Binary Search
Datenbank-Indizes basieren hierauf. Brutales Aussortieren der Hälften via O(log n)—aber nur, wenn die Arrays vorab sortiert wurden.
Entwickler von Skripten und Apps
Erweitern Sie Ihr Toolkit. Wir tauchen tief in Dictionaries, Stacks, Queues und klassische Suchen ein. Die Motoren jedes soliden Backends.
Datenbank-Indizes basieren hierauf. Brutales Aussortieren der Hälften via O(log n)—aber nur, wenn die Arrays vorab sortiert wurden.
Findet das Minimum pro Durchlauf, setzt es an die sortierte Grenze. Genau ein Swap pro Iteration — nützlich wenn Schreiboperationen auf der Hardware teuer sind.
Blitzschnell bei fast sortierten Daten — was in der Praxis häufiger vorkommt als man denkt. Der Grundbaustein des gewaltigen Timsort.
Zwei Indizes, die aufeinander zukonvergieren, knäcken Array-Probleme in O(n). Kein doppelter For-Loop-Albtraum in O(n²) mehr nötig.
O(1)-Magie. Frequenzen in einem Dictionary cachen lässt Sie doppelt verschachtelten Loops entkommen. RAM gegen Geschwindigkeit — der beste Trade in der Informatik.
LIFO im echten Leben. So funktionieren Browser-Verlauf, Undo-Funktion und jeder Call Stack. Schauen Sie, wie push und pop Zustände verwalten.
FIFO im echten Einsatz. Aufgaben rein, Aufgaben raus in Reihenfolge — der Motor hinter Node.js, Web-Servern und asynchronen Task-Executors.
Sortieren wäre O(n log n). Stattdessen: Zeichenhäufigkeiten in ein Dictionary hashen und vergleichen. Das echte O(n)-Fundament jeder Anagramm-Erkennung.
Festes Fenster über ein Array schieben. Nie neu berechnen — einfach den austretenden Wert subtrahieren und den einfahrenden addieren. O(n) statt O(n²).
Zwei sortierte Arrays in einem einzigen Pass zusammenführen. Das ist die zentrale Merge-Operation, die das gesamte Merge Sort antreibt.