. Дерево вырождается в связный список.
+     Сложность возрастает до O(N), что отчетливо видно по гигантскому пику на графике.
+
+2. Чувствительность Хеш-таблицы к порядку:
+   - Хеш-таблица НЕ ЧУВСТВИТЕЛЬНА к порядку данных. Математическая хеш-функция 
+     превращает любое имя в хаотичный индекс и равномерно распределяет записи 
+     по бакетам. В обоих режимах операции выполняются за константное время O(1).
+
+3. Почему связный список всегда медленен при поиске:
+   - У связного списка нет индексов для прямого доступа. Поиск всегда линейный O(N) 
+     — алгоритм вынужден последовательно перебирать элементы от головы к хвосту. 
+
+4. Как удаление работает в каждой структуре:
+   - Связный список: O(N) затрачивается на линейный поиск узла, само удаление — O(1).
+   - Хеш-таблица: O(1) нахождение бакета по хешу, удаление из цепочки коллизий мгновенно.
+   - BST: В среднем O(log N), в худшем O(N). Требует поиска узла и перестройки связей 
+     (замена удаляемого узла на его потомка или минимальный элемент правого поддерева).
+
+ВЫВОД:
+   - ДЛЯ ЧАСТЫХ ВСТАВОК И ПОИСКА: Идеально подходит Хеш-таблица благодаря скорости O(1).
+   - ДЛЯ ПОЛУЧЕНИЯ ДАННЫХ В ПОРЯДКЕ (АЛФАВИТНОМ): Стоит выбирать Двоичное дерево поиска 
+     (BST), так как обход дерева (In-order traversal) сразу выдает отсортированные данные.
+    """
+    print(report)
+
+def run_task_1():
+    run_experiments()
+    plot_results()
+    print_report()
+
+# ЗАДАНИЕ 2: ПОИСК ВЫХОДА ИЗ ЛАБИРИНТА
+
+# поиск выхода из лабиринта
+class Maze:
+    def __init__(self, grid):
+        self.grid = grid
+        self.rows = len(grid)
+        self.cols = len(grid[0]) if self.rows > 0 else 0
+        self.start = self._find_point('S')
+        self.end = self._find_point('E')
+
+    def _find_point(self, char):
+        for r in range(self.rows):
+            for c in range(self.cols):
+                if self.grid[r][c] == char: return (r, c)
+        return None
+
+    def is_walkable(self, r, c):
+        return 0 <= r < self.rows and 0 <= c < self.cols and self.grid[r][c] != '#'
+
+class PathfindingStrategy(ABC):
+    @abstractmethod
+    def solve(self, maze: Maze): pass
+
+
+# стратегия №1: BFS
+class BFSStrategy(PathfindingStrategy):
+    def solve(self, maze: Maze):
+        
+        # проверка входных данных
+        if not maze.start or not maze.end:
+            return None, 0
+        
+        # инициализация структур данных
+        queue = deque([(maze.start, [maze.start])])
+        visited = set([maze.start])
+        
+        # направление для шагов
+        directions = [(-1, 0), (1, 0), (0, -1), (0, 1)]
+        
+        # основной цикл обхода лабиринта
+        while queue:
+            current, path = queue.popleft()
+            if current == maze.end: 
+                return path, len(visited) # возвращаем путь и размер посещенных клеток 
+            r, c = current
+            for dr, dc in directions:
+                nr, nc = r + dr, c + dc
+                if maze.is_walkable(nr, nc) and (nr, nc) not in visited:
+                    visited.add((nr, nc))
+                    queue.append(((nr, nc), path + [(nr, nc)]))
+        return None, len(visited)
+
+
+# стратегия №2: DFS
+class DFSStrategy(PathfindingStrategy):
+    def solve(self, maze: Maze):
+        if not maze.start or not maze.end:
+            return None, 0
+
+        # инициализация структур данных
+        stack = [(maze.start, [maze.start])]
+        visited = set()
+        directions = [(-1, 0), (1, 0), (0, -1), (0, 1)]
+        
+        # основной цикл обхода лабиринта
+        while stack:
+            current, path = stack.pop()
+            if current in visited: 
+                continue
+            visited.add(current)
+            if current == maze.end: 
+                return path, len(visited)
+            r, c = current
+            for dr, dc in directions:
+                nr, nc = r + dr, c + dc
+                if maze.is_walkable(nr, nc):
+                    stack.append(((nr, nc), path + [(nr, nc)]))
+        return None, len(visited)
+    
+class MazeSolver:
+    def __init__(self, strategy: PathfindingStrategy): self._strategy = strategy
+    def set_strategy(self, strategy: PathfindingStrategy): self._strategy = strategy
+    def solve_maze(self, maze: Maze): return self._strategy.solve(maze)
+
+# подготовка тестовых лабиринтов
+class MazeFactory:
+    @staticmethod
+    def _generate_random_grid(width, height, wall_chance=0.25, has_exit=True):
+        # вспомогательный метод генерации сетки лабиринта заданной сложности
+        grid = [[" " for _ in range(width)] for _ in range(height)]
+        for r in range(height):
+            for c in range(width):
+                if random.random() < wall_chance: grid[r][c] = "#"
+        grid[0][0] = "S"
+        if has_exit: 
+            grid[height-1][width-1] = "E"
+        else: 
+            grid[height-1][width-1] = "E"
+            if height > 1: grid[height-1][width-2] = "#"
+            if width > 1: grid[height-2][width-1] = "#"
+        return grid
+
+    @staticmethod
+    def create_maze(maze_type):
+        random.seed(42)
+        if maze_type == "маленький (10x10)":
+            return Maze(MazeFactory._generate_random_grid(10, 10, wall_chance=0.15))
+        elif maze_type == "средний (50x50)":
+            return Maze(MazeFactory._generate_random_grid(50, 50, wall_chance=0.25))
+        elif maze_type == "большой (100x100)":
+            return Maze(MazeFactory._generate_random_grid(100, 100, wall_chance=0.3))
+        elif maze_type == "пустой":
+            grid = [[" " for _ in range(30)] for _ in range(30)]
+            grid[0][0], grid[29][29] = "S", "E"
+            return Maze(grid)
+        elif maze_type == "без выхода":
+            return Maze(MazeFactory._generate_random_grid(20, 20, wall_chance=0.2, has_exit=False))
+        return None
+
+# экспериментальная часть лабиринтов
+def run_maze_experiments():
+    maze_types = ["маленький (10x10)", "средний (50x50)", "большой (100x100)", "пустой", "без выхода"]
+    strategies = [("BFS", BFSStrategy()), ("DFS", DFSStrategy())]
+    csv_rows = [["лабиринт", "стратегия", "время_мс", "посещено_клеток", "длина_пути"]]
+    
+    print("\nзапуск экспериментов(5 повторений)")
+    
+    for m_type in maze_types:
+        maze_obj = MazeFactory.create_maze(m_type)
+        for strat_name, strategy in strategies:
+            solver = MazeSolver(strategy)
+            
+            times = []
+            visited_cells = 0
+            path_len = 0
+            
+            # запускаем по 5 раз для усреднения времени
+            for rep in range(5):
+                t_start = time.perf_counter()
+                path, visited = solver.solve_maze(maze_obj)
+                t_end = time.perf_counter()
+                
+                times.append((t_end - t_start) * 1000) # переводим в миллисекунды
+                visited_cells = visited
+                path_len = len(path) if path else 0
+            
+            avg_time_ms = sum(times) / len(times)
+            csv_rows.append([m_type, strat_name, round(avg_time_ms, 4), visited_cells, path_len])
+
+    # сохраняем в CSV
+    with open("maze_results.csv", "w", newline="", encoding="utf-8") as f:
+        writer = csv.writer(f)
+        writer.writerows(csv_rows)
+    print("Результаты сохранены в 'maze_results.csv'")
+
+    df = pd.DataFrame(csv_rows[1:], columns=csv_rows[0])
+    print("\nТАБЛИЦА СРАВНЕНИЯ АЛГОРИТМОВ ПОИСКА:")
+    print(df.to_string(index=False))
+
+    # визуализация графиков
+    print("\nпостроение графиков эффективности")
+    for m_type in maze_types:
+        sub_df = df[df["лабиринт"] == m_type]
+        
+        fig, ax1 = plt.subplots(figsize=(7, 4))
+        ax2 = ax1.twinx()
+        
+        sub_df.plot(kind="bar", x="стратегия", y="время_мс", ax=ax1, position=0, width=0.2, color="blue", legend=False)
+        sub_df.plot(kind="bar", x="стратегия", y="посещено_клеток", ax=ax2, position=1, width=0.2, color="orange", legend=False)
+        
+        ax1.set_ylabel("время выполнения (мс)", color="blue")
+        ax2.set_ylabel("посещено клеток (ед)", color="orange")
+        plt.title(f"эффективность на лабиринте: {m_type}")
+        ax1.set_xticklabels(sub_df["стратегия"], rotation=0)
+        
+        lines1, labels1 = ax1.get_legend_handles_labels()
+        lines2, labels2 = ax2.get_legend_handles_labels()
+        ax1.legend(lines1 + lines2, ["время (мс)", "посещено клеток"], loc="upper center")
+        
+        plt.tight_layout()
+        filename = f"maze_chart_{m_type.replace(' ', '_').replace('(', '').replace(')', '')}.png"
+        plt.savefig(filename)
+        plt.close()
+    print("графики для каждого типа лабиринта сохранены в текущую папку")
+
+def print_maze_report():
+    print("""
+    ВЫВОДЫ ПО ИТОГАМ АНАЛИЗА ЛАБИРИНТОВ:
+    1. Маленький и Пустой лабиринты: Оба алгоритма работают мгновенно. Однако в пустом 
+       пространстве BFS проверяет почти все клетки «волной» до достижения цели, в то время 
+       как DFS может случайно угадать прямую траекторию быстрее, но выдать неоптимальный путь.
+    2. Средний и Большой лабиринты (с тупиками): BFS стабильно находит самый КОРОТКИЙ путь, 
+       однако тратит много памяти и времени на посещение клеток. DFS работает непредсказуемо, 
+       его путь часто длиннее в разы, так как он «плутает» по тупикам.
+    3. Лабиринт без выхода: Оба алгоритма вынуждены совершить полный перебор графа. 
+       Количество посещенных клеток у них совпадает и равняется общему числу доступных клеток.
+    """)
+
+def run_task_2():
+    run_maze_experiments()
+    print_maze_report()
+
+# главное меню
+
+def main():
+    while True:
+        print("МЕНЮ ЛАБОРАТОРНЫХ РАБОТ")
+        print("1. Задание 1: структуры данных")
+        print("2. Задание 2: эксперименты с Лабиринтами")
+        print("0. Выход")
+        choice = input("Введите номер задания: ")
+        if choice == '1': run_task_1()
+        elif choice == '2': run_task_2()
+        elif choice == '0': break
+        else: print("Ошибка ввода.")
+
+if __name__ == "__main__":
+    main()

sorokinfi/maze_results.csv

@@ -0,0 +1,11 @@
+лабиринт,стратегия,время_мс,посещено_клеток,длина_пути
+маленький (10x10),BFS,0.0895,85,19
+маленький (10x10),DFS,0.0553,42,41
+средний (50x50),BFS,0.0027,2,0
+средний (50x50),DFS,0.0023,2,0
+большой (100x100),BFS,0.0014,1,0
+большой (100x100),DFS,0.0011,1,0
+пустой,BFS,0.9422,900,59
+пустой,DFS,14.7181,871,871
+без выхода,BFS,0.3453,325,0
+без выхода,DFS,0.5775,325,0

sorokinfi/results.csv

@@ -0,0 +1,91 @@
+структура,режим,операция,повторение,время (сек)
+LinkedList,случайный,вставка,1,0.1129304999994929
+LinkedList,случайный,поиск,1,0.006587000003491994
+LinkedList,случайный,удаление,1,0.00433809999958612
+LinkedList,случайный,вставка,2,0.11600629999884404
+LinkedList,случайный,поиск,2,0.0070252999939839356
+LinkedList,случайный,удаление,2,0.0037247000000206754
+LinkedList,случайный,вставка,3,0.11695830000098795
+LinkedList,случайный,поиск,3,0.006697200005874038
+LinkedList,случайный,удаление,3,0.0038005000023986213
+LinkedList,случайный,вставка,4,0.11354900000151247
+LinkedList,случайный,поиск,4,0.007001000005402602
+LinkedList,случайный,удаление,4,0.003736999999091495
+LinkedList,случайный,вставка,5,0.11800010000297334
+LinkedList,случайный,поиск,5,0.006789500002923887
+LinkedList,случайный,удаление,5,0.003871599998092279
+LinkedList,отсортированный,вставка,1,0.11360589999821968
+LinkedList,отсортированный,поиск,1,0.005773999997472856
+LinkedList,отсортированный,удаление,1,0.004597200000716839
+LinkedList,отсортированный,вставка,2,0.11909130000276491
+LinkedList,отсортированный,поиск,2,0.006270099998801015
+LinkedList,отсортированный,удаление,2,0.00467449999996461
+LinkedList,отсортированный,вставка,3,0.11582009999983711
+LinkedList,отсортированный,поиск,3,0.006280699999479111
+LinkedList,отсортированный,удаление,3,0.004889000003458932
+LinkedList,отсортированный,вставка,4,0.11719879999873228
+LinkedList,отсортированный,поиск,4,0.006236399996851105
+LinkedList,отсортированный,удаление,4,0.004462299999431707
+LinkedList,отсортированный,вставка,5,0.12187409999751253
+LinkedList,отсортированный,поиск,5,0.006323499997961335
+LinkedList,отсортированный,удаление,5,0.004649099995731376
+HashTable,случайный,вставка,1,0.0012417999969329685
+HashTable,случайный,поиск,1,3.5099998058285564e-05
+HashTable,случайный,удаление,1,2.1699997887481004e-05
+HashTable,случайный,вставка,2,0.00101379999978235
+HashTable,случайный,поиск,2,3.1400006264448166e-05
+HashTable,случайный,удаление,2,1.799999881768599e-05
+HashTable,случайный,вставка,3,0.0009945999991032295
+HashTable,случайный,поиск,3,3.0999995942693204e-05
+HashTable,случайный,удаление,3,1.750000228639692e-05
+HashTable,случайный,вставка,4,0.0009932999964803457
+HashTable,случайный,поиск,4,2.9999995604157448e-05
+HashTable,случайный,удаление,4,1.7099999240599573e-05
+HashTable,случайный,вставка,5,0.0009849999987636693
+HashTable,случайный,поиск,5,3.089999518124387e-05
+HashTable,случайный,удаление,5,1.7300000763498247e-05
+HashTable,отсортированный,вставка,1,0.0010356999991927296
+HashTable,отсортированный,поиск,1,4.599999374477193e-05
+HashTable,отсортированный,удаление,1,2.2100000933278352e-05
+HashTable,отсортированный,вставка,2,0.0009875999967334792
+HashTable,отсортированный,поиск,2,3.090000245720148e-05
+HashTable,отсортированный,удаление,2,1.8399994587525725e-05
+HashTable,отсортированный,вставка,3,0.0009702000024844892
+HashTable,отсортированный,поиск,3,3.0300005164463073e-05
+HashTable,отсортированный,удаление,3,1.870000414783135e-05
+HashTable,отсортированный,вставка,4,0.001106600000639446
+HashTable,отсортированный,поиск,4,3.139999898849055e-05
+HashTable,отсортированный,удаление,4,1.8799997633323073e-05
+HashTable,отсортированный,вставка,5,0.0009694999971543439
+HashTable,отсортированный,поиск,5,3.060000017285347e-05
+HashTable,отсортированный,удаление,5,1.8200000340584666e-05
+BST,случайный,вставка,1,0.004694000002928078
+BST,случайный,поиск,1,0.00013359999866224825
+BST,случайный,удаление,1,8.38999985717237e-05
+BST,случайный,вставка,2,0.004346499998064246
+BST,случайный,поиск,2,0.0002164999968954362
+BST,случайный,удаление,2,0.00016500000492669642
+BST,случайный,вставка,3,0.004590399999869987
+BST,случайный,поиск,3,0.0001371000034851022
+BST,случайный,удаление,3,8.090000483207405e-05
+BST,случайный,вставка,4,0.004372099996544421
+BST,случайный,поиск,4,0.00012819999392377213
+BST,случайный,удаление,4,7.929999992484227e-05
+BST,случайный,вставка,5,0.004390299996885005
+BST,случайный,поиск,5,0.00013029999536229298
+BST,случайный,удаление,5,7.74000000092201e-05
+BST,отсортированный,вставка,1,0.7734344999989844
+BST,отсортированный,поиск,1,0.018798999997670762
+BST,отсортированный,удаление,1,0.01326369999878807
+BST,отсортированный,вставка,2,0.7684502999982215
+BST,отсортированный,поиск,2,0.019605599998612888
+BST,отсортированный,удаление,2,0.013238500003353693
+BST,отсортированный,вставка,3,0.7711517999996431
+BST,отсортированный,поиск,3,0.018355100000917446
+BST,отсортированный,удаление,3,0.012963099994522054
+BST,отсортированный,вставка,4,0.787827299995115
+BST,отсортированный,поиск,4,0.019717699993634596
+BST,отсортированный,удаление,4,0.013514999998733401
+BST,отсортированный,вставка,5,0.7936753000030876
+BST,отсортированный,поиск,5,0.019170500003383495
+BST,отсортированный,удаление,5,0.01344999999855645