Introducción
Grafos y Árboles: Estructuras de Datos Avanzadas
Estructuras de Datos: Introducción a Árboles y Sus Propiedades
Recursión: Concepto y Aplicaciones Prácticas con Ejemplos
Aplicaciones Prácticas de Grafos en Tecnología e Industria
Representación de Grafos: Matriz y Lista de Adyacencia
DFS
Búsqueda en Profundidad (DFS) en Árboles y Grafos
Implementación de DFS recursivo para búsqueda en árboles
Búsqueda en Profundidad (DFS) para Grafos: Enfoque Iterativo y Recursivo
Recorridos y Profundidad en Árboles Binarios y Enearios
Suma de Caminos en Árboles Binarios
Suma de Números de Raíz a Hoja en Árboles
Playground: Sum Root to Leaf Numbers
Implementación de Algoritmo DFS en Árboles Binarios con Golang
Resolución del Problema de Número de Islas con DFS
Conteo de Islas en Matrices con DFS
Playground: Number of Islands
Implementación de "Número de Islas" con Recursión en Python
Ejercicios Prácticos de Búsqueda en Profundidad (DFS)
Algoritmos de Búsqueda en Profundidad (DFS) en Problemas Comunes
BFS
Algoritmo BFS: Recorrido en Anchura de Grafos y Árboles
Implementación de BFS en Árboles usando Python
Movimiento mínimo de caballo en ajedrez infinito
Resolviendo el Problema Mínimo de Movimiento del Caballo en Ajedrez
Playground: Minimum Knights Moves
Resolución de Problemas de Caballos de Ajedrez con BFS en Python
Propagación de Plagas en Cultivos: Cálculo de Días para Contagio Total
Resolución de Rotting Oranges usando BFS
Playground: Rotting Oranges
Propagación de Plagas en Matrices usando BFS en Java
Construcción de Puentes Cortos entre Islas en Matrices Binarias
Resolución del Problema Shortest Bridge con DFS y BFS
Playground: Shortest Bridge Between Islands
Búsqueda del camino más corto entre islas usando BFS en Python
Búsqueda en anchura: Ejercicios prácticos y aplicaciones
Ejercicios avanzados de búsqueda en anchura (BFS) en programación
Backtrack
Algoritmo Backtracking: Solución de Problemas Complejos
Combinaciones de Letras en Números Telefónicos
Combinaciones de Letras a partir de un Número de Teléfono
Generación de combinaciones de letras con teclados numéricos en C++
Playground: Letter Combinations of a Phone Number
Generación de Direcciones IP Válidas a partir de Cadenas Numéricas
Generación de IPs válidas con backtracking en C++
Playground: Restore IP Addresses
Búsqueda de Palabras en Matrices: Solución y Complejidad
Búsqueda de Palabras en Matrices usando Backtracking y DFS
Playgrund: Word Search
Implementación de búsqueda de palabras en matrices con DFS en JavaScript
Resolución del problema de las n reinas en ajedrez
Ejercicios de Backtracking: Combinaciones y Permutaciones
Combinaciones y Permutaciones con Backtracking
Próximos pasos
Algoritmos de Grafos: MIN/MAX-HIP, TRI, Topological Sort y Dijkstra
Algoritmos y Estructuras de Datos en la Ingeniería
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Al profundizar en estructuras de datos, es fundamental conocer los MIN-HIP y MAX-HIP, tipos especializados de árboles utilizados para implementar colas de prioridad. Estos árboles permiten organizar los datos según su prioridad de manera eficiente.
Estas estructuras son vitales cuando necesitas extraer los "N" elementos más grandes, más pequeños, más largos o más cortos. El insertar un nuevo valor tiene una complejidad temporal de LOG N en el peor de los casos. Esto es porque se debe reestructurar el árbol para mantener el orden y la prioridad adecuadas.
El TRIE es una estructura de datos útil y eficiente, particularmente en tareas relacionadas con el almacenamiento y búsqueda de palabras. Su diseño particular se adecua a diversas aplicaciones:
Este árbol comienza con una raíz, que puede considerarse un asterisco (*), y a partir de ahí, se expanden distintas ramas representando letras de palabras. Un nodo especial marca el final de una palabra, por ejemplo, el símbolo de numeral (#). El TRIE organiza palabras compartiendo prefijos comunes en sus caminos, haciendo que las búsquedas de palabras comiencen desde el nodo de ese prefijo específico.
Explorar algoritmos utiliza las estructuras de grafos para resolver problemas diversos. Aquí, te presento dos algoritmos fundamentales y sus aplicaciones:
El Topological Sort es clave para organizar grafos basada en sus dependencias. Considera las siguientes aplicaciones:
Este algoritmo permite identificar ciclos en un grafo, indicando dependencias infinitas o redundantes.
Dijkstra es fundamental para encontrar caminos mínimos o más cortos en un grafo. A diferencia de simplemente contar nodos, incorpora pesos y variables que influyen en el camino:
Este algoritmo transforma problemas abstractos en soluciones prácticas, como calcular la ruta que tarda menos tiempo mediante evaluación de pesos en las conexiones de un grafo.
¡Espero que estas discusiones enriquezcan tu entendimiento sobre estructuras de datos y algoritmos! Continúa aprendiendo y explorando nuevas aplicaciones en el fascinante mundo de los algoritmos.
Aportes 4
Preguntas 0
Un gran curso!
Ahora con el ejemplo del lego, tambien es un caso de una pila, donde no puedo sacar una ficha de enemedio si no quito las fichas que estan arriba.
Otro ejemplo es un torre de Hanoi, donde tengo que pasar los elementos de la torre entre cada estaca, sin que uno más grande este encima de uno chico.
Ambos siguen el caso de las pilas LIFO (Last-in, First-out o último en entrar, primero en salir).
Me encanta el ejemplo del lego.
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?