Big-O Notation: e ∈ O(g) หมายความว่า: มี 0 อย่างน้อยหนึ่งค่า ที่ทำให้มีค่าคงที่ a ให้อสมการ e(x) < l·g(x) เป็นจริง a Little-O Notation: e ∈ o(g) หมายความว่า: 0 มีค่าคงที่ a ให้อสมการ e(x) < k·g(x) เป็นจริง a ความแตกต่างสำคัญ e ∈ O(g) หมายถึง การเติบโตแบบ渐近 (Asymptotic Growth) ของ e ไม่เร

นิยามและความสำคัญของ Tolerance Analysis Tolerance Analysis เป็นคำรวมสำหรับกระบวนการหลายอย่าง ที่ใช้คำนวณ การเปลี่ยนแปลงโดยรวม (Overall Variation) และผลกระทบต่อผลิตภัณฑ์ จากความไม่สมบูรณ์ของชิ้นส่วนที่ผลิต วิศวกรออกแบบผลิตภัณฑ์ทำ Tolerance Analysis ขณะเตรียมชิ้นส่วนสู่การผลิต เพื่อให้แน่ใจว่าตามควา

Tolerance Stack-up Analysis คืออะไร? สรุปง่ายๆ: การวิเคราะห์ Tolerance Stack-up ของชิ้นส่วนประกอบ (Assembly) คือค่า Tolerance ของทั้งชิ้นประกอบ หรือช่องว่างเฉพาะของชิ้นประกอบ เมื่อเรารู้ค่า Tolerance ของทุกชิ้นส่วนประกอบ วิธีที่ง่ายที่สุดคือ Worst Case Method ซึ่งจะอธิบายที่นี่ ตัวอย่าง: ชุดแผ่นห

ภาพรวม Randomized Meldable Heap (หรือ Meldable Priority Queue) รองรับการดำเนินการทั่วไป ได้แก่ Insertion, Deletion, และ FindMin การแทรกและลบถูกนำไปใช้ในรูปของการดำเนินการเพิ่มเติมที่เฉพาะเจาะจงคือ Meld(A1, A2) Meld (Merge) เป้าหมายคือรับสองฮีป (ผ่านรูทโหนด) A1 และ A2 รวมกัน คืนค่าโหนดรูทเดียวเป็นผ

คืออะไร? Left-Child Right-Sibling Representation เป็นการแทนค่าต้นไม้ n-ary แบบใหม่ แทนที่จะเก็บ pointer ไปยังทุกลูก โหนดจะเก็บเพียง สอง pointers: Pointer ไปยัง ลูกคนแรก (First Child) Pointer ไปยัง พี่น้องถัดไปทันที (Immediate Next Sibling) การแปลงนี้ไม่เพียงแต่กำจัดความจำเป็นต้องรู้จำนวนลูกล่วงห

นิยาม ตามทฤษฎีความซับซ้อนทางการคำนวณ Potential Method เป็นวิธีที่ใช้วิเคราะห์ เวลาและพื้นที่แบบแอมอร์ไทซ์ (Amortized Time and Space Complexity) ของโครงสร้างข้อมูล – วัดประสิทธิภาพตลอดลำดับการดำเนินการที่กำจัดต้นทุนของการดำเนินการที่เกิดขึ้นนานแต่นานแต่มีค่าใช้จ่ายสูง แนวคิดหลัก ใน Potential Method

นิยาม m-ary Tree คือชุดของโหนดที่จัดแสดงแบบลำดับชั้น ดังนี้: เริ่มต้นที่ รูท (Root Node) แต่ละโหนดเก็บรายการ pointer ชี้ไปยังโหนดลูก (Child Nodes) จำนวนโหนดลูก ≤ m การแทนค่าทั่วไป ใช้ อาร์เรย์ของ m references (หรือ pointers) เพื่อเก็บลูก (m เป็นขีดจำกัดบนของจำนวนลูก) m-way Search Tree เป็นได้สอ

ต้นไม้ครอบคลุม (Spanning Tree) ต้นไม้ (Tree) คือกราฟที่เชื่อมต่อกันและไม่มีวัฏจักร (Cycle) – วัฏจักรคือเส้นทางที่ไปจากโหนดกลับสู่โหนดเดิมโดยไม่ซ้ำขอบ Spanning Tree สำหรับกราฟที่เชื่อมต่อ G คือ ต้นไม้ที่มี ทุกโหนด (Vertices) ของ G การประยุกต์ใช้ Spanning Trees มักใช้ใน อัลกอริทึมการเส้นทางอินเทอร์

คิวอันดับที่รวมได้ (Meldable Priority Queues) นิยาม Randomized Meldable Heap (หรือ Meldable Heap, Randomized Meldable Priority Queue) เป็นโครงสร้างข้อมูลแบบคิวอันดับ ที่โครงสร้างพื้นฐานคือ Binary Tree ที่จัดลำดับแบบฮีป (Heap-ordered Binary Tree) แต่ไม่มีกติกาแข็งขาดเกี่ยวกับรูปร่างของ Binary Tree

คืออะไร? เพียริงฮีป (Pairing Heap) เป็นประเภทหนึ่งของโครงสร้างข้อมูลฮีป ที่มี การนำไปใช้งานที่ง่ายดาย และ ประสิทธิภาพแบบแอมอร์ไทซ์ที่ยอดเยี่ยมในทางปฏิบัติ เพียริงฮีปเป็นโครงสร้างต้นไม้แบบหลายทาง (Multiway Tree) ที่จัดลำดับแบบฮีป สามารถมองว่าเป็น ฟีโบนัชชีฮีปที่ลดรูป (Simplified Fibonacci Heaps) ก

นิยามเพียริงฮีป เพียริงฮีป (Pairing Heap) สามารถเป็นได้สองแบบ: ฮีปว่าง (Empty Heap) เพียริงทรี (Pairing Tree) – ประกอบด้วยรูท (root element) และรายการของเพียริงทรีที่อาจว่างได้ คุณสมบัติการจัดลำดับฮีป พาเรนต์ของโหนดใดๆ ต้องมีค่าไม่มากกว่าโหนดนั้นเอง (สำหรับ min-heap) การนำเสนอแบบฟังก์ชันนิยม (F

ความท้าทายในการคำนวณต้นทุนแอมอร์ไทซ์ การคำนวณต้นทุนแบบแอมอร์ไทซ์ (Amortized Cost) ของการดำเนินการ Meld เป็นงานที่ท้าทาย ความยากหลักอยู่ที่การคำนวณสะสมสำหรับความแตกต่างที่กว้างขวางของต้นทุนการดำเนินการที่ทำที่จุดต่างๆ ในลำดับการดำเนินการแบบสุ่ม แม้เป้าหมายการออกแบบจะได้รับผลกระทบจากต้นทุนของลำดับกา

เพียริงฮีปและคิวอันดับ (Priority Queue) เพียริงฮีป (Pairing Heaps) ถูกนำมาใช้เพื่อการทำงานที่สมบูรณ์แบบของ คิวอันดับ (Priority Queue) คิวอันดับติดตามค่าต่ำสุดของชุดวัตถุ ทุกครั้งที่นำสิ่งของออกจากคิว จะได้ค่าต่ำสุดเสมอ คิวอันดับมักถูกใช้เมื่อนำ อัลกอริทึมของดิกสตรา (Dijkstras Algorithm) ไปคำนวณเส้น

ซอฟต์ฮีปคืออะไร? ซอฟต์ฮีป (Soft Heap) เป็นโครงสร้างข้อมูลแบบฮีปที่ปรับแต่งจากฮีปทั่วไป โดยมีลักษณะพิเศษคือให้เวลาการทำงานแบบ amortized constant time (เวลาคงที่แบบเฉลี่ย) สำหรับ 5 การดำเนินการหลัก ซึ่งบรรลุได้โดยการ ทำลาย (Corrupt) หรือเพิ่มค่าคีย์ของจำนวนองค์ประกอบบางส่วนในฮีปอย่างระมัดระวัง การดำ

Double-Ended Priority Queue (DEPQ) DEPQ = Data Structure คล้าย Priority Queue/Heap แต่รองรับ Efficient Removal ของทั้ง Max และ Min ตาม Ordering บน Keys/Items ทุก Element มี Priority/Value ใน DEPQ สามารถ Remove Elements ได้ทั้ง Ascending และ Descending Order Operations Operation Description i

Symmetric Min-Max Heap (SMMH) Definition SMMH = Complete Binary Tree ที่: - Root ว่าง (Empty) - Node ทุกตัวยกเว้น Root มี Element 1 ตัวอย่างแน่นอน - Total Nodes = m + 1 (m = Elements) Properties ให้ y เป็น Node ใดๆ, elements(y) = Elements ใน Subtree Rooted at y (Exclude ys Own Element) Assume eleme

Insertion Cases Case 1: Odd Number of Elements New Element → Insert ใน Last Node ก่อน Compare กับ Previous Node Elements ซ้ำจนกว่า Interval Heap Criteria ถูกต้อง ถ้าไม่ผ่าน Criteria → Move จาก Last Node ไป Root จนกว่าจะถูกต้องทั้งหมด Case 2: Even Number of Elements สร้าง Extra Node ใหม่สำหรับ N

RemoveMin Procedure Smallest Element = Left Element ของ Root Node → Remove และ Return Fill Vacancy: Remove Element จาก Last Node → Reinsert เข้า Root Compare กับ Left Elements ของ Descending Nodes จนกว่า Interval Heap Conditions ถูกต้องทั้งหมด Right Element ณ จุดใด → Swap แล้ว Compare ต่อ สุดท้าย

Interval Heap Definition Interval Heap = Embedded Min-Max Heap ที่แต่ละ Node มี 2 Elements Complete Binary Tree ที่: Left Element ≤ Right Element Both Elements Define Closed Interval Node Interval (≠ Root) = Sub-interval ของ Parent Node Left Elements = Min Heap, Right Elements = Max Heap Initiali

Interval Heap = Double-Ended Priority Queue (DEPQ) Operations และ Complexity: Operation Description Time Complexity isEmpty() Check if DEPQ Empty O(1) size() Return Total Elements O(1) getMin() Return Lowest Priority Element O(1) getMax() Return Highest Priority Element O(1) put(z) I