algorithms

Оглавление

Протестировать структуру "std::map"
Две программы и один Makefile
Класс NDArray
Сериализация дерева
Кластеризация географических объектов
Поиск дубликатов
Парсинг wav файла

Протестировать структуру "std::map"

Необходимо написать код (C++ и Python) и протестировать структуры std::map(C++) и dict(Python) на предмет скорости заполнения и требования к памяти.

Код должен содержать Makefile
В Makefile должен быть этап run для сборки, запуска и построения графиков
Должен выводится график зависимости скорости выполнения в миллисекундах (микросекундах или наносекундах, подобрать наиболее подходящий порядок величины) от количества элементов
Должен выводится график зависимости требуемого объема памяти в байтах(килобайтах или мегабайтах, подобрать наиболее подходящий порядок величины) от количества элементов
Количество элементов от 1 до 10**7 включительно для С++ и от 1 до 10 ** 5 для Python
Тип ключа и элементов int

Две программы и один Makefile

Написать две программы и автоматизировать их сборку и запуск

Первая программа: Генерирует n (передается через командную строку, первый параметр) наборов углов от -M_PI до М_PI. Каждый набор состоит из трех значений. Сохраняет каждый набор в файл, каждый набор в новой строке, имя которого задается вторым параметром командной строки.
Вторая программа: Читает сгенерированный файл и выдает углы в градусах для каждого набора согласно формуле: $angle = 2*sin(x)*sin(y) + cos(z)$

Класс NDArray

Реализовать класс NDArray на языке C++ для представления многомерных массивов(типы данных int, float).

Должны быть реализованы методы:

Создание пустого массива заданного размера
Создание массива заполненного нулями
Создание массива заполненного единицами
Создание массива заполненного случайными значениям
Операторы поэлементного сложения, вычитания, умножения, деления
Матричное умножение
Метод для транспонирования
Операции сокращения: минимум, максимум, среднее для определенной размерности

Сериализация дерева

Добавить методы для сериализации/десериалиации дерева.

Начальный код:

from enum import Enum

class Alignment(Enum):
    HORIZONTAL = 1
    VERTICAL = 2

class Widget():

    def __init__(self, parent):
        self.parent = parent
        self.childrens = []
        if self.parent is not None:
            self.parent.add_children(self)

    def add_children(self, children: "Widget"):
        self.childrens.append(children)

    def to_binary(self):
        return b"0"

    @classmethod
    def from_binary(self, data):
        pass

    def __str__(self):
        return f"{self.__class__.__name__}{self.childrens}"

    def __repr__(self):
        return str(self)

class MainWindow(Widget):

    def __init__(self, title: str):
        super().__init__(None)
        self.title = title

class Layout(Widget):

    def __init__(self, parent, alignment: Alignment):
        super().__init__(parent)
        self.alignment = alignment

class LineEdit(Widget):

    def __init__(self, parent, max_length: int=10):
        super().__init__(parent)
        self.max_length = max_length

class ComboBox(Widget):

    def __init__(self, parent, items):
        super().__init__(parent)
        self.items = items

app = MainWindow("Application")
layout1 = Layout(app, Alignment.HORIZONTAL)
layout2 = Layout(app, Alignment.VERTICAL)

edit1 = LineEdit(layout1, 20)
edit2 = LineEdit(layout1, 30)

box1 = ComboBox(layout2, [1, 2, 3, 4])
box2 = ComboBox(layout2, ["a", "b", "c"])

print(app)

bts = app.to_binary()
print(f"Binary data length {len(bts)}")

new_app = MainWindow.from_binary(bts)
print(new_app)

Кластеризация географических объектов

При помощи spanning tree разбить граф на 40 кластеров.

Поиск дубликатов

Написать функцию для поиска дубликатов среди списка файлов. Функция одним из параметров должна принимать функцию хеширования.

def find_duplicates(files: list[str], hash_function: callable) -> list[str]:

Реализовать следующие hash функции:

highorder = h & 0xf8000000
h = h << 5
h = h ^ (highorder >> 27)
h = h ^ ki

h = (h << 4) + ki
g = h & 0xf0000000
if (g != 0)
    h = h ^ (g >> 24)
    h = h ^ g

highorder = h & 0x80000000
h = h << 1
h = h ^ (highorder >> 31)
h = h ^ R[ki]

, где ki - входная последовательность символов, R - функция, которая для ki символа, дает случайное число.

На выходе количество дубликатов и время работы для каждой hash функции. В выходной результат добавить результат для работы встроенной функции hash.

Парсинг wav файла

Разобрать wav файл. Получить два массива для двух каналов. Вывести на экран в виде графика.

Fedmog1lnkv-ISU-Homework / algorithms