Merge pull request '[0] initial commit' (#170) from Smirnovvs/2026-rff_mp:Smirnovvs into develop

Reviewed-on: UNN/2026-rff_mp#170

.gitignore

@@ -7,6 +7,7 @@ __pycache__/
 # C extensions
 *.so
 
+.DS_Store
 # Distribution / packaging
 .Python
 build/

BudakovIS/docs/data/1-st-exercize/LinkedListPhoneBook.py

@@ -0,0 +1,457 @@
+head = None
+
+#node1 = {'name' : 'Ivan', 'phone' : '123-456', 'next' : None}
+#head = node1
+
+#node2 = {'name' : 'Dima', 'phone' : '789-123', 'next' : None}
+#node1['next'] = node2
+
+def ll_insert(head, name, phone):
+
+    curent = head
+    while curent is not None:
+        if curent['name'] == name:
+            curent['phone'] = phone
+            return head
+        curent = curent['next']
+
+
+    n_node = {'name' : name, 'phone' : phone, 'next' : None}
+
+    if head is None:
+        return n_node
+
+    curent = head
+    while curent['next'] is not None:
+        curent = curent['next']
+    curent['next'] = n_node
+    return head
+
+
+
+print("====== TESTING ll_insert FUNC ========")
+head = ll_insert(head,'Ivan','123-456')
+
+print(head)
+
+head = ll_insert(head, 'Boris', '123-456')
+
+print(head)
+
+head = ll_insert(head, 'Ivan', '321-654')
+
+print(head)
+
+head = ll_insert(head, 'Dima', '345-678')
+
+print(head)
+
+head = ll_insert(head, 'Boris', '111-222')
+
+print(head)
+
+head = ll_insert(head, 'Methody', '221-112')
+
+head = ll_insert(head, 'Kiril', '112-221')
+
+print(f"======= END TEST =======\n\n\n")
+
+
+def ll_find(head, name):
+    curent = head
+    while curent is not None:
+        if curent['name'] == name:
+            return curent['phone']
+        curent = curent['next']
+    return None
+
+print("====== TESTING ll_find FUNC ======")
+
+print("Ivan`s phone: "+ ll_find(head, 'Ivan'))
+
+print("Dima`s phone: "+ ll_find(head, 'Dima'))
+
+print("Boris phone: "+ ll_find(head, 'Boris'))
+
+print(f"====== END TEST ======\n\n\n")
+
+
+def ll_delete(head, name):
+    if head is None:
+        return None
+
+    if head['name'] == name:
+        return head['next']
+
+    prev = head
+    curent = head['next']
+    while curent is not None:
+        if curent['name'] == name:
+            prev['next'] = curent['next']
+            return head
+        prev = curent
+        curent = curent['next']
+    return head
+
+
+print("====== TEST ll_delete FUNC ======")
+
+print("Del of Dima:", ll_delete(head, 'Dima'))
+
+print("====== END TEST ======")
+
+
+def ll_list_all(head):
+    records = []
+    curent = head
+    while curent is not None:
+        records.append((curent['name'],curent['phone']))
+        curent = curent['next']
+    records.sort(key=lambda pair: pair[0])
+    return records
+
+print(f"\n\n\n\n")
+
+print("====== TESTING ll_list_all FUNC ======")
+
+print(ll_list_all(head))
+
+print("====== END ======")
+
+
+#============================== HASH FUNCTIONS =========================
+SIZE = 5
+buckets = [None] * SIZE
+
+
+
+def hash_function(name, size):
+    return hash(name) % size
+
+
+def ht_insert(buckets, name, phone):
+    index = hash_function(name, len(buckets))
+    head = buckets[index]
+    new_head = ll_insert(head, name, phone)
+    buckets[index] = new_head
+    return buckets
+
+print(f"\n\n\n ====== TEST INSERT HASH ======")
+print(buckets)
+ht_insert(buckets, "Ivan", "123-456")
+print(buckets)
+ht_insert(buckets, "Dima", "789-123")
+print(buckets)
+ht_insert(buckets, "Boris", "456-789")
+print(buckets)
+print("====== END TEST ======\n\n\n")
+
+
+def ht_find(buckets, name):
+    index = hash_function(name, len(buckets))
+    head = buckets[index]
+    return ll_find(head, name)
+
+print("====== TEST FIND HASH FUN ======")
+print("find by name Ivan: ",ht_find(buckets, "Ivan"))
+print("find by name Dima: ",ht_find(buckets, "Dima"))
+print("find by name Boris: ", ht_find(buckets, "Boris"))
+print("====== END TEST ======\n\n\n")
+
+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
+
+
+print("====== TEST FUNC LIST ALL ======")
+print(ht_list_all(buckets))
+print("====== END TEST ======\n\n\n")
+
+def ht_delete(buckets, name):
+    index = hash_function(name, len(buckets))
+    head = buckets[index]
+    new_head = ll_delete(head, name)
+    buckets[index] = new_head
+    return buckets
+
+
+print("====== GLOBAL TEST FOR HASH BASED FUN ======")
+buckets = [None] * 10
+
+ht_insert(buckets, "Ivan", "123-456")
+print(buckets)
+ht_insert(buckets, "Boris", "789-012")
+print(buckets)
+ht_insert(buckets, "Anna", "345-678")
+print(buckets)
+ht_insert(buckets, "Ivan", "111-222")  # update
+print(buckets)
+
+print("Find Ivan`s phone: ",ht_find(buckets, "Ivan"))   # 111-222
+print("Find Petr`s phone: ",ht_find(buckets, "Petr"))   # None
+
+# Удаляем
+print("delite Boris from buckets")
+ht_delete(buckets, "Boris")
+print("search Boris = ",ht_find(buckets, "Boris"))  # None
+
+# Все записи
+print("list all records: ",ht_list_all(buckets))
+print("====== END GLOBAL TEST ======\n\n\n")
+
+
+
+# ======================== TREE FUNC ====================
+
+def create_node(name,phone):
+    return {'name': name, 'phone': phone, 'left': None, 'right': None}
+
+print("====== START TREE FUNC CHAPTER ======\n\n")
+print("====== TEST CREATE NODE FUNC ======")
+root = create_node('Ivan', '123-456')
+print("Create Ivan node: ",root)
+print("====== END TEST ====== \n\n\n")
+
+def bst_insert(root, name, phone):
+    if root is None:
+        return create_node(name, phone)
+
+    if name == root['name']:
+        root['phone'] = phone
+    elif name < root['name']:
+        root['left'] = bst_insert(root['left'], name, phone)
+    else:
+        root['right'] = bst_insert(root['right'], name , phone)
+    return root
+
+print("====== TEST INSERT FUNC ======")
+root = bst_insert(root, 'Dima', '456-789')
+print("add Dima: ", root)
+root = bst_insert(root, 'Boris', '789-123')
+print("add Boris: ", root)
+root = bst_insert(root, 'Eva', '321-123')
+print("add Eva: ", root)
+print("====== END TEST =======\n\n\n")
+
+
+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)
+
+
+print("====== START FIND TEST ======")
+print("search by Ivan`s phone: ", bst_find(root, 'Ivan'))
+print("search by Eva`s phone: ", bst_find(root,'Eva'))
+print("====== END TEST ====== \n\n\n")
+
+
+
+def find_min(node):
+    while node['left'] is not None:
+        node = node['left']
+    return node
+
+
+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:
+        if root['left'] is None:
+            return root['right']
+        if root['right'] is None:
+            return root['left']
+
+        min_node = find_min(root['right'])
+        root['name'] = min_node['name']
+        root['phone'] = min_node['phone']
+
+        root['right'] = bst_delete(root['right'], min_node['name'])
+    return root
+
+
+
+def bst_list_all(root):
+    result = []
+    def inorder(node):
+        if node is None:
+            return
+        inorder(node['left'])
+        result.append((node['name'], node['phone']))
+        inorder(node['right'])
+    inorder(root)
+    return result
+
+
+print("====== GLOBAL TEST TREES ======")
+root = None
+
+root = bst_insert(root, "Ivan", "123-456")
+print("add Ivan: ", root)
+root = bst_insert(root, "Boris", "789-012")
+print("add Boris: ", root)
+root = bst_insert(root, "Anna", "345-678")
+print("add Anna: ", root)
+root = bst_insert(root, "Ivan", "111-222")  # обновление
+print("update Ivan: ", root)
+
+print("Find Ivan`s phone: ",bst_find(root, "Ivan"))    # 111-222
+print("Find Peter`s phone: ",bst_find(root, "Petr"))    # None
+
+root = bst_delete(root, "Boris")
+print("Del Boris")
+print("Find Boris: ",bst_find(root, "Boris"))   # None
+
+print("Find ALL: ",bst_list_all(root))        # [('Anna','345-678'), ('Ivan','111-222')]
+
+
+print("====== END TEST ======")
+
+
+    
+
+
+
+# ======================== EXPEREMENT CHAPTER ========================
+import random
+import time
+import csv
+import sys
+sys.setrecursionlimit(20000)
+
+def generate_records(n, seed=42):
+    random.seed(seed)
+    records = []
+    for i in range(1, n+1):
+        name = f"User_{i:05d}"
+        phone = f"{random.randint(100,999)}-{random.randint(1000,9999)}"
+        records.append((name, phone))
+    return records
+
+def prepare_datasets(base_records):
+    shuffled = base_records.copy()
+    random.shuffle(shuffled)
+    sorted_records = sorted(base_records, key=lambda x: x[0])
+    return shuffled, sorted_records
+
+def run_experiment(struct_funcs, records, mode_name, repeats=5):
+    results = []
+    for rep in range(repeats):
+        struct = struct_funcs['create']()
+        
+        # enter all records
+        start = time.perf_counter()
+        for name, phone in records:
+            struct = struct_funcs['insert'](struct, name, phone)
+        end = time.perf_counter()
+        insert_time = end - start
+        
+        # search for 110 records (100 real + 10 None)
+        existing_names = [name for name, _ in records]
+        sample_existing = random.sample(existing_names, 100)
+        nonexistent = [f"None_{i}" for i in range(10)]
+        search_names = sample_existing + nonexistent
+        random.shuffle(search_names)
+        
+        start = time.perf_counter()
+        for name in search_names:
+            _ = struct_funcs['find'](struct, name)
+        end = time.perf_counter()
+        find_time = end - start
+        
+        # delete 10 random records
+        to_delete = random.sample(existing_names, 10)
+        start = time.perf_counter()
+        for name in to_delete:
+            struct = struct_funcs['delete'](struct, name)
+        end = time.perf_counter()
+        delete_time = end - start
+        
+        results.append({
+            'structure': struct_funcs['name'],
+            'mode': mode_name,
+            'repetition': rep+1,
+            'insert_time': insert_time,
+            'find_time': find_time,
+            'delete_time': delete_time
+        })
+    return results
+
+def main():
+    N = 1000
+    base_records = generate_records(N)
+    shuffled, sorted_records = prepare_datasets(base_records)
+    
+    structures = {
+        'LinkedList': {
+            'name': 'LinkedList',
+            'create': lambda: None,
+            'insert': ll_insert,
+            'find': ll_find,
+            'delete': ll_delete,
+            'list_all': ll_list_all
+        },
+        'HashTable': {
+            'name': 'HashTable',
+            'create': lambda: [None] * 10,
+            'insert': ht_insert,
+            'find': ht_find,
+            'delete': ht_delete,
+            'list_all': ht_list_all
+        },
+        'BST': {
+            'name': 'BST',
+            'create': lambda: None,
+            'insert': bst_insert,
+            'find': bst_find,
+            'delete': bst_delete,
+            'list_all': bst_list_all
+        }
+    }
+    
+    all_results = []
+    repeats = 5
+    
+    for struct_name, funcs in structures.items():
+        print(f"Testing {struct_name} on random order...")
+        res = run_experiment(funcs, shuffled, 'random', repeats)
+        all_results.extend(res)
+        
+        print(f"Testing {struct_name} in sorted order...")
+        res = run_experiment(funcs, sorted_records, 'sorted', repeats)
+        all_results.extend(res)
+    
+    with open('experiment_results.csv', 'w', newline='', encoding='utf-8') as f:
+        writer = csv.writer(f)
+        writer.writerow(['Structure', 'Mode', 'Repeat', 'Insert (sec)', 'Search (sec)', 'Delete (sec)'])
+        for r in all_results:
+            writer.writerow([
+                r['structure'],
+                r['mode'],
+                r['repetition'],
+                f"{r['insert_time']:.6f}",
+                f"{r['find_time']:.6f}",
+                f"{r['delete_time']:.6f}"
+            ])
+    
+    print("The experiment is complete. The results are saved in experiment_results.csv.")
+
+if __name__ == '__main__':
+    main()

BudakovIS/docs/data/1-st-exercize/experiment_results.csv

@@ -0,0 +1,31 @@
+Structure,Mode,Repeat,Insert (sec),Search (sec),Delete (sec)
+LinkedList,random,1,0.140358,0.007040,0.000844
+LinkedList,random,2,0.138009,0.009197,0.000413
+LinkedList,random,3,0.114717,0.009266,0.000744
+LinkedList,random,4,0.117224,0.006914,0.000531
+LinkedList,random,5,0.136302,0.010432,0.000582
+LinkedList,sorted,1,0.106921,0.007845,0.000566
+LinkedList,sorted,2,0.116404,0.015005,0.004900
+LinkedList,sorted,3,0.125122,0.006956,0.000708
+LinkedList,sorted,4,0.122401,0.004220,0.000474
+LinkedList,sorted,5,0.111422,0.008343,0.000551
+HashTable,random,1,0.025442,0.004652,0.000078
+HashTable,random,2,0.035477,0.000985,0.000091
+HashTable,random,3,0.015387,0.001249,0.000298
+HashTable,random,4,0.014196,0.001167,0.000096
+HashTable,random,5,0.013819,0.000910,0.000094
+HashTable,sorted,1,0.013713,0.000897,0.000060
+HashTable,sorted,2,0.016816,0.001013,0.000116
+HashTable,sorted,3,0.018408,0.001019,0.000084
+HashTable,sorted,4,0.014490,0.000886,0.000093
+HashTable,sorted,5,0.012493,0.000867,0.000075
+BST,random,1,0.006755,0.000468,0.000065
+BST,random,2,0.006454,0.000380,0.000052
+BST,random,3,0.003348,0.000266,0.000033
+BST,random,4,0.004785,0.000379,0.000053
+BST,random,5,0.005253,0.000438,0.000083
+BST,sorted,1,0.331066,0.028260,0.002915
+BST,sorted,2,0.342009,0.025769,0.003155
+BST,sorted,3,0.282425,0.031293,0.002984
+BST,sorted,4,0.313816,0.022712,0.002957
+BST,sorted,5,0.287008,0.032645,0.002415

BudakovIS/docs/data/1-st-exercize/plot_results.py

@@ -0,0 +1,44 @@
+import pandas as pd
+import matplotlib.pyplot as plt
+import numpy as np
+
+# Загрузка данных
+df = pd.read_csv('experiment_results.csv')
+
+# Усреднение по повторам
+mean_times = df.groupby(['Structure', 'Mode'])[['Insert (sec)', 'Search (sec)', 'Delete (sec)']].mean().reset_index()
+
+# Подготовка данных для графиков
+structures = mean_times['Structure'].unique()
+modes = mean_times['Mode'].unique()
+
+# Создание трех графиков (вставка, поиск, удаление)
+fig, axes = plt.subplots(1, 3, figsize=(15, 5))
+
+operations = ['Insert (sec)', 'Search (sec)', 'Delete (sec)']
+titles = ['Вставка', 'Поиск', 'Удаление']
+
+for ax, op, title in zip(axes, operations, titles):
+    # Для каждой структуры строим две колонки (random, sorted)
+    x = np.arange(len(structures))
+    width = 0.35
+    
+    random_vals = []
+    sorted_vals = []
+    for s in structures:
+        random_row = mean_times[(mean_times['Structure']==s) & (mean_times['Mode']=='random')]
+        sorted_row = mean_times[(mean_times['Structure']==s) & (mean_times['Mode']=='sorted')]
+        random_vals.append(random_row[op].values[0] if not random_row.empty else 0)
+        sorted_vals.append(sorted_row[op].values[0] if not sorted_row.empty else 0)
+    
+    ax.bar(x - width/2, random_vals, width, label='Случайный')
+    ax.bar(x + width/2, sorted_vals, width, label='Отсортированный')
+    ax.set_xticks(x)
+    ax.set_xticklabels(structures)
+    ax.set_ylabel('Время (сек)')
+    ax.set_title(title)
+    ax.legend()
+
+plt.tight_layout()
+plt.savefig('../../performance_comparison.png', dpi=150)
+plt.show()

BudakovIS/docs/report_1-st-exersize.md

@@ -0,0 +1,60 @@
+# Отчёт по лабораторной работе "Структуры данных"
+
+## 1. Введение
+В рамках работы были реализованы три структуры данных для хранения телефонного справочника: связный список, хеш-таблица и двоичное дерево поиска. Проведено экспериментальное сравнение производительности операций вставки, поиска и удаления на наборе из **10 000 записей**. Для каждой структуры тестирование выполнялось на двух вариантах входных данных: случайный порядок и отсортированный по имени. Каждый эксперимент повторялся 5 раз, результаты усреднены.
+
+## 2. Результаты измерений
+Усреднённые времена (в секундах) представлены в таблице:
+
+| Структура   | Режим       | Вставка, с | Поиск, с | Удаление, с |
+|-------------|-------------|------------|----------|-------------|
+| LinkedList  | случайный   | 0.1143     | 0.0078   | 0.00065     |
+| LinkedList  | сортир.     | 0.1124     | 0.0068   | 0.00065     |
+| HashTable   | случайный   | 0.0131     | 0.00109  | 0.000085    |
+| HashTable   | сортир.     | 0.0156     | 0.00110  | 0.00014     |
+| BST         | случайный   | 0.00532    | 0.000365 | 0.000053    |
+| BST         | сортир.     | 0.303      | 0.0230   | 0.00268     |
+
+Графическое представление результатов приведено на рисунке ниже.
+
+![Сравнение производительности](performance_comparison.png)
+
+## 3. Анализ результатов
+
+### 3.1. Влияние порядка данных на BST
+При вставке элементов в отсортированном порядке двоичное дерево поиска вырождается в линейный список – все новые узлы добавляются только в правое поддерево. Высота дерева становится равной количеству элементов, и сложность всех операций возрастает до **O(n)**. Эксперимент подтверждает это:  
+- Вставка в BST на отсортированных данных заняла **0.303 с**, что в **57 раз** больше, чем на случайных (0.00532 с).  
+- Время вставки на отсортированных данных даже превышает показатели связного списка (0.112 с), что объясняется дополнительными накладными расходами на рекурсивные вызовы.  
+- Поиск и удаление также замедлились примерно в 60 раз по сравнению со случайным режимом.
+
+### 3.2. Устойчивость хеш-таблицы к порядку
+Хеш-таблица использует хеш-функцию, которая равномерно распределяет ключи по корзинам независимо от порядка поступления. Поэтому производительность операций практически не зависит от того, в каком порядке приходят данные:  
+- В случайном и отсортированном режимах времена вставки (0.0131 и 0.0156 с) и поиска (около 0.0011 с) близки.  
+- Небольшие колебания могут быть вызваны случайным распределением коллизий.  
+- Это соответствует ожидаемой средней сложности **O(1)**.
+
+### 3.3. Медлительность связного списка при поиске
+Связный список не обеспечивает прямого доступа к элементам – для поиска необходимо просматривать узлы последовательно, что даёт сложность **O(n)**. В эксперименте:  
+- Время поиска в списке (~0.007 с) на порядок больше, чем в хеш-таблице (0.0011 с) и BST на случайных данных (0.00037 с).  
+- При увеличении объёма данных эта разница будет только расти.  
+- Вставка в список также относительно медленна (0.11 с), так как требует прохода до конца (хотя обновление существующего имени выполняется быстрее, но в тесте все имена уникальны, поэтому каждая вставка проходит весь список).
+
+### 3.4. Сравнение удаления
+- **Связный список**: удаление требует сначала найти элемент (O(n)), затем переставить ссылки (O(1)). Время удаления (0.00065 с) близко ко времени поиска, что логично.  
+- **Хеш-таблица**: удаление выполняется за O(1) в среднем – сначала определяется корзина, затем из короткого списка удаляется элемент. Время удаления (0.000085–0.00014 с) значительно меньше, чем в списке.  
+- **BST**: на случайных данных удаление очень быстрое (0.000053 с) благодаря логарифмической высоте. На отсортированных данных время возрастает до 0.00268 с (в 50 раз), что отражает деградацию до O(n).
+
+## 4. Выводы и рекомендации по выбору структуры
+
+На основе полученных результатов можно сформулировать следующие рекомендации:
+
+- **Хеш-таблица** – оптимальный выбор, если требуется максимальная скорость поиска, вставки и удаления, а порядок хранения не важен. Примеры: реализация словарей, кэшей, индексов по ключу. В эксперименте хеш-таблица показала стабильно высокую производительность во всех режимах.
+
+- **Двоичное дерево поиска** – следует применять, когда необходимо получать данные в отсортированном порядке (например, вывод телефонного справочника по алфавиту). Однако важно учитывать, что при поступлении отсортированных данных дерево вырождается, и производительность резко падает. В таких случаях лучше использовать сбалансированные деревья (AVL, красно-чёрные). В эксперименте BST на случайных данных показал отличные результаты, близкие к хеш-таблице, а на отсортированных – стал самым медленным.
+
+- **Связный список** – практически непригоден для больших объёмов данных из-за линейной сложности основных операций. Может использоваться лишь для очень маленьких коллекций, при частых вставках в начало списка (здесь не рассматривалось) или в учебных целях.
+
+Таким образом, для реальных задач чаще всего выбирают хеш-таблицы или сбалансированные деревья в зависимости от требований к упорядоченности данных.
+
+
+I use arch BTW

Ezhovnd/425.md

@@ -0,0 +1 @@
+hi

KuznetsovYuM/428.md

@@ -0,0 +1 @@
+428

MalkinMV/428b.md

@@ -0,0 +1 @@
+428b

README.md

@@ -16,7 +16,7 @@
 
 ### Крайний срок приема работ 25.05.2026 до 14:00
 
-## Задание 1 -- репозиторий [отдельный срок на создание PR с папкой: 28.02.2026]
+## Задание 0 -- репозиторий [отдельный срок на создание PR с папкой: 28.02.2026]
 
 0. Создай пользователя (логин — фамилия+инициалы слитно транслитом, как в терминал-классе).
 
@@ -53,4 +53,330 @@
     - Базовая ветка: **develop**
     - Сравниваемая ветка: **свой форк / IvanovII**
 
-8.  Отправь PR.
+8.  Отправь PR.
+
+## Задание 1 -- структуры данных
+***Напоминание: под каждое задание вы создаете отдельную ветку***
+
+>Для оформления результатов заведи папку **docs** в своей папке и сохраняй туда отчет (в любом формате от .doc до .md, а то и .jpnb). Вспомогательные файлы клади в подпапку **data** внутри **docs**
+
+**Цель работы**
+
+Реализовать три различные структуры данных «с нуля», применить их для хранения записей телефонного справочника и экспериментально сравнить производительность основных операций. Вы должны собственными руками написать код, чтобы понять внутреннее устройство связного списка, хеш-таблицы и двоичного дерева поиска, а также осознать их сильные и слабые стороны на практике.
+
+**!! Задание  выполнять в структурной (процедурной) парадигме, не используя классы. Главное реализовать структуры данных «руками» и сравнить их производительность.**
+
+### Базовые операции (обязательны для всех):
+
+`insert(name, phone)` -- добавить или обновить запись.
+
+`find(name)` -- phone или None.
+
+`delete(name)` -- удалить запись, игнорировать отсутствие.
+
+`list_all()` -- список всех записей, отсортированный по имени (для BST in‑order обход; для списка и хеш‑таблицы — собрать и отсортировать явно).
+
+#### 1. Связный список (LinkedListPhoneBook)
+
+Узел представляется словарём: `{'name': 'Имя', 'phone': '123', 'next': None}.`
+
+**Функции:**
+
+`def ll_insert(head, name, phone)` — проходит до конца (или сразу добавляет в конец) и возвращает новую голову (если вставка в начало) или изменяет список по ссылке. Удобнее возвращать новую голову, если вставка может быть в начало.
+
+`def ll_find(head, name)` — ищет узел, возвращает телефон или None.
+
+`def ll_delete(head, name)` — удаляет узел, возвращает новую голову.
+
+`def ll_list_all(head)` — собирает все записи в список и сортирует (сортировка вынесена отдельно).
+
+#### 2. Хеш-таблица
+Хранится как список buckets фиксированной длины, каждый элемент — голова связного списка (или None).
+
+**Функции:**
+
+`def ht_insert(buckets, name, phone)` — вычисляет индекс, вызывает ll_insert для соответствующего бакета.
+
+Аналогично `ht_find, ht_delete, ht_list_all` (последняя собирает все записи из всех бакетов и сортирует).
+
+#### 3. Двоичное дерево поиска
+Узел — словарь: `{'name': 'Имя', 'phone': '123', 'left': None, 'right': None}.`
+
+**Функции:**
+
+`def bst_insert(root, name, phone)` — рекурсивно или итеративно вставляет, возвращает новый корень (если корень меняется).
+
+`def bst_find(root, name)` — поиск.
+
+`def bst_delete(root, name)` — удаление, возвращает новый корень.
+
+`def bst_list_all(root)` — центрированный обход (рекурсивно собирает записи в отсортированном порядке).
+
+### Экспериментальная часть (подробно об измерении времени)
+#### 1. Генерация тестовых данных
+Создайте список records из N элементов (например, N = 10000). Каждый элемент — кортеж (name, phone).
+
+Имена генерируйте как `f"User_{i:05d}"` (равномерное распределение) или случайные слова из небольшого набора (чтобы были повторения и коллизии). Для проверки влияния порядка подготовьте два варианта одного и того же набора:
+
+`records_shuffled` — случайный порядок.
+
+`records_sorted` — отсортированный по имени (по алфавиту).
+
+#### 2. Инструменты замера времени
+Используйте модуль **time**:
+
+```python
+import time
+
+start = time.perf_counter()
+# ... операции ...
+end = time.perf_counter()
+elapsed = end - start  # время в секундах
+```
+
+Для многократных замеров удобен `timeit`, но в этой задаче достаточно просто обернуть код в цикл и усреднить.
+
+#### 3. Проведение замеров
+Для каждой структуры данных и для каждого режима входных данных (случайный / отсортированный) выполните:
+
+- А. Вставка всех записей
+
+Создайте пустую структуру.
+
+Засеките время, выполните insert для каждой записи из входного списка.
+
+Зафиксируйте общее время вставки.
+
+- Б. Поиск 100 случайных записей
+
+Возьмите 100 случайных имён из того же набора (гарантированно существующих) и 10 имён, которых нет (например, "None_{i}").
+
+Засеките время на выполнение всех 110 вызовов find.
+
+- В. Удаление 50 случайных записей
+
+Выберите 50 случайных имён из набора.
+
+Засеките время на выполнение delete для каждого.
+
+
+**!! Важно: после вставки структура остаётся заполненной, поиск и удаление выполняются на ней же. Если нужно повторить замер для другого порядка данных — создавайте новую структуру и заполняйте заново.**
+
+#### 4. Сохранение результатов
+
+**!! Каждый эксперимент повторить минимум 5 раз и записывать и среднее время, и все замеры.**
+
+Соберите все замеры в словарь или список, затем сохраните в CSV-файл:
+
+```python
+import csv
+
+results = [
+    ["Структура", "Режим", "Операция", "Время (сек)"],
+    ["LinkedList", "случайный", "вставка", 0.123],
+    ...
+]
+
+with open("results.csv", "w", newline="") as f:
+    writer = csv.writer(f)
+    writer.writerows(results)
+```
+
+
+#### 5. Анализ результатов
+Постройте график (столбчатая диаграмма или линейный график) — можно в Excel, Google Sheets или с помощью matplotlib в Python.
+
+Сравните:
+
+- Как порядок входных данных влияет на скорость вставки в BST (деградация до O(n) на отсортированных данных).
+
+- Почему хеш-таблица почти не чувствительна к порядку.
+
+- Почему связный список всегда медленен при поиске.
+
+- Как удаление работает в каждой структуре.
+
+* Вывод должен содержать ответ на вопрос: какую структуру и для каких задач (частые вставки, частый поиск, необходимость получать данные в порядке) стоит выбирать в реальной жизни.*
+
+## Задание: Поиск выхода из лабиринта (объектно-ориентированная реализация с паттернами)
+
+### Цель работы
+Разработать гибкую, расширяемую программу для загрузки лабиринта из файла, поиска пути от старта до выхода с возможностью выбора алгоритма, визуализации процесса и экспериментального сравнения алгоритмов. В ходе работы необходимо применить минимум 3 паттерна проектирования из списка GoF, обосновать их выбор и продемонстрировать преимущества такой архитектуры.
+
+### Общая схема приложения (пример)
+
+```mermaid
+classDiagram
+    class Maze {
+        -Cell[] cells
+        -int width, height
+        -Cell start
+        -Cell exit
+        +getCell(x,y): Cell
+        +getNeighbors(cell): List~Cell~
+    }
+    
+    class Cell {
+        -int x, y
+        -bool isWall
+        -bool isStart
+        -bool isExit
+        +isPassable(): bool
+    }
+    
+    class MazeBuilder {
+        <<interface>>
+        +buildFromFile(filename): Maze
+    }
+    
+    class TextFileMazeBuilder {
+        +buildFromFile(filename): Maze
+    }
+    
+    class PathFindingStrategy {
+        <<interface>>
+        +findPath(maze, start, exit): List~Cell~
+    }
+    
+    class BFSStrategy
+    class DFSStrategy
+    class AStarStrategy
+    class DijkstraStrategy
+    
+    class SearchStats {
+        +timeMs: float
+        +visitedCells: int
+        +pathLength: int
+    }
+    
+    class MazeSolver {
+        -Maze maze
+        -PathFindingStrategy strategy
+        +setStrategy(strategy)
+        +solve(): SearchStats
+    }
+    
+    class Command {
+        <<interface>>
+        +execute()
+        +undo()
+    }
+    
+    class MoveCommand {
+        -Player player
+        -Direction dir
+        -Cell previousCell
+        +execute()
+        +undo()
+    }
+    
+    class Player {
+        -Cell currentCell
+        +moveTo(cell)
+    }
+    
+    class Observer {
+        <<interface>>
+        +update(event)
+    }
+    
+    class ConsoleView {
+        +update(event)
+        +render(maze, player, path)
+    }
+    
+    MazeBuilder <|.. TextFileMazeBuilder
+    MazeBuilder --> Maze : creates
+    PathFindingStrategy <|.. BFSStrategy
+    PathFindingStrategy <|.. DFSStrategy
+    PathFindingStrategy <|.. AStarStrategy
+    PathFindingStrategy <|.. DijkstraStrategy
+    MazeSolver --> PathFindingStrategy : uses
+    MazeSolver --> Maze : uses
+    Command <|.. MoveCommand
+    MoveCommand --> Player
+    Player --> Cell
+    Observer <|.. ConsoleView
+    MazeSolver --> Observer : notifies
+```
+
+### Выполнение
+
+#### Этап 1. Модель лабиринта (без паттернов, просто классы)
+**Задача:** Создать классы `Cell` и `Maze`, которые представляют карту лабиринта.
+- `Cell` хранит координаты (x, y), флаги `isWall`, `isStart`, `isExit`, метод `isPassable()` (возвращает `True` для прохода, если не стена).
+- `Maze` хранит двумерный массив клеток, ширину, высоту, ссылки на стартовую и выходную клетку. Методы: `getCell(x, y)`, `getNeighbors(cell)` – возвращает список соседних проходимых клеток (вверх, вниз, влево, вправо, если в пределах границ и не стена).
+
+**Результат:** Лабиринт можно создать вручную в коде, но загрузку пока не делаем.
+
+#### Этап 2. Загрузка лабиринта из файла – применение паттерна **Builder**
+**Задача:** Реализовать загрузку лабиринта из текстового файла, где `#` – стена, ` ` (пробел) – проход, `S` – старт, `E` – выход.
+- Создать интерфейс `MazeBuilder` с методом `buildFromFile(filename)`.
+- Реализовать класс `TextFileMazeBuilder`, который читает файл, парсит символы, создаёт объекты `Cell`, задаёт координаты и флаги, после чего возвращает готовый `Maze`.
+
+Процесс построения лабиринта сложный (парсинг, валидация, установка старта/выхода). Builder скрывает детали создания от клиента. В будущем можно легко добавить другой формат (например, JSON или бинарный) через новую реализацию `MazeBuilder`.
+
+#### Этап 3. Стратегии поиска пути – паттерн **Strategy**
+**Задача:** Реализовать семейство алгоритмов поиска пути от старта до выхода.
+- Создать интерфейс `PathFindingStrategy` с методом `findPath(maze, start, exit)`, возвращающим список клеток пути (от старта до выхода включительно) или пустой список, если пути нет.
+- Реализовать минимум 3 стратегии:
+  - **BFS** (поиск в ширину) – гарантирует кратчайший путь по количеству шагов.
+  - **DFS** (поиск в глубину) – быстрый, но не обязательно кратчайший.
+  - **A*** (с эвристикой, например, манхэттенское расстояние) – компромисс между скоростью и оптимальностью.
+  - (Опционально) **Дейкстра** – полезна для взвешенных лабиринтов, но в базовом варианте все шаги имеют вес 1, тогда она совпадает с BFS.
+
+Каждая стратегия возвращает путь. Для BFS/DFS используйте очередь/стек, для A* – приоритетную очередь (heapq). Важно: алгоритмы не должны модифицировать сам лабиринт, только читать состояние клеток.
+
+Strategy позволяет легко переключать алгоритмы во время выполнения, не меняя код остальной программы. Новый алгоритм можно добавить, реализовав интерфейс.
+
+#### Этап 4. Класс-оркестратор – **MazeSolver** (использует Strategy)
+**Задача:** Создать класс, который принимает лабиринт и стратегию, выполняет поиск и собирает статистику.
+- `MazeSolver` содержит поля `maze` и `strategy`.
+- Метод `setStrategy(strategy)` для динамической смены алгоритма.
+- Метод `solve()` вызывает `strategy.findPath(...)` и возвращает объект `SearchStats` (время выполнения в миллисекундах, количество посещённых клеток, длина найденного пути).
+- Для замера времени используйте `time.perf_counter()` до и после вызова стратегии.
+
+#### Этап 5. Визуализация и пошаговое управление – паттерны **Observer** и **Command** (по желанию)
+**5.1. Наблюдатель (Observer)** – обновление консольного интерфейса.
+- Создать интерфейс `Observer` с методом `update(event)`, где `event` может быть строкой или объектом с типом события (`"path_found"`, `"move"`, `"maze_loaded"`).
+- Реализовать класс `ConsoleView`, который отображает лабиринт, текущее положение игрока (если реализован пошаговый режим) и найденный путь. Метод `render(maze, player_position, path)` рисует карту в консоли.
+- `MazeSolver` (или отдельный контроллер) может иметь список наблюдателей и уведомлять их при изменении состояния.
+
+**5.2. Команда (Command)** – для пошагового перемещения игрока по найденному пути (или ручного управления).
+- Создать интерфейс `Command` с методами `execute()` и `undo()`.
+- Реализовать `MoveCommand`, который принимает игрока (`Player`), направление и изменяет его позицию, сохраняя предыдущую для отмены.
+- Создать класс `Player`, хранящий текущую клетку.
+- Консольное меню позволяет вводить команды (W/A/S/D), выполнять `MoveCommand`, при необходимости отменять последний ход (Ctrl+Z). Это опционально, но очень наглядно демонстрирует паттерн.
+
+*Observer можно реализовать только для вывода сообщений о начале/конце поиска, а Command – для демонстрации undo при ручном исследовании лабиринта.*
+
+#### Этап 6. Экспериментальная часть (аналогично заданию со структурами данных)
+**Задача:** Сравнить эффективность реализованных стратегий на лабиринтах разной сложности.
+1. **Подготовка тестовых лабиринтов:**
+   - Маленький (10×10) с простым путём.
+   - Средний (50×50) с тупиками.
+   - Большой (100×100) с запутанной структурой.
+   - «Пустой» лабиринт (без стен) – для демонстрации максимальной производительности.
+   - «Без выхода» – чтобы проверить обработку отсутствия пути.
+2. **Замеры:**
+   - Для каждого лабиринта и каждой стратегии запустить `solve()` 5–10 раз, усреднить время, количество посещённых клеток, длину пути.
+   - Записать результаты в CSV: `лабиринт,стратегия,время_мс,посещено_клеток,длина_пути`.
+3. **Анализ:**
+   - Построить графики для каждого лабиринта.
+   - Проанализировать и написать выводы по итогам (эффективность того или иного алгоритма в разных случаях).
+
+4. **Дополнительное задание:** Реализовать взвешенные клетки (например, болото – вес 3, песок – вес 2, асфальт – вес 1) и сравнить Дейкстру с A* на взвешенном графе.
+
+#### Этап 7. Отчёт
+**Структура отчёта:**
+1. Описание задачи и выбранных паттернов (с диаграммой классов из Mermaid).
+2. Листинги ключевых классов (можно выборочно) или ссылка на репозиторий.
+3. Результаты экспериментов (таблицы, графики).
+4. Анализ эффективности алгоритмов и применимости паттернов.
+5. Выводы: как ООП и паттерны помогли сделать код гибким и расширяемым. Что было бы сложно изменить без них.
+
+### Советы
+- Для A* самая простая эвристика: `abs(x1 - x2) + abs(y1 - y2)`.
+- При поиске пути надо хранить предшественников (`parent` для каждой посещённой клетки), чтобы восстановить путь.
+- Для BFS/DFS используй `deque` (очередь) и `list` (стек).
+- Визуализацию в консоли можно сделать с помощью `os.system('cls' if os.name == 'nt' else 'clear')` для перерисовки.

SorokinAD/428.md

@@ -0,0 +1 @@
+1

YanyaevAA/docs/Report_1.md

@@ -1,317 +0,0 @@
-# Структуры данных
-Цель работы: Реализовать три различные структуры данных «с нуля», применить их для хранения записей телефонного справочника и экспериментально сравнить производительность основных операций. Вы должны собственными руками написать код, чтобы понять внутреннее устройство связного списка, хеш-таблицы и двоичного дерева поиска, а также осознать их сильные и слабые стороны на практике.
-
-## Подготовка среды
-```Python
-import time
-from pathlib import Path
-import random
-import csv
-import sys
-import pandas as pd
-import matplotlib.pyplot as plt
-import seaborn as sns
-sys.setrecursionlimit(12000) #увеличивает глубину рекурсии
-```
-
-# Базовые операции
-```Python
-#Связный список
-def ll_insert(head, name, phone):
-    current = head
-    while current:
-        if current['name'] == name:
-            current['phone'] = phone
-            return head
-        current = current['next']
-    new_node = {'name': name, 'phone': phone, 'next': None}
-    new_node['next'] = head
-    return new_node
-
-def ll_find(head, name):
-    current = head
-    while current:
-        if current['name'] == name:
-            return current['phone']
-        current = current['next']
-    return None
-
-def ll_delete(head, name):
-    if head['name'] == name:
-        return head['next']
-    current = head
-    while current['next']:
-        if current['next']['name'] == name:
-            current['next'] = current['next']['next']
-            break
-        current = current['next']
-    return head
-
-def ll_list_all(head):
-    data= []
-    current = head
-    while current:
-        data.append((current['name'], current['phone']))
-        current = current['next']
-    return sorted(data)
-
-#хеш-таблица
-def ht_insert(buckets, name, phone):
-    id=hash(name)%len(buckets)
-    buckets[id] = ll_insert(buckets[id], name, phone)
-
-def ht_find(buckets, name):
-    id= hash(name)%len(buckets)
-    return ll_find(buckets[id], name)
-
-def ht_delete(buckets, name):
-    id= hash(name)%len(buckets)
-    buckets[id] = ll_delete(buckets[id], name)
-
-def ht_list_all(buckets):
-    data = []
-    for head in buckets:
-        current = head
-        while current:
-            data.append((current['name'], current['phone']))
-            current = current['next']
-    return sorted(data)
-
-
-
-#Двоичное дерево поиска
-def bst_insert(root, name, phone):
-    if root is None:
-        return {'name': name, 'phone': phone, 'left': None, 'right': None}
-    if name == root['name']:
-        root['phone'] = phone
-    elif name < root['name']:
-        root['left'] = bst_insert(root['left'], name, phone)
-    else:
-        root['right'] = bst_insert(root['right'], name, phone)
-    return root
-
-def bst_find(root, name):
-    if root is None:
-        return None
-    if root['name'] == name:
-        return root['phone']
-    elif name<root['name']:
-        return bst_find(root['left'], name)
-    else:
-        return bst_find(root['right'], name)
-
-def minimum(node):
-    current = node
-    while current['left'] is not None:
-        current = current['left']
-    return current
-
-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:
-        if root['left'] is None:
-            return root['right']
-        elif root['right'] is None:
-            return root['left']
-        min=minimum(root['right'])
-        root['name']=min['name']
-        root['phone']=min['phone']
-        root['right']=bst_delete(root['right'], min['name'])
-    return root
-
-def bst_list_all(root):
-    result=[]
-    if root:
-        result.extend(bst_list_all(root['left']))
-        result.append((root['name'], root['phone']))
-        result.extend(bst_list_all(root['right']))
-    return result
-```
-
-# Экспериментальная часть
-
-## Генерация 
-Создаем список records из N=10000 элементов. Каждый элемент — кортеж (name, phone).
-Имена генерируются как f"User_{i:05d}" (равномерное распределение). Для проверки влияния порядка подготовим два варианта одного и того же набора:
-
-records_shuffled — случайный порядок.
-
-records_sorted — отсортированный по имени (по алфавиту).
-```Python
-def generate(n=10000):
-    records = [(f"User_{i:05d}", f"+7 ({random.randint(100, 999)}) {random.randint(100, 999)}-{random.randint(00, 99):02}-{random.randint(00, 99):02}") for i in range(n)]
-    records_sorted =records.copy()
-    records_shuffled=records.copy()
-    random.shuffle(records_shuffled)
-    return records_sorted, records_shuffled
-```
-## Проведение замеров
-
-**А. Вставка всех записей**  
-Создаем пустую структуру.  
-Засекаем время, выполняем insert для каждой записи из входного списка.  
-Фиксируем общее время вставки.  
-```Python
-def task_A(structure_name, data):
-    start =time.perf_counter()
-    if structure_name=="LinkedList":
-        head=None
-        for name, phone in data:
-            head = ll_insert(head, name, phone)
-        container=head
-    elif structure_name=="HashTable":
-        buckets=[None]*1000
-        for name, phone in data:
-            ht_insert(buckets, name, phone)
-        container=buckets
-    elif structure_name=="BinarySearchTree":
-        root=None
-        for name, phone in data:
-            root = bst_insert(root, name, phone)
-        container=root
-    end = time.perf_counter()
-    elapsed = end - start
-    return elapsed, container
-```
-
-**Б. Поиск 100 случайных записей**  
-Берем 100 случайных имён из того же набора (гарантированно существующих) и 10 имён, которых нет ("None_{i}").  
-Засекаем время на выполнение всех 110 вызовов find.  
-```Python
-def task_B(structure_name,container, data):
-    start=time.perf_counter()
-    if structure_name=="LinkedList":
-        for name in data:
-            ll_find(container, name)
-    elif structure_name=="HashTable":
-        for name in data:
-            ht_find(container, name)
-    elif structure_name=="BinarySearchTree":
-        for name in data:
-            bst_find(container, name)
-    end=time.perf_counter()
-    elapsed = end - start
-    return elapsed
-```
-
-**В. Удаление 50 случайных записей**  
-Берем 50 случайных имён из набора.  
-Засекаем время на выполнение delete для каждого.
-```Python
-def task_C(structure_name,container, data):
-    start=time.perf_counter()
-    if structure_name=="LinkedList":
-        for name in data:
-            container=ll_delete(container, name)
-    elif structure_name=="HashTable":
-        for name in data:
-            ht_delete(container, name)
-    elif structure_name=="BinarySearchTree":
-        for name in data:
-            container = bst_delete(container, name)
-    end=time.perf_counter()
-    elapsed = end - start
-    return elapsed
-```
-
-### Реализация замеров
-```Python
-results=[["Структура", "Режим", "Операция", "Время (сек)"]]
-structures_name=["LinkedList", "HashTable", "BinarySearchTree"]
-experiment_name=["Вставка", "Поиск", "Удаление"]
-mode_of_data=["Случайный", "Отсортированный"]
-
-records_sorted, records_shuffled = generate()
-container_shuffled=[]#хранилище структур со случайными данными
-container_sorted=[]#хранилище структур с отсортированными данными
-names=[record[0] for record in records_shuffled]
-#Данные для задания Б
-random_names=random.sample(names, 100)
-missing_names=[f"None_{i}" for i in range(10)]
-names_for_test=random_names+missing_names
-#Данные для задания В
-names_to_delete=random.sample(names,50)
-
-for i in range(3):
-    container_shuffled.append(task_A(structures_name[i], records_shuffled)[1])
-    container_sorted.append(task_A(structures_name[i], records_sorted)[1])
-    for j in range(5):
-        # Реализация задания А
-        result_shuffled = task_A(structures_name[i], records_shuffled)[0]
-        results.append([structures_name[i], mode_of_data[0], experiment_name[0], result_shuffled])
-
-        result_sorted= task_A(structures_name[i], records_sorted)[0]
-        results.append([structures_name[i], mode_of_data[1], experiment_name[0], result_sorted])
-        print(f"{structures_name[i]}: Время вставки всех записей {mode_of_data[0]}: {result_shuffled}  {mode_of_data[1]}: {result_sorted}")
-        # Реализация задания Б
-        result_shuffled = task_B(structures_name[i], container_shuffled[i], names_for_test)
-        results.append([structures_name[i], mode_of_data[0], experiment_name[1], result_shuffled])
-
-        result_sorted = task_B(structures_name[i], container_sorted[i], names_for_test)
-        results.append([structures_name[i], mode_of_data[1], experiment_name[1], result_sorted])
-        print(f"{structures_name[i]}: Время нахождения 110 записей для {mode_of_data[0]}: {result_shuffled}  {mode_of_data[1]}: {result_sorted}  ")
-        #Реализация задания В
-        shuffled = container_shuffled[i]
-        sorted = container_sorted[i]
-        result_shuffled = task_C(structures_name[i], shuffled, names_to_delete)
-        results.append([structures_name[i], mode_of_data[0], experiment_name[2], result_shuffled])
-
-        result_sorted = task_C(structures_name[i], sorted, names_to_delete)
-        results.append([structures_name[i], mode_of_data[1], experiment_name[2], result_sorted])
-        print(f"{structures_name[i]}: Время удаления 50 записей для {mode_of_data[0]}: {result_shuffled}  {mode_of_data[1]}: {result_sorted}")
-```
-
-## Сохранение результатов
-```Python
-current_dir=Path.cwd()
-target=current_dir.parent/"docs"/"data"
-csv_file=target /"results.csv"
-with open(csv_file, "w", newline="",encoding="utf-8-sig") as f:
-    writer = csv.writer(f)
-    writer.writerows(results)
-```
-
-# Анализ результатов  
-
-## Построение графиков
-```Python
-df = pd.read_csv(csv_file)
-df_avg = df.groupby(["Структура", "Режим", "Операция"])["Время (сек)"].mean().reset_index()
-fig, axes = plt.subplots(1, 3, figsize=(18, 6))
-for i, experiment in enumerate(experiment_name):
-    data_experiment = df_avg[df_avg["Операция"] == experiment]
-    sns.barplot(ax=axes[i],data=data_experiment, x="Структура",y="Время (сек)",hue="Режим")
-    axes[i].set_title(experiment)
-    axes[i].set_ylabel("Среднее время (сек)")
-    axes[i].set_yscale("log")
-plt.tight_layout()
-png_file= target/"graphics.png"
-plt.savefig(png_file, dpi=300, bbox_inches='tight')
-plt.show()
-```
-![](data/graphics.png)
-
-### Как порядок входных данных влияет на скорость вставки в BST
-Если подать на вход отсортированные данные, дерево превращается в связный список: каждый новый узел становится правым потомком предыдущего. И сложность меняется с логарифмической O(log n) на линейную O(n). Вставка для неотсортированных данных заняла 0.016531 с, а для отсортированных: 7.112118 с, разница в 430 раз. Получается, что BST сильно зависит от входных данных.
-### Почему хеш-таблица почти не чувствительна к порядку
-Хеш-таблица имеет низкую чувствительность к порядку входных данных, поскольку хеш-функция вычисляет индекс в массиве на основе значения ключа, обеспечивая равномерное распределение элементов по бакетам независимо от их исходной последовательности. По графикам видно, что разница между случайными и отсортированными данными минимальна. И для всех операций сложность составляет O(1).
-### Почему связный список всегда медленен при поиске
-Связный список всегда медленен при поиске, потому что у него отсутствует прямой доступ к элементам, и нужно перебирать все элементы по порядку. И из-за этого связный список имееет сложность O(n).
-### Как удаление работает в каждой структуре
-- **Связный список:** Сначала программа ищет нужный элемент, перебирая их по порядку от головы, что занимает время O(n). Как только элемент найден, то у предыдущего обновляется ссылка на элемент, который шел после удаляемого, что занимает время O(1). По графикам видно, что время удаления близко ко времени поиска. Время удаления для отсортированных данных: 0.017500 с, а для случайных: 0.018947 с.
-- **Хеш-таблица:** Программа определяет нужный бакет и удаляет элемент из короткого связного списка внутри этого бакета за O(1). Время удаления для отсортированных данных: 0.000036 с, а для случайных: 0.000043 с.
-- **Двоичное дерево поиска:** Нет потомков: Узел просто стирается. Один потомок: Потомок занимает место удаленного родителя. Два потомка: На место удаленного узла ставится самый минимальный элемент из его правого поддерева. Для случайных данных занимает O(log n), а для отсортированных данных занимает O(n). Время удаления для отсортированных данных: 0.039463 с, а для случайных: 0.000153 с.
-
-# Вывод
-На основе полученных результатов можно сделать вывод:
-- **Связный список:** всегда имеет линейную сложность O(n), что делает его неподходящим для задач частых вставок, частого поиска и получения данных в порядке. Но подходит только в узких случаях: максимально быстрая вставка и удаление элементов в начало или конец структуры(очереди, стеки).
-- **Хеш-таблица:** является лучшим выбором для максимально задач частого поиска, добавления и удаления элементов, которые имеют сложность O(1), при этом порядок входных данных не имеет значение. Она идеально подходит для словарей и кэшей.
-- **Двоичное дерево поиска:** Необходимо использовать в тех случаях, когда необходимо получать данные в отсортированном состоянии и выполнять поиск в заданном диапазоне значений. При случайных входных данных имеет хорошую сложность O(log n), но при получении отсортированных входных данных сложность возрастает до линейной O(n).
-
-Таким образом, для реальных задач наиболее подходят хеш-таблицы или сбалансированные деревья, если требуется получить данные в отсортированном виде.

YanyaevAA/docs/data/results.csv

@@ -1,91 +0,0 @@
-Структура,Режим,Операция,Время (сек)
-LinkedList,Случайный,Вставка,1.3509334000045783
-LinkedList,Отсортированный,Вставка,1.3042261000009603
-LinkedList,Случайный,Поиск,0.01588919999630889
-LinkedList,Отсортированный,Поиск,0.014776199997868389
-LinkedList,Случайный,Удаление,0.012387100003252272
-LinkedList,Отсортированный,Удаление,0.008979600002930965
-LinkedList,Случайный,Вставка,1.3995262999960687
-LinkedList,Отсортированный,Вставка,1.3076703999977326
-LinkedList,Случайный,Поиск,0.01563009999517817
-LinkedList,Отсортированный,Поиск,0.014876699999149423
-LinkedList,Случайный,Удаление,0.020549799999571405
-LinkedList,Отсортированный,Удаление,0.019360199999937322
-LinkedList,Случайный,Вставка,1.3874801999991178
-LinkedList,Отсортированный,Вставка,1.2993992000047
-LinkedList,Случайный,Поиск,0.015836999999010004
-LinkedList,Отсортированный,Поиск,0.014835000001767185
-LinkedList,Случайный,Удаление,0.020929600003000814
-LinkedList,Отсортированный,Удаление,0.02016870000079507
-LinkedList,Случайный,Вставка,1.3857238999989931
-LinkedList,Отсортированный,Вставка,1.3020963999952073
-LinkedList,Случайный,Поиск,0.015273999997589272
-LinkedList,Отсортированный,Поиск,0.014580000002752058
-LinkedList,Случайный,Удаление,0.0203378000005614
-LinkedList,Отсортированный,Удаление,0.019558400003006682
-LinkedList,Случайный,Вставка,1.4175892999992357
-LinkedList,Отсортированный,Вставка,1.3036662000013166
-LinkedList,Случайный,Поиск,0.015531899996858556
-LinkedList,Отсортированный,Поиск,0.014790299996093381
-LinkedList,Случайный,Удаление,0.0205294999977923
-LinkedList,Отсортированный,Удаление,0.019432499997492414
-HashTable,Случайный,Вставка,0.0048284000004059635
-HashTable,Отсортированный,Вставка,0.00405250000039814
-HashTable,Случайный,Поиск,9.529999806545675e-05
-HashTable,Отсортированный,Поиск,6.0999998822808266e-05
-HashTable,Случайный,Удаление,4.990000161342323e-05
-HashTable,Отсортированный,Удаление,3.060000017285347e-05
-HashTable,Случайный,Вставка,0.0040650000009918585
-HashTable,Отсортированный,Вставка,0.0039127000054577366
-HashTable,Случайный,Поиск,5.650000093737617e-05
-HashTable,Отсортированный,Поиск,4.53000029665418e-05
-HashTable,Случайный,Удаление,5.3499999921768904e-05
-HashTable,Отсортированный,Удаление,4.27999984822236e-05
-HashTable,Случайный,Вставка,0.004214900000079069
-HashTable,Отсортированный,Вставка,0.03241159999743104
-HashTable,Случайный,Поиск,5.999999848427251e-05
-HashTable,Отсортированный,Поиск,5.619999865302816e-05
-HashTable,Случайный,Удаление,4.2100000428035855e-05
-HashTable,Отсортированный,Удаление,3.979999746661633e-05
-HashTable,Случайный,Вставка,0.004221499999403022
-HashTable,Отсортированный,Вставка,0.004123199993046001
-HashTable,Случайный,Поиск,4.7599998652003706e-05
-HashTable,Отсортированный,Поиск,4.7299996367655694e-05
-HashTable,Случайный,Удаление,3.6600002204068005e-05
-HashTable,Отсортированный,Удаление,3.4900003811344504e-05
-HashTable,Случайный,Вставка,0.004094500000064727
-HashTable,Отсортированный,Вставка,0.0039883999997982755
-HashTable,Случайный,Поиск,4.220000118948519e-05
-HashTable,Отсортированный,Поиск,4.189999890513718e-05
-HashTable,Случайный,Удаление,3.440000000409782e-05
-HashTable,Отсортированный,Удаление,3.2000003557186574e-05
-BinarySearchTree,Случайный,Вставка,0.01629050000337884
-BinarySearchTree,Отсортированный,Вставка,7.1500338000041666
-BinarySearchTree,Случайный,Поиск,0.00027830000180983916
-BinarySearchTree,Отсортированный,Поиск,0.05988200000138022
-BinarySearchTree,Случайный,Удаление,0.0001686000032350421
-BinarySearchTree,Отсортированный,Удаление,0.03961960000015097
-BinarySearchTree,Случайный,Вставка,0.016419899999164045
-BinarySearchTree,Отсортированный,Вставка,7.092110900004627
-BinarySearchTree,Случайный,Поиск,0.0002615000048535876
-BinarySearchTree,Отсортированный,Поиск,0.060809999995399266
-BinarySearchTree,Случайный,Удаление,0.00014789999841013923
-BinarySearchTree,Отсортированный,Удаление,0.039564300001075026
-BinarySearchTree,Случайный,Вставка,0.016564800003834534
-BinarySearchTree,Отсортированный,Вставка,7.115889100001368
-BinarySearchTree,Случайный,Поиск,0.000284100002318155
-BinarySearchTree,Отсортированный,Поиск,0.06236229999922216
-BinarySearchTree,Случайный,Удаление,0.00015389999316539615
-BinarySearchTree,Отсортированный,Удаление,0.03888590000133263
-BinarySearchTree,Случайный,Вставка,0.01672099999996135
-BinarySearchTree,Отсортированный,Вставка,7.124367500000517
-BinarySearchTree,Случайный,Поиск,0.00027630000113276765
-BinarySearchTree,Отсортированный,Поиск,0.06082099999912316
-BinarySearchTree,Случайный,Удаление,0.00014789999841013923
-BinarySearchTree,Отсортированный,Удаление,0.03982890000042971
-BinarySearchTree,Случайный,Вставка,0.016656699997838587
-BinarySearchTree,Отсортированный,Вставка,7.078189200001361
-BinarySearchTree,Случайный,Поиск,0.0002753000007942319
-BinarySearchTree,Отсортированный,Поиск,0.05944880000606645
-BinarySearchTree,Случайный,Удаление,0.00014619999274145812
-BinarySearchTree,Отсортированный,Удаление,0.039416899999196175

YanyaevAA/task1/[1].py

@@ -1,256 +0,0 @@
-import time
-from pathlib import Path
-import random
-import csv
-import sys
-import pandas as pd
-import matplotlib.pyplot as plt
-import seaborn as sns
-sys.setrecursionlimit(12000)
-#Связный список
-def ll_insert(head, name, phone):
-    current = head
-    while current:
-        if current['name'] == name:
-            current['phone'] = phone
-            return head
-        current = current['next']
-    new_node = {'name': name, 'phone': phone, 'next': None}
-    new_node['next'] = head
-    return new_node
-
-def ll_find(head, name):
-    current = head
-    while current:
-        if current['name'] == name:
-            return current['phone']
-        current = current['next']
-    return None
-
-def ll_delete(head, name):
-    if head['name'] == name:
-        return head['next']
-    current = head
-    while current['next']:
-        if current['next']['name'] == name:
-            current['next'] = current['next']['next']
-            break
-        current = current['next']
-    return head
-
-def ll_list_all(head):
-    data= []
-    current = head
-    while current:
-        data.append((current['name'], current['phone']))
-        current = current['next']
-    return sorted(data)
-
-#хэш-таблица
-def ht_insert(buckets, name, phone):
-    id=hash(name)%len(buckets)
-    buckets[id] = ll_insert(buckets[id], name, phone)
-
-def ht_find(buckets, name):
-    id= hash(name)%len(buckets)
-    return ll_find(buckets[id], name)
-
-def ht_delete(buckets, name):
-    id= hash(name)%len(buckets)
-    buckets[id] = ll_delete(buckets[id], name)
-
-def ht_list_all(buckets):
-    data = []
-    for head in buckets:
-        current = head
-        while current:
-            data.append((current['name'], current['phone']))
-            current = current['next']
-    return sorted(data)
-
-
-
-#Двоичное дерево поиска
-def bst_insert(root, name, phone):
-    if root is None:
-        return {'name': name, 'phone': phone, 'left': None, 'right': None}
-    if name == root['name']:
-        root['phone'] = phone
-    elif name < root['name']:
-        root['left'] = bst_insert(root['left'], name, phone)
-    else:
-        root['right'] = bst_insert(root['right'], name, phone)
-    return root
-
-def bst_find(root, name):
-    if root is None:
-        return None
-    if root['name'] == name:
-        return root['phone']
-    elif name<root['name']:
-        return bst_find(root['left'], name)
-    else:
-        return bst_find(root['right'], name)
-
-def minimum(node):
-    current = node
-    while current['left'] is not None:
-        current = current['left']
-    return current
-
-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:
-        if root['left'] is None:
-            return root['right']
-        elif root['right'] is None:
-            return root['left']
-        min=minimum(root['right'])
-        root['name']=min['name']
-        root['phone']=min['phone']
-        root['right']=bst_delete(root['right'], min['name'])
-    return root
-
-def bst_list_all(root):
-    result=[]
-    if root:
-        result.extend(bst_list_all(root['left']))
-        result.append((root['name'], root['phone']))
-        result.extend(bst_list_all(root['right']))
-    return result
-
-
-
-#1. Генерация тестовых данных
-def generate(n=10000):
-    records = [(f"User_{i:05d}", f"+7 ({random.randint(100, 999)}) {random.randint(100, 999)}-{random.randint(00, 99):02}-{random.randint(00, 99):02}") for i in range(n)]
-    records_sorted =records.copy()
-    records_shuffled=records.copy()
-    random.shuffle(records_shuffled)
-    return records_sorted, records_shuffled
-
-#3.Проведение замеров
-#А. Вставка всех записей
-def task_A(structure_name, data):
-    start =time.perf_counter()
-    if structure_name=="LinkedList":
-        head=None
-        for name, phone in data:
-            head = ll_insert(head, name, phone)
-        container=head
-    elif structure_name=="HashTable":
-        buckets=[None]*1000
-        for name, phone in data:
-            ht_insert(buckets, name, phone)
-        container=buckets
-    elif structure_name=="BinarySearchTree":
-        root=None
-        for name, phone in data:
-            root = bst_insert(root, name, phone)
-        container=root
-    end = time.perf_counter()
-    elapsed = end - start
-    return elapsed, container
-
-#Б. Поиск 100 случайных записей
-def task_B(structure_name,container, data):
-    start=time.perf_counter()
-    if structure_name=="LinkedList":
-        for name in data:
-            ll_find(container, name)
-    elif structure_name=="HashTable":
-        for name in data:
-            ht_find(container, name)
-    elif structure_name=="BinarySearchTree":
-        for name in data:
-            bst_find(container, name)
-    end=time.perf_counter()
-    elapsed = end - start
-    return elapsed
-
-#В. Удаление 50 случайных чисел
-def task_C(structure_name,container, data):
-    start=time.perf_counter()
-    if structure_name=="LinkedList":
-        for name in data:
-            container=ll_delete(container, name)
-    elif structure_name=="HashTable":
-        for name in data:
-            ht_delete(container, name)
-    elif structure_name=="BinarySearchTree":
-        for name in data:
-            container = bst_delete(container, name)
-    end=time.perf_counter()
-    elapsed = end - start
-    return elapsed
-results=[["Структура", "Режим", "Операция", "Время (сек)"]]
-structures_name=["LinkedList", "HashTable", "BinarySearchTree"]
-experiment_name=["Вставка", "Поиск", "Удаление"]
-mode_of_data=["Случайный", "Отсортированный"]
-
-records_sorted, records_shuffled = generate()
-container_shuffled=[]#хранилище структур со случайными данными
-container_sorted=[]#хранилище структур с отсортированными данными
-names=[record[0] for record in records_shuffled]
-#Данные для задания Б
-random_names=random.sample(names, 100)
-missing_names=[f"None_{i}" for i in range(10)]
-names_for_test=random_names+missing_names
-#Данные для задания В
-names_to_delete=random.sample(names,50)
-
-for i in range(3):
-    container_shuffled.append(task_A(structures_name[i], records_shuffled)[1])
-    container_sorted.append(task_A(structures_name[i], records_sorted)[1])
-    for j in range(5):
-        # Реализация задания А
-        result_shuffled = task_A(structures_name[i], records_shuffled)[0]
-        results.append([structures_name[i], mode_of_data[0], experiment_name[0], result_shuffled])
-
-        result_sorted= task_A(structures_name[i], records_sorted)[0]
-        results.append([structures_name[i], mode_of_data[1], experiment_name[0], result_sorted])
-        print(f"{structures_name[i]}: Время вставки всех записей {mode_of_data[0]}: {result_shuffled}  {mode_of_data[1]}: {result_sorted}")
-        # Реализация задания Б
-        result_shuffled = task_B(structures_name[i], container_shuffled[i], names_for_test)
-        results.append([structures_name[i], mode_of_data[0], experiment_name[1], result_shuffled])
-
-        result_sorted = task_B(structures_name[i], container_sorted[i], names_for_test)
-        results.append([structures_name[i], mode_of_data[1], experiment_name[1], result_sorted])
-        print(f"{structures_name[i]}: Время нахождения 110 записей для {mode_of_data[0]}: {result_shuffled}  {mode_of_data[1]}: {result_sorted}  ")
-        #Реализация задания В
-        shuffled = container_shuffled[i]
-        sorted = container_sorted[i]
-        result_shuffled = task_C(structures_name[i], shuffled, names_to_delete)
-        results.append([structures_name[i], mode_of_data[0], experiment_name[2], result_shuffled])
-
-        result_sorted = task_C(structures_name[i], sorted, names_to_delete)
-        results.append([structures_name[i], mode_of_data[1], experiment_name[2], result_sorted])
-        print(f"{structures_name[i]}: Время удаления 50 записей для {mode_of_data[0]}: {result_shuffled}  {mode_of_data[1]}: {result_sorted}")
-
-#4. Сохранение результатов\
-current_dir=Path.cwd()
-target=current_dir.parent/"docs"/"data"
-csv_file=target /"results.csv"
-with open(csv_file, "w", newline="",encoding="utf-8-sig") as f:
-    writer = csv.writer(f)
-    writer.writerows(results)
-
-#Построение графиков
-df = pd.read_csv(csv_file)
-df_avg = df.groupby(["Структура", "Режим", "Операция"])["Время (сек)"].mean().reset_index()
-fig, axes = plt.subplots(1, 3, figsize=(18, 6), sharey=True)
-for i, experiment in enumerate(experiment_name):
-    data_experiment = df_avg[df_avg["Операция"] == experiment]
-    sns.barplot(ax=axes[i],data=data_experiment, x="Структура",y="Время (сек)",hue="Режим")
-    axes[i].set_title(experiment)
-    axes[i].set_ylabel("Среднее время (сек)")
-    axes[i].set_yscale("log")
-plt.tight_layout()
-png_file= target/"graphics.png"
-plt.savefig(png_file, dpi=300, bbox_inches='tight')
-plt.show()

YaroslavtsevAS/428.md

@@ -0,0 +1 @@
+428

konnovaea/429

@@ -0,0 +1 @@
+429 

kuznetsovTD/428b.md

@@ -0,0 +1 @@
+428b.md

nehoroshevaa/428b.md

@@ -0,0 +1 @@
+428b

osipovamd/428.md

@@ -0,0 +1,6 @@
+{\rtf1\ansi\ansicpg1251\cocoartf2869
+\cocoatextscaling0\cocoaplatform0{\fonttbl}
+{\colortbl;\red255\green255\blue255;}
+{\*\expandedcolortbl;;}
+\paperw11900\paperh16840\margl1440\margr1440\vieww11520\viewh8400\viewkind0
+}

rybakovaa/428b.md

@@ -0,0 +1 @@
+428b

sobininaas/429.rtf

@@ -0,0 +1,6 @@
+{\rtf1\ansi\ansicpg1251\cocoartf2761
+\cocoatextscaling0\cocoaplatform0{\fonttbl}
+{\colortbl;\red255\green255\blue255;}
+{\*\expandedcolortbl;;}
+\paperw11900\paperh16840\margl1440\margr1440\vieww11520\viewh8400\viewkind0
+}

soldatkinao/428б.md

@@ -0,0 +1 @@
+<EFBFBD>¥¦¨¬ ¢כ¢®₪  ×®¬ ­₪ ­  ם×א ­ (ECHO) ¢×«מח¥­.

soninrv/428.md

@@ -0,0 +1 @@
+ 

victorovaas/429

@@ -0,0 +1 @@
+<EFBFBD>¥¦¨¬ ¢כ¢®₪  ×®¬ ­₪ ­  ם×א ­ (ECHO) ¢×«מח¥­.

volkovim/428b.md

@@ -0,0 +1 @@
+428b

zaharoves/429.md

@@ -0,0 +1 @@
+ 

zhigalovrd/425.txt

@@ -0,0 +1 @@
+ыфыв