Datastrukturer og algoritmer (DSA) henvise til studiet af metoder til organisering og lagring af data og design af procedurer (algoritmer) til løsning af problemer, som opererer på disse datastrukturer. DSA er en af ​​de vigtigste færdigheder, som enhver datalogistuderende skal have. Det ses ofte, at folk med et godt kendskab til disse teknologier er bedre programmører end andre og dermed knækker interviews af næsten enhver teknologigigant. Det her DSA tutorial har til formål at hjælpe dig med at lære datastrukturer og algoritmer (DSA) hurtigt og nemt.

Indholdsfortegnelse

• DSA fuld formular
• Hvad er DSA?
• Hvordan lærer man DSA?
• Snor
• Sammenkædede lister
• Matrix/Grid
• Stak
• Kø
• Dynge
• Hash
• Træ
• Kurve

• Søgealgoritme
• Sorteringsalgoritme
• Divide and Conquer-algoritme
• Grådige algoritmer
• Rekursion
• Tilbagesporingsalgoritme
• Dynamisk programmering
• Grafalgoritmer:
• Mønstersøgning
• Matematiske algoritmer
• Geometriske algoritmer
• Bitvise algoritmer
• Randomiserede algoritmer
• Gren og bundet algoritme

DSA fuld formular

Begrebet DSA står for Datastrukturer og algoritmer , i forbindelse med datalogi.

Hvad er DSA?

Datastrukturer og algoritmer (DSA) henvise til studiet af metoder til organisering og lagring af data og design af procedurer (algoritmer) til løsning af problemer, som opererer på disse datastrukturer.

Hvordan lærer man DSA?

Den første og fremmeste ting er at opdele den samlede procedure i små stykker, som skal udføres sekventielt. Den komplette proces for at lære DSA fra bunden kan opdeles i 5 dele:

1. Lær mindst ét ​​programmeringssprog (vi overlader dette til dit valg).
2. Lær datastrukturer
3. Lær algoritmer
4. Lær om kompleksiteten i tid og rum
5. Praksisproblemer på DSA

Hvordan lærer man DSA?

I håb om at du har lært et programmeringssprog efter eget valg, så lad os gå videre med det næste trin for at lære DSA i denne DSA-tutorial.

Her kommer den vigtigste og mest ventede fase af køreplanen for læring af datastruktur og algoritme – stadiet, hvor du begynder at lære om DSA. Emnet for DSA består af to dele:

• Datastrukturer
• Algoritmer

Selvom de er to forskellige ting, er de meget forbundne, og det er meget vigtigt at følge det rigtige spor for at lære dem mest effektivt. Hvis du er i tvivl om, hvilken du skal lære først, anbefaler vi dig at gennemgå vores detaljerede analyse om emnet: Her har vi fulgt strømmen af ​​at lære en datastruktur og derefter de mest relaterede og vigtige algoritmer, der bruges af den datastruktur.

Lær datastrukturer

Datastrukturer er væsentlige komponenter, der hjælper med at organisere og gemme data effektivt i computerens hukommelse. De giver mulighed for at administrere og manipulere data effektivt, hvilket muliggør hurtigere adgang, indsættelse og sletning. Fælles datastrukturer omfatter arrays, sammenkædede lister, stakke, køer, træer og grafer , der hver tjener specifikke formål baseret på kravene til det aktuelle problem. Forståelse af datastrukturer er grundlæggende for at designe effektive algoritmer og optimere softwareydelsen.

Array er en lineær datastruktur, der gemmer en samling af elementer af samme datatype. Elementer er tildelt sammenhængende hukommelse, hvilket giver mulighed for konstant-tidsadgang. Hvert element har et unikt indeksnummer.

• Operationer på Array:
  • Traversering : Iteration gennem elementerne i et array.
  • Indskud : Tilføjelse af et element til arrayet ved et specifikt indeks.
  • Sletning : Fjernelse af et element fra arrayet ved et bestemt indeks.
  • Søger : Find et element i arrayet ved dets værdi eller indeks.
• Typer af arrays :
  • En-dimensionel array : Et simpelt array med en enkelt dimension.
  • Multidimensionelt array : Et array med flere dimensioner, såsom en matrix.
• Anvendelser af Array :
  • Lagring af data på en sekventiel måde
  • Implementering af køer, stakke og andre datastrukturer
  • Repræsenterer matricer og tabeller
• Relaterede emner om Array:
  • Arrays Tutorial
  • Top 50 Array-kodningsproblemer til interviews
  • Øv problemer på Arrays

2. Snor

EN snor er en sekvens af tegn, der typisk bruges til at repræsentere tekst. Det betragtes som en datatype, der giver mulighed for manipulation og behandling af tekstdata i computerprogrammer.

• Operationer på streng :
  • Sammenkædning : Sammenføjning af to strenge.
  • Sammenligning : Sammenligning af to strenge leksikografisk.
  • Understreng udvinding : Udpakning af en understreng fra en streng.
  • Søg : Søger efter en understreng i en streng.
  • Modifikation : Ændring eller erstatning af tegn i en streng.
• Anvendelser af streng :
  • Tekstbehandling
  • Mønster matchende
  • Data validering
  • Databasestyring
• Relaterede indlæg:
  • Strengevejledning
  • Top 50 strengkodningsproblemer til interviews
  • Øv problemer på streng

3. Sammenkædede lister

EN linket liste er en lineær datastruktur, der gemmer data i noder, som er forbundet med pointere. I modsætning til arrays gemmes sammenkædede lister ikke i sammenhængende hukommelsesplaceringer.

• Karakteristika for linket liste:
  • Dynamisk : Sammenkædede lister kan nemt ændres ved at tilføje eller fjerne noder.
  • Ikke sammenhængende : Noder er gemt i tilfældige hukommelsesplaceringer og forbundet med pointere.
  • Sekventiel adgang : Noder kan kun tilgås sekventielt, startende fra toppen af ​​listen.
• Operationer på linket liste:
  • Skabelse : Oprettelse af en ny linket liste eller tilføjelse af en ny node til en eksisterende liste.
  • Traversering : Iteration gennem listen og adgang til hver node.
  • Indskud : Tilføjelse af en ny node på en bestemt position på listen.
  • Sletning : Fjerner en node fra listen.
  • Søg : Find en node med en bestemt værdi på listen.
• Typer af linkede lister :
  • Enkeltforbundet liste : Hver node peger på den næste node på listen.
  • Dobbeltforbundet liste : Hver node peger på både den næste og forrige node på listen.
  • Cirkulær linket liste : Den sidste knude peger tilbage til den første knude og danner en cirkulær løkke.
• Anvendelser af linket liste :
  • Sammenkædede lister bruges i forskellige applikationer, herunder:
  • Implementering af køer og stakke
  • Repræsenterer grafer og træer
  • Vedligeholdelse af bestilte data
  • Hukommelseshåndtering
• Relaterede emner:
  • Selvstudie med linket liste
  • Top 50 problemer på linket liste til interviews
  • Øv problemer på linkede lister

4. Matrix/Grid

EN matrix er et todimensionelt array af elementer, arrangeret i rækker og kolonner. Det er repræsenteret som et rektangulært gitter, med hvert element i skæringspunktet mellem en række og kolonne.

• Nøglekoncepter:
  • Rækker : Vandrette linjer af elementer i en matrix.
  • Kolonner : Lodrette linjer af elementer i en matrix.
  • Dimensioner : Antallet af rækker og kolonner i en matrix (f.eks. en 3×4 matrix har 3 rækker og 4 kolonner).
  • Element Adgang : Elementer kan tilgås ved hjælp af række- og kolonneindekser (f.eks. henviser M[2][3] til elementet i række 2, kolonne 3).
• Anvendelser af Matrix/Grid :
  • Billedbehandling
  • Dataanalyse
  • Optimeringsproblemer
• Relaterede indlæg:
  • Matrix/Grid Tutorial
  • Top 50 problemer på Matrix/Grid til interviews
  • Øv opgaver på Matrix/Grid

5. Stak

Stak er en lineær datastruktur, der følger en bestemt rækkefølge, hvori operationerne udføres. Rækkefølgen kan evt LIFO (sidst ind først ud) eller FILO (først ind sidst ud) . LIFO betyder, at det element, der indsættes sidst, kommer først ud og RÆKKE betyder, at det element, der indsættes først, kommer sidst ud.

• Betjening på stak :
  • Skubbe : Tilføjer et element til toppen af ​​stakken
  • Pop : Fjerner og returnerer elementet i toppen af ​​stakken
  • Kig : Returnerer elementet øverst i stakken uden at fjerne det
  • Størrelse : Returnerer antallet af elementer i stakken
  • Er tom : Kontrollerer, om stakken er tom
• Anvendelser af Stack :
  • Funktionsopkald
  • Udtryksevaluering
  • Backtracking
  • Fortryd/gentag handlinger
• Relaterede emner om stak:
  • Stak tutorial
  • Top 50 problemer på stak til interviews
  • Øv problemer på Stack

6. Kø

EN Kø Datastruktur er et grundlæggende begreb inden for datalogi, der bruges til at lagre og administrere data i en bestemt rækkefølge. Det følger princippet om Først ind først ud ( FIFO ), hvor det første element, der tilføjes til køen, er det første, der fjernes

• Betjening på kø :
  • Kø : Tilføjer et element bagerst i køen
  • Derfor : Fjerner et element fra forsiden af ​​køen
  • Kig : Henter frontelementet uden at fjerne det
  • Er tom : Kontrollerer om køen er tom
  • Er fuld : Tjekker om køen er fuld
• Type kø :
  • Cirkulær kø : Sidste element forbinder til det første element
  • Dobbeltkø (Deque) : Operationer kan udføres fra begge ender
  • Prioritetskø : Elementer er arrangeret ud fra prioritet
• Anvendelser af kø :
  • Jobplanlægning
  • Besked i kø
  • Simuleringsmodellering
  • Databuffring
• Relaterede emner:
  • Tutorial i kø
  • Top 50 problemer i kø til interviews
  • Øve problemer på kø

7. Dynge

EN Dynge er en komplet binær trædatastruktur, der opfylder heap-egenskaben: for hver node er værdien af ​​dens børn mindre end eller lig med dens egen værdi. Dynger bruges normalt til at implementere prioriterede køer , hvor det mindste (eller største) element altid er ved roden af ​​træet.

• Operationer af Heap :
  • Indsæt : Tilføjer et nyt element til heapen og bibeholder samtidig heap-egenskaber.
  • Udtræk-Max/Udtræk-Min : Fjerner rodelementet og omstrukturerer heapen.
  • Forøg/reducer-tast : Opdaterer værdien af ​​en node og omstrukturerer heapen.
• Typer af bunke :
  • Max-Heap : Rodnoden har den maksimale værdi blandt sine børn.
  • Min-Heap : Rodknude har minimumværdien blandt sine børn.
• Anvendelser af Heap :
  • Prioriterede køer
  • Sortering
  • Grafalgoritmer (f.eks. Dijkstras algoritme)
• Relaterede indlæg:
  • Heap tutorial
  • Top 50 problemer på Heap til interviews
  • Øv problemer på Heap

8. Hash

Hashing er en teknik, der genererer et output med fast størrelse (hashværdi) fra et input af variabel størrelse ved hjælp af matematiske formler kaldet hash-funktioner . Hashing bruges til at bestemme et indeks eller en placering til lagring af et element i en datastruktur, hvilket muliggør effektiv hentning og indsættelse.

• Nøglekoncepter:
  • Hash funktion : En matematisk funktion, der kortlægger et input til en hashværdi.
  • Hash tabel : En datastruktur, der gemmer nøgleværdi-par, hvor nøglen er en hashværdi, og værdien er de faktiske data.
  • Kollision : Når to forskellige nøgler producerer den samme hashværdi.
• Typer af hashfunktioner :
  • Opdelingsmetode : Dividerer input med en konstant og bruger resten som hashværdi.
  • Mid Square Metode: Kvadrerer inputtet og tager de midterste cifre som hashværdi.
  • Foldemetode : Opdeler inputtet i lige store blokke og lægger dem sammen for at få hashværdien.
  • Multiplikationsmetode : Multiplicerer input med en konstant og tager brøkdelen som hashværdi.

• Teknikker til løsning af kollisioner :
  • Separat kæde (åben hashing) : Gemmer kolliderende elementer i en sammenkædet liste med den tilsvarende hashværdi.
  • Åbn adressering (lukket hashing) : Bruger forskellige strategier til at finde en alternativ placering for kolliderende elementer i hash-tabellen.
• Anvendelser af hashing :
  • Effektiv lagring og hentning af data i databaser og filsystemer.
  • Bekræftelse af adgangskoder og digitale signaturer.
  • Fordeling af anmodninger på tværs af flere servere.
  • Generering af sikre hashes til dataintegritet og godkendelse.
• Relaterede indlæg:
  • Hash tutorial
  • Øv problemer på hashing

9. Træ

EN træ er en ikke-lineær hierarkisk datastruktur bestående af knudepunkter forbundet af kanter, med en topknude kaldet roden og knudepunkter med underknudepunkter. Det bruges i datalogi til at organisere data effektivt.

rhel vs centos

• Gennemgang af træ : Trægennemgangsmetoder bruges til at besøge og behandle noder i en trædatastruktur. De tre almindelige traverseringsmetoder er:
  • I rækkefølge : Besøg venstre undertræ, aktuel node og derefter højre undertræ.
  • Forudbestille : Besøg den aktuelle node, venstre undertræ og derefter højre undertræ.
  • Efterbestilling : Besøg venstre undertræ, højre undertræ og derefter nuværende knude.
• Klassifikationer af træer:
  • Klassifikationer af Træer henvise til gruppering af træer baseret på bestemte egenskaber eller kriterier. Dette kan involvere kategorisering af træer baseret på deres balancefaktor, grad af noder, bestillingsegenskaber osv. Nedenfor er nogle vigtige klassifikationer af træ.

• Anvendelse af træer:
  • Filsystemer
  • Databaser
  • XML-dokumenter
  • Kunstig intelligens
• Relaterede indlæg:
  • Træ tutorial
  • Top 50 trækodningsproblemer
  • Øv problemer på træ

10. Graf

EN Kurve er en ikke-lineær datastruktur bestående af et endeligt sæt af knudepunkter (eller noder) og et sæt kanter, der forbinder et par knudepunkter.

• Gennemgange af graf:
  • Breadth-First Search (BFS) : Besøger noder niveau for niveau.
  • Dybde-første søgning (DFS) : Besøger noder rekursivt og udforsker én gren ad gangen.
• Anvendelser af grafer :
  • Sociale netværk
  • Kort og navigation
  • Planlægning
  • Data mining
• Relaterede indlæg:
  • Graf repræsentation
  • Typer af grafer
  • Graf tutorial
  • Øv problemer på Graph

Lær algoritmer

Når du har ryddet begreberne af Datastrukturer , nu er det tid til at starte din rejse gennem Algoritmer . Baseret på typen af ​​natur og brug er algoritmerne grupperet i flere kategorier, som vist nedenfor:

1. Søgealgoritme

Søgealgoritmer bruges til at lokalisere specifikke data inden for et større datasæt. Det hjælper med at finde tilstedeværelsen af ​​en målværdi i dataene. Der findes forskellige typer søgealgoritmer, hver med sin egen tilgang og effektivitet.

• Mest almindelige søgealgoritmer:
  • Lineær søgning : Iterativ søgning fra den ene ende til den anden.
  • Binær søgning : Del-og-hersk søgning på et sorteret array, halvering af søgerummet ved hver iteration.
  • Ternær søgning : Opdel-og-hersk søgning på et sorteret array, opdeler søgerummet i tre dele ved hver iteration.
• Andre søgealgoritmer:
  • Hop Søg
  • Interpolationssøgning
  • Eksponentiel søgning
• Relaterede emner:
  • Øv problemer med søgealgoritmen

2. Sorteringsalgoritme

Sorteringsalgoritmer bruges til at arrangere elementerne i en liste i en bestemt rækkefølge, såsom numerisk eller alfabetisk. Den organiserer emnerne på en systematisk måde, hvilket gør det nemmere at søge efter og få adgang til specifikke elementer.

Der findes en masse forskellige typer sorteringsalgoritmer. Nogle udbredte algoritmer er:

Relaterede emner:

• Tutorial til sorteringsalgoritme
• Topsortering af interviewspørgsmål og -problemer
• Øv problemer med sorteringsalgoritme

3. Divide and Conquer-algoritme

Del og hersk Algoritmer følger en rekursiv strategi for at løse problemer ved at opdele dem i mindre delproblemer, løse disse delproblemer og kombinere løsningerne for at opnå den endelige løsning.

Trin:

1. Dele : Opdel problemet i mindre, uafhængige underopgaver.
2. Erobre : Løs hvert delproblem rekursivt.
3. Forene : Flet løsningerne af underopgaverne sammen for at opnå den endelige løsning.

Eksempler:

• Flet sortering: Opdeler arrayet i to halvdele, sorterer hver halvdel rekursivt og fletter de sorterede halvdele.
• Hurtig sortering: Vælger et pivotelement, opdeler arrayet i to subarrays baseret på pivoten og sorterer rekursivt hver subarray.
• Binær søgning: Deler søgerummet i to gentagne gange, indtil målelementet er fundet, eller søgerummet er opbrugt.

Relaterede artikler:

• Del og hersk tutorial
• Øv problemer på Divide And Conquer-algoritmen

4. Grådige algoritmer

Som navnet antyder, bygger denne algoritme løsningen op et stykke ad gangen og vælger det næste stykke, som giver den mest åbenlyse og umiddelbare fordel, dvs., hvilket er det mest optimale valg på det tidspunkt. Så de problemer, hvor det at vælge lokalt optimalt også fører til, at de globale løsninger passer bedst til Greedy.

Nogle vigtige problemer med grådige algoritmer er:

Relaterede artikler:

• Tutorial for grådig algoritme
• Øv problemer på Greedy algoritme

5. Rekursion

Rekursion er en programmeringsteknik, hvor en funktion kalder sig selv inden for sin egen definition. Det bruges normalt til at løse problemer, der kan opdeles i mindre forekomster af det samme problem. For eksempel: Towers of Hanoi (TOH) , Faktoriel beregning og Fibonacci sekvens etc.

Trin :

• Bundkasse : Definer en tilstand, der stopper de rekursive opkald og giver en løsning.
• Rekursivt tilfælde : Definer trinene til at opdele problemet i mindre forekomster og foretage rekursive opkald.
• Vend tilbage : Returner løsningen fra de rekursive opkald og kombiner dem for at løse det oprindelige problem.

Pointen som gør Recursion til en af ​​de mest brugte algoritmer er, at den danner basis for mange andre algoritmer som f.eks. Trægennemløb , Grafgennemløb , Divide and Conquers-algoritmer og Backtracking algoritmer .

Relaterede emner:

• Rekursions tutorial
• Rekursive funktioner
• Halerekursion
• Top 50 problemer om rekursionsalgoritme til interview
• Øv problemer på rekursionsalgoritme

6. Tilbagesporingsalgoritme

Som tidligere nævnt er Backtracking algoritmen er afledt af rekursionsalgoritmen, med mulighed for at vende tilbage, hvis en rekursiv løsning fejler, dvs. hvis en løsning fejler, spores programmet tilbage til det øjeblik, hvor det fejlede og bygger på en anden løsning. Så grundlæggende prøver den alle mulige løsninger og finder den rigtige.

Nogle vigtige og mest almindelige problemer med backtracking-algoritmer, som du skal løse, før du går videre, er:

Relateret artikel:

• Backtracking tutorial
• Øv problemer med Backtracking-algoritmen

7. Dynamisk programmering

Dynamisk programmering er en metode, der bruges i matematik og datalogi til at løse komplekse problemer ved at opdele dem i enklere delopgaver. Ved kun at løse hvert delproblem én gang og gemme resultaterne, undgår det overflødige beregninger, hvilket fører til mere effektive løsninger på en lang række problemer.

Nøglekoncepter:

• Optimal underbygning : Den optimale løsning på et problem kan konstrueres ud fra de optimale løsninger til dets delproblemer.
• Overlappende underproblemer : Underproblemer gentages ofte i det større problem, hvilket fører til overflødige beregninger.
• Memoisering / Tabulation : Lagring af løsninger på underproblemer for at undgå genberegning.

Nogle vigtige og mest almindelige problemer med dynamiske programmeringsalgoritmer, som du skal løse, før du går videre, er:

Relaterede artikler:

• Tabulation vs Memoization
• Hvordan løser man et dynamisk programmeringsproblem?
• Tutorial i dynamisk programmering
• Top 50 kodningsproblemer med dynamisk programmering til interviews
• Øv problemer med dynamisk programmeringsalgoritme

8. Grafiske algoritmer :

Grafiske algoritmer i datastrukturer og algoritmer (DSA) er et sæt af teknikker og metoder, der bruges til at løse problemer relateret til grafer, som er en samling af noder og kanter. Disse algoritmer er designet til at udføre forskellige operationer på grafer, som f.eks søge, krydse, finde den korteste vej , og bestemme forbindelse . De er essentielle for at løse en bred vifte af problemer i den virkelige verden, herunder netværksrouting, sociale netværksanalyse og ressourceallokering.

Relaterede emner:

• Graf tutorial
• Top 50 grafkodningsproblemer til interviews
• Øv problem med grafalgoritmer

9 . Mønstersøgning

Mønstersøgning er en grundlæggende teknik i DSA, der bruges til at finde forekomster af et specifikt mønster i en given tekst.

Nedenfor er nogle standard mønstersøgningsalgoritmer:

Relaterede emner:

• Tutorial til mønstersøgning
• Øv Opgave på Mønstersøgning

10 . Matematiske algoritmer

Matematiske algoritmer er en klasse af algoritmer, der løser problemer relateret til matematiske begreber. De er meget udbredt inden for forskellige områder, herunder computergrafik, numerisk analyse, optimering og kryptografi.

Relaterede emner:

• Øve opgave om matematisk algoritme

11. Geometriske algoritmer

Geometriske algoritmer er en klasse af algoritmer, der løser problemer relateret til geometri. Geometriske algoritmer er afgørende for at løse en lang række problemer inden for datalogi, såsom:

Relaterede emner:

• Øve opgave om geometriske algoritmer

12. Bitvise Algoritmer

Bitvise algoritmer er algoritmer, der opererer på individuelle bits af tal. Disse algoritmer manipulerer den binære repræsentation af tal til at udføre opgaver såsom bitmanipulation, bitvise logiske operationer (AND, OR, XOR), skiftende bits , og indstilling eller rydde specifikke bits inden for et tal. Bitvise algoritmer bruges ofte i programmering, kryptografi og optimeringsopgaver på lavt niveau hvor der kræves effektiv manipulation af individuelle bits.

Relaterede emner:

• Tutorial om bitvise algoritmer
• Øve problem på bitvise algoritmer

13. Randomiserede algoritmer

Randomiserede algoritmer er algoritmer, der bruger tilfældighed til at løse problemer. De gør brug af tilfældige input til at nå deres mål, hvilket ofte fører til enklere eller mere effektive løsninger.

Typer af randomiserede algoritmer:

• Las Vegas : Giver altid et korrekt resultat, men køretiden er tilfældig.
• Monte Carlo : Kan give et forkert resultat med en lille sandsynlighed, men køretiden er normalt hurtigere.

Vigtige algoritmer, der bruger randomiseringsalgoritmer:

14. Gren og bundet algoritme

Det Gren og bundet algoritme er en metode, der bruges i kombinatoriske optimeringsproblemer til systematisk at søge efter den bedste løsning. Det virker ved at opdele problemet i mindre delproblemer eller grene og derefter fjerne visse grene baseret på grænser for den optimale løsning. Denne proces fortsætter, indtil den bedste løsning er fundet, eller alle grene er blevet udforsket.

Standardproblemer på branche- og bundet algoritme:

Relaterede emner:

• Tutorial for gren og bundet algoritme

Lær om kompleksiteter

I Data Structures and Algorithms (DSA) er hovedmålet at løse problemer effektivt og effektivt. For at bestemme effektiviteten af ​​et program ser vi på to typer kompleksiteter:

1. Tidskompleksitet : Dette fortæller os, hvor lang tid det tager at køre vores kode.
2. Rumkompleksitet : Dette fortæller os, hvor meget hukommelse vores kode bruger.

Asymptotisk notation :

For at sammenligne effektiviteten af ​​algoritmer bruger vi asymptotisk notation, et matematisk værktøj, der estimerer tid baseret på input størrelse uden at køre koden. Den fokuserer på antallet af grundlæggende operationer i programmet.

Den mest almindeligt anvendte notation til kodeanalyse er Stor O-notation , der giver en øvre grænse for køretiden eller hukommelsesforbruget vedrørende inputstørrelsen.

shloka mehta uddannelse

Relaterede emner:

• Forståelse af tidskompleksitet med simple eksempler
• Tidskompleksiteter af forskellige datastrukturer
• Sådan analyseres loops til kompleksitetsanalyse af algoritmer
• Praksisspørgsmål om tidskompleksitetsanalyse

Praksis Problem Cheat Sheets:

Udvalgte lister over problemer fra nedenstående artikler:

• DSA Roadmap af Sandeep Jain
• SDE SHEET – En komplet vejledning til SDE-forberedelse
• techcodeview.com Master Sheet – Liste over alle Cheat Sheets