資料結構
含有「資料結構」共 110 篇內容
全部內容
發佈日期由新至舊
幾種常見的AI應用類型：
1. 文字AI應用；
2. 圖像AI應用；
3. 音訊／語音AI應用；
4. 影像AI應用；
5. 複雜格式AI應用；
6. 總結：隨著AI應用蓬勃發展，多模態終將成為日常風景。
在電腦的世界裡，資料不只是單純的數字或文字，而是需要被有系統地組織與管理，才能有效地被儲存、搜尋與處理。這一章的重點，就是理解電腦如何「整理資料」──也就是資料結構（Data Structure）。
陣列（Array）與串列（List）開始，了解如何在記憶體中連續或分散地儲存資料。接著會介紹佇列（
1990 年，提姆·柏內茲-李 (Tim Berners-Lee) 在 CERN 寫下了全球資訊網 (World Wide Web) 的第一個標準。1993 年，Mosaic 瀏覽器誕生，讓網際網路從學術象牙塔走入了尋常百姓家。隨之而來的，是人類歷史上從未有過的資訊大爆炸。
1970 年代，電腦走出實驗室，進入全球商業。但隨著軟體規模的爆炸性增長，程式碼變得難以維護，引發了「軟體危機」。為解決這場混亂，Niklaus Wirth 和 Tony Hoare 等先驅提出了「抽象資料型態」(ADT) 革命，將資料結構從零散的技巧「封裝」成可靠的工程模組。
1960 年代，電腦走出純粹計算室，進入企業、大學與國防核心。軟體系統（如作業系統、編譯器）的複雜度爆炸增長，50 年代的陣列與鏈結串列已不敷使用。這個時代見證了第一次大分歧：一派是以高德納 (Donald Knuth) 為首的「理論派」，他們從數學中借來「樹」(Tree) 與「圖」(Graph)。
在 1950 年代，電腦是重達數噸、處理能力不如現代計算機的巨型機械。在那個「資料結構」一詞尚不存在的年代，程式設計師只有一個最直觀的工具：陣列 (Array)，它將資料如士兵般整齊排列。然而，當 Allen Newell 與 Herbert Simon 試圖打造能「思考」的程式時，這套系統崩潰了。
「快取未命中 」是 CPU 的效能殺手。當 CPU 在高速小冰箱（快取）中找不到資料，就必須停工，去慢速大倉庫（RAM）取貨，這會導致 100 倍的延遲。三種主要元兇：不可避免的「強制性失誤」（冷啟動）、因資料太多導致的「容量性失誤」（冰箱太小），以及最棘手的「衝突性失誤」（儲存規則衝突）。
BST 是 O(log N) 搜尋的「理論原型」，但輸入有序時會退化成 O(N)。Treap 巧妙地加入「隨機優先級」，利用機率來維持樹的統計平衡，是對演算法的優化。B-Tree 則是為了解決硬碟 I/O 緩慢的「硬體現實」而生，它使用極度「矮胖」的巨大節點，大幅降低樹高，是現代資料庫的基石。
本文深入探討了演算法分析中「平均情況分析」與「攤銷分析」的根本區別。文章以動態陣列和快速排序為例，生動地闡述了前者基於機率，提供的是對隨機輸入的期望值，允許極端情況的存在；後者則基於操作序列，直面最壞情況，提供的是對整體效能的保證。
探討為何在相同的 Big O 時間複雜度下，Array 的執行速度遠超 Linked List。文章深入剖析 CPU Cache 的運作原理，包括時間局部性與空間局部性，以及快取命中未命中的影響，解釋 Array 如何連續記憶體配置優化快取效能，而 Linked List 則因指標跳躍導致效能低落。