Complexité algorithmique — 00 — Le code qui marche en dev et meurt en prod
Pourquoi un code rapide sur 100 lignes devient inutilisable sur 1 million. Introduction à la complexité algorithmique comme dette technique qui dort.
Articles : structures de données
11 articles sur le thème "structures de données".
Structures de données — 06 — Le trie (arbre préfixe)
Le trie ou arbre préfixe : stocker des mots par caractères partagés, recherche et autocomplétion en O(longueur du mot), et son compromis mémoire.
Structures de données — 05 — Les arbres équilibrés (AVL, rouge-noir)
Pourquoi et comment équilibrer un arbre de recherche : rotations, arbres AVL et rouge-noir, et où on les rencontre (maps ordonnées, index de bases de données).
Structures de données — 01 — Piles et files : LIFO, FIFO et leurs usages
La pile (LIFO) et la file (FIFO) : principe, implémentation en TypeScript et Python, complexités, et usages réels (annuler/refaire, parcours, ordonnancement).
Complexité algorithmique — 06 — Choisir la bonne structure de données
Une méthode pour choisir la structure de données adaptée à un problème réel : identifier l'opération chaude, puis sélectionner array, Set, Map ou structure triée.
Structures de données — 03 — Listes chaînées simples et doubles
Les listes chaînées : nœuds et pointeurs, insertion et suppression en O(1), simple vs double chaînage, et quand elles battent (ou non) le tableau dynamique.
Structures de données — 07 — Union-Find (ensembles disjoints)
Union-Find : tester si deux éléments sont dans le même groupe et fusionner des groupes en quasi-O(1). Compression de chemin, union par rang, et usages (Kruskal, connexité).
Structures de données — 02 — File de priorité et tas binaire
La file de priorité et son implémentation par tas binaire : insertion et extraction du min/max en O(log n), stockage dans un tableau, et usages (Dijkstra, top-k).
Structures de données — 04 — Les arbres binaires de recherche
L'arbre binaire de recherche (BST) : invariant, insertion, recherche et parcours en ordre. Pourquoi il offre O(log n) en théorie mais peut dégénérer en O(n).
Complexité algorithmique — 03 — Le coût des structures de données
Array, liste chaînée, hashmap, Set, arbre équilibré : leurs coûts en Big-O pour l'accès, la recherche, l'insertion et la suppression, comparés dans un tableau.
Structures de données — 00 — Choisir une structure, c'est choisir un profil de coûts
Introduction à la série structures de données : pourquoi chaque structure est un compromis, ce que la série construit, et le lien avec la complexité algorithmique.