ntro.ca

        • Contrats de classe
        • Liens utiles
        • Calendrier
        • Calendrier groupe 2
        • Calendrier groupes 1, 3
        • Structure du cours
        • Évaluations
        • Matériel à se procurer
        • Les profs
          • Marc-Olivier Tremblay
          • Mathieu Bergeron
        • Module 1.1: installation + trier des cartes
        • Module 1.2: rappels POO
        • Module 1.3: tableau d'objets
        • Examen 1
        • Module 2.1: données JSON
        • Module 2.2: données en Java
        • Module 2.3: récursivité
        • Examen 2
        • Module 3.1: structure générique
        • Module 3.2: efficacité (1)
        • Module 3.3: efficacité (2)
        • Examen 3
        • Module 4.1: liste naïve
        • Module 4.2: liste par tableau
        • Module 4.3: liste chaînée
        • Examen 4
        • Module 5.1: mappage naïf
        • Module 5.2: mappage par hachage
        • Module 5.3: mappage par arbre
        • Examen 5
        • Équipes
          • Horaire groupe 1
          • Horaire groupe 2
          • Horaire groupe 3
          • Groupe 1
          • Groupe 2
          • Groupe 3
        • Projets vedettes 2022
        • Projets vedettes 2023
        • Projets vedettes 2024
        • Projets vedettes 2025
        • Survol
        • Structure
        • Calendrier
        • Calendrier des séances
        • Évaluations
        • Exemples de jeu
        • Exemples de pages
        • Réponses à vos questions
        • Module 1: créer le projet
        • Module 2: concevoir l'application
        • Module 3: vues NtroFx
        • Module 4: modèle et navigation
        • Module 5: ajouter le dorsal, modifier le modèle
        • Module 7: améliorer l'affichage
        • Module 8: jeu en 2d
        • Module 9: client/serveur
        • Module 10: plusieurs instances du même modèle
        • TP1
        • Examen 1
        • TP2
        • Examen 2
        • Projet de fin de session
        • Calendrier
        • Structure du cours
        • Évaluations
        • Contrat de classe
        • Le prof
        • 01: Windows et Word
          • Astuces et raccourcis
        • 02: Word
        • 03: Word
          • Exercice Word: insertion d'éléments spéciaux
          • Exercice Word: tableaux
        • 04: Word
          • Exercice Word: références
          • TP01: Word (15%)
        • 05: PowerPoint
          • TP02: PowerPoint (10%)
        • 06: Examen Word (20%)
        • 07: Excel
        • 08: Excel
        • 09: Excel
          • TP03: Excel (15%)
        • 10: Excel
        • 11: Examen Excel (20%)
        • 12: Access
        • 13: Access
        • 14: Access
        • 15: Examen Access
      • Sondage H2023 (dept. info)
      • Vision H2023 (dept. info)
      • P1) exercices interactifs de lecture
      • P2) transition Excel vers Python
        • Atelier 2: un exemple
      • Jquery
      • Jquery Ui
      • Point de vue sur l'IA
    Theorie
    • Théorie 5.4: map avec arbre
      • Problème d’efficacité
      • S’assurer d’avoir des arbres équilibrés
      • Performance en pratique

    Théorie 5.4: map avec arbre #

    • On peut implanter un map avec un arbre binaire de recherche

      • (voir la théorie sur la notion d'arbre)
    • Il faut que chaque noeud soit une paire

    • Considérer le map {0:'w', 1:'h', 2:'t', 3:'d', 4:'a', 5:'z', 6:'h'}

    • Voici l’arbre avec uniquement les clés:

      • RAPPEL:
        • chaque noeud a au plus deux enfants
        • à gauche il y a toujours des valeurs plus petites
        • à droite il y a toujours des valeurs plus grandes
    • Pour faire un map, il faut mémoriser des paires clé/valeur

      • mais quand même chercher avec la clé
    • Donc, on va:
      • trouver un noeud en cherchant la clé
      • une fois le noeud trouvé, on va obtenir ou modifier la valeur

    Problème d’efficacité #

    • Pour que la recherche soit efficace, il faut que l’arbre soit équilibré

      • c-à-d l’abre doit être aussi gros à gauche qu’à droite
      • comme ça on peut utiliser l’approche «diviser pour régner»
        • c-à-d diviser la recherche en deux à chaque étape
    • Par exemple, l’arbre suivant est valide, mais ne permet pas de recherche efficace:

    • Dans le cas ci-haut, la recherche n’est pas plus effiace que pour une liste chaînée

    S’assurer d’avoir des arbres équilibrés #

    • Selon l’ordre d’insertion, l’arbre sera équilibré ou non.

    • Si on insère 3,1,5,0,2,4,6, l’arbre est équilibré:

    arbre.inserer(3)
    arbre.inserer(1)
    arbre.inserer(5)
    arbre.inserer(0)
    arbre.inserer(2)
    arbre.inserer(4)
    arbre.inserer(6)
    • Mais si on insère 6,5,4,3,2,1,0, l’arbre est complétement déséquilibré
    arbre.inserer(6)
    arbre.inserer(5)
    arbre.inserer(4)
    arbre.inserer(3)
    arbre.inserer(2)
    arbre.inserer(1)
    arbre.inserer(0)
    • Évidement, on a pas de contrôle sur l’ordre d’insertion des éléments

    • La solution est de ré-équilibrer l’arbre après chaque insertion

    arbre.inserer(3)
    arbre.inserer(1)
    arbre.inserer(0)
    arbre.equilibrer()
    • L’opération pour équilibrer l’arbre est appelée une rotation

      • p.ex. pour l’arbre ci-haut:
        • le 3 tourne vers la droite et descend
        • le 1 tourne vers la droite et monte
        • le 0 tourne vers la droite et suit le 1
    • Si on équilibre à chaque insertion, ce n’est pas coûteux en temps

      • c’est par contre délicat à coder

    Performance en pratique #

    • En général, un peu moins bon qu’une table de hachage

    • Mais prend moins d’espace mémoire

    • RAPPEL: l’efficacité de la table de hachage peut varier selon la taille de la table et la fonction de hachage
    Creative Commons License Creative Commons Attribution Creative Commons ShareAlike
    • Théorie 5.4: map avec arbre
      • Problème d’efficacité
      • S’assurer d’avoir des arbres équilibrés
      • Performance en pratique