Algoritma dan struktur data di Java, Bagian 1: Gambaran Umum

Pemrogram Java menggunakan struktur data untuk menyimpan dan mengatur data, dan kami menggunakan algoritme untuk memanipulasi data dalam struktur tersebut. Semakin Anda memahami tentang struktur data dan algoritme, dan cara keduanya bekerja sama, program Java Anda akan semakin efisien.

Tutorial ini meluncurkan seri pendek yang memperkenalkan struktur dan algoritme data. Di Bagian 1, Anda akan mempelajari apa itu struktur data dan bagaimana struktur data diklasifikasikan. Anda juga akan mempelajari apa itu algoritma, bagaimana algoritma direpresentasikan, dan bagaimana menggunakan fungsi kompleksitas ruang dan waktu untuk membandingkan algoritma yang serupa. Setelah Anda mendapatkan dasar-dasarnya, Anda akan siap untuk belajar tentang mencari dan mengurutkan dengan array satu dimensi, di Bagian 2.

Apa itu struktur data?

Struktur data didasarkan pada tipe data abstrak (ADT), yang didefinisikan Wikipedia sebagai berikut:

[A] model matematis untuk tipe data di mana tipe data ditentukan oleh perilakunya (semantik) dari sudut pandang pengguna data, khususnya dalam hal kemungkinan nilai, kemungkinan operasi pada data jenis ini, dan perilaku operasi ini.

ADT tidak peduli tentang representasi memori dari nilainya atau bagaimana operasinya diimplementasikan. Ini seperti antarmuka Java, yang merupakan tipe data yang terputus dari implementasi apa pun. Sebaliknya, struktur data adalah implementasi konkret dari satu atau lebih ADT, mirip dengan cara kelas Java mengimplementasikan antarmuka.

Contoh ADT termasuk Karyawan, Kendaraan, Array, dan Daftar. Pertimbangkan List ADT (juga dikenal sebagai Sequence ADT), yang menjelaskan kumpulan elemen yang memiliki tipe yang sama. Setiap elemen dalam koleksi ini memiliki posisinya sendiri dan elemen duplikat diperbolehkan. Operasi dasar yang didukung oleh ADT Daftar meliputi:

  • Membuat daftar baru dan kosong
  • Menambahkan nilai ke akhir daftar
  • Memasukkan nilai dalam daftar
  • Menghapus nilai dari daftar
  • Mengulangi daftar
  • Menghancurkan daftar

Struktur data yang dapat mengimplementasikan ADT Daftar mencakup larik satu dimensi berukuran tetap dan berukuran dinamis serta daftar tertaut tunggal. (Anda akan diperkenalkan ke array di Bagian 2, dan daftar tertaut di Bagian 3.)

Mengklasifikasikan struktur data

Ada banyak jenis struktur data, mulai dari variabel tunggal hingga array atau daftar objek tertaut yang berisi banyak bidang. Semua struktur data dapat diklasifikasikan sebagai primitif atau agregat, dan beberapa diklasifikasikan sebagai wadah.

Primitif vs agregat

Jenis struktur data yang paling sederhana menyimpan item data tunggal; misalnya, variabel yang menyimpan nilai Boolean atau variabel yang menyimpan integer. Saya merujuk pada struktur data seperti itu sebagai primitif .

Banyak struktur data mampu menyimpan banyak item data. Misalnya, sebuah array bisa menyimpan beberapa item data di berbagai slotnya, dan sebuah objek bisa menyimpan beberapa item data melalui bidangnya. Saya menyebut struktur data ini sebagai agregat .

Semua struktur data yang akan kita lihat di seri ini adalah agregat.

Wadah

Apa pun dari mana item data disimpan dan diambil dapat dianggap sebagai struktur data. Contohnya termasuk struktur data yang diturunkan dari Employee, Vehicle, Array, dan List ADT yang disebutkan sebelumnya.

Banyak struktur data dirancang untuk menggambarkan berbagai entitas. Contoh Employeekelas adalah struktur data yang ada untuk menggambarkan berbagai karyawan, misalnya. Sebaliknya, beberapa struktur data ada sebagai wadah penyimpanan generik untuk struktur data lainnya. Misalnya, sebuah array dapat menyimpan nilai primitif atau referensi objek. Saya merujuk ke kategori struktur data yang terakhir ini sebagai wadah .

Selain menjadi agregat, semua struktur data yang akan kita lihat di seri ini adalah container.

Struktur dan algoritme data di Koleksi Java

Kerangka Kerja Koleksi Java mendukung berbagai jenis struktur data berorientasi kontainer dan algoritme terkait. Seri ini akan membantu Anda lebih memahami kerangka kerja ini.

Pola desain dan struktur data

Penggunaan pola desain untuk memperkenalkan struktur data kepada mahasiswa sudah menjadi hal yang lumrah. Makalah Brown University mensurvei beberapa pola desain yang berguna untuk merancang struktur data berkualitas tinggi. Antara lain, kertas menunjukkan bahwa pola Adaptor berguna untuk mendesain tumpukan dan antrian. Kode demonstrasi ditunjukkan pada Listing 1.

Kode 1. Menggunakan pola Adaptor untuk tumpukan dan antrian (DequeStack.java)

public class DequeStack implements Stack { Deque D; // holds the elements of the stack public DequeStack() { D = new MyDeque(); } @Override public int size() { return D.size(); } @Override public boolean isEmpty() { return D.isEmpty(); } @Override public void push(Object obj) { D.insertLast(obj); } @Override public Object top() throws StackEmptyException { try { return D.lastElement(); } catch(DequeEmptyException err) { throw new StackEmptyException(); } } @Override public Object pop() throws StackEmptyException { try { return D.removeLast(); } catch(DequeEmptyException err) { throw new StackEmptyException(); } } }

Listing 1 excerpts the Brown University paper's DequeStack class, which demonstrates the Adapter pattern. Note that Stack and Deque are interfaces that describe Stack and Deque ADTs. MyDeque is a class that implements Deque.

Overriding interface methods

The original code that Listing 1 is based on didn't present the source code to Stack, Deque, and MyDeque. For clarity, I've introduced @Override annotations to show that all of DequeStack's non-constructor methods override Stack methods.

DequeStack adapts MyDeque so that it can implement Stack. All of DequeStack's method are one-line calls to the Deque interface's methods. However, there is a small wrinkle in which Deque exceptions are converted into Stack exceptions.

What is an algorithm?

Historically used as a tool for mathematical computation, algorithms are deeply connected with computer science, and with data structures in particular. An algorithm is a sequence of instructions that accomplishes a task in a finite period of time. Qualities of an algorithm are as follows:

  • Receives zero or more inputs
  • Produces at least one output
  • Consists of clear and unambiguous instructions
  • Terminates after a finite number of steps
  • Is basic enough that a person can carry it out using a pencil and paper

Note that while programs may be algorithmic in nature, many programs do not terminate without external intervention.

Many code sequences qualify as algorithms. One example is a code sequence that prints a report. More famously, Euclid's algorithm is used to calculate the mathematical greatest common divisor. A case could even be made that a data structure's basic operations (such as store value in array slot) are algorithms. In this series, for the most part, I'll focus on higher-level algorithms used to process data structures, such as the Binary Search and Matrix Multiplication algorithms.

Flowcharts and pseudocode

How do you represent an algorithm? Writing code before fully understanding its underlying algorithm can lead to bugs, so what's a better alternative? Two options are flowcharts and pseudocode.

Using flowcharts to represent algorithms

A flowchart is a visual representation of an algorithm's control flow. This representation illustrates statements that need to be executed, decisions that need to be made, logic flow (for iteration and other purposes), and terminals that indicate start and end points. Figure 1 reveals the various symbols that flowcharts use to visualize algorithms.

Consider an algorithm that initializes a counter to 0, reads characters until a newline (\n) character is seen, increments the counter for each digit character that's been read, and prints the counter's value after the newline character has been read. The flowchart in Figure 2 illustrates this algorithm's control flow.

A flowchart's simplicity and its ability to present an algorithm's control flow visually (so that it's is easy to follow) are its major advantages. Flowcharts also have several disadvantages, however:

  • It's easy to introduce errors or inaccuracies into highly-detailed flowcharts because of the tedium associated with drawing them.
  • It takes time to position, label, and connect a flowchart's symbols, even using tools to speed up this process. This delay might slow your understanding of an algorithm.
  • Flowcharts belong to the structured programming era and aren't as useful in an object-oriented context. In contrast, the Unified Modeling Language (UML) is more appropriate for creating object-oriented visual representations.

Using pseudocode to represent algorithms

An alternative to flowcharts is pseudocode, which is a textual representation of an algorithm that approximates the final source code. Pseudocode is useful for quickly writing down an algorithm's representation. Because syntax is not a concern, there are no hard-and-fast rules for writing pseudocode.

You should strive for consistency when writing pseudocode. Being consistent will make it much easier to translate the pseudocode into actual source code. For example, consider the following pseudocode representation of the previous counter-oriented flowchart:

 DECLARE CHARACTER ch = '' DECLARE INTEGER count = 0 DO READ ch IF ch GE '0' AND ch LE '9' THEN count = count + 1 END IF UNTIL ch EQ '\n' PRINT count END

The pseudocode first presents a couple of DECLARE statements that introduce variables ch and count, initialized to default values. It then presents a DO loop that executes UNTILch contains \n (the newline character), at which point the loop ends and a PRINT statement outputs count's value.

For each loop iteration, READ causes a character to be read from the keyboard (or perhaps a file--in this case it doesn't matter what constitutes the underlying input source) and assigned to ch. If this character is a digit (one of 0 through 9), count is incremented by 1.

Choosing the right algorithm

The data structures and algorithms you use critically affect two factors in your applications:

  1. Memory usage (for data structures).
  2. CPU time (for algorithms that interact with those data structures).

It follows that you should be especially mindful of the algorithms and data structures you use for applications that will process lots of data. These include applications used for big data and the Internet of Things.

Balancing memory and CPU

When choosing a data structure or algorithm, you will sometimes discover an inverse relationship between memory usage and CPU time: the less memory a data structure uses, the more CPU time associated algorithms need to process the data structure's data items. Also, the more memory a data structure uses, the less CPU time associated algorithms will need to process the data items–leading to faster algorithm results.

As much as possible, you should strive to balance memory use with CPU time. You can simplify this task by analyzing algorithms to determine their efficiency. How well does one algorithm perform against another of similar nature? Answering this question will help you make good choices given a choice between multiple algorithms.

Measuring algorithm efficiency

Some algorithms perform better than others. For example, the Binary Search algorithm is almost always more efficient than the Linear Search algorithm–something you'll see for yourself in Part 2. You want to choose the most efficient algorithm for your application's needs, but that choice might not be as obvious as you would think.

For instance, what does it mean if the Selection Sort algorithm (introduced in Part 2) takes 0.4 seconds to sort 10,000 integers on a given machine? That benchmark is only valid for that particular machine, that particular implementation of the algorithm, and for the size of the input data.

As computer scientist, we use time complexity and space complexity to measure an algorithm's efficiency, distilling these into complexity functions to abstract implementation and runtime environment details. Complexity functions reveal the variance in an algorithm's time and space requirements based on the amount of input data:

  • A time-complexity function measures an algorithm's time complexity--meaning how long an algorithm takes to complete.
  • Sebuah fungsi ruang-kompleksitas mengukur sebuah algoritma kompleksitas ruang --meaning jumlah memori overhead yang diperlukan oleh algoritma untuk melakukan tugas-nya.

Kedua fungsi kompleksitas tersebut didasarkan pada ukuran masukan ( n ), yang mencerminkan jumlah data masukan. Pertimbangkan pseudocode berikut untuk pencetakan array:

 DECLARE INTEGER i, x[] = [ 10, 15, -1, 32 ] FOR i = 0 TO LENGTH(x) - 1 PRINT x[i] NEXT i END

Kompleksitas waktu dan fungsi kompleksitas waktu

Anda dapat mengekspresikan kerumitan waktu dari algoritme ini dengan menentukan fungsi kompleksitas waktu , di mana (pengganda konstan) mewakili jumlah waktu untuk menyelesaikan satu perulangan, dan mewakili waktu penyiapan algoritme. Dalam contoh ini, kompleksitas waktu bersifat linier.t(n) = an+bab