Laika intervālu apstrādes algoritmu analīze
Author
Jevtejeva, Jekaterina
Co-author
Latvijas Universitāte. Datorikas fakultāte
Advisor
Zuters, Jānis
Date
2023Metadata
Show full item recordAbstract
Meklēšana diapazonā ir problēma, kuras pamatā ir punktu vai citu objektu, kas pārklājas ar doto vaicājuma diapazonu, efektīva meklēšana. Kad meklējamie objekti ir intervāli, visplašāk izmantotā datu struktūra ir Interval tree – intervāliem optimizēta datu struktūra. Attīstot kursa darbā piedāvāto ideju par laika intervālu reprezentāciju plaknes punktu veidā un turpmāk pielāgojot autores izstrādāto meklēšanas algoritmu, kas balstās telpisku datu struktūrā R-tree, bakalaura darbā tiek piedāvāti k-d tree un R*-tree bāzētie algoritmi. Darba teorētiskā daļa ir veltīta piecu laika intervālu meklēšanas algoritmu - pilnās pārlases, k-d tree, R-tree, R*- tree un Interval tree - darbības principu un to pamatā esošo datu struktūru īpašību izpētei, savukārt darba eksperimentālajā daļā algoritmi tiek darbināti un salīdzināti uz dažādām intervālu datu kopām un vaicājumu diapazoniem. Darba rezultātā piedāvāts intervālu meklēšanas algoritmu salīdzinošais novērtējums. Range searching is a problem based on the efficient search of points or other objects that overlap a given query range. When the objects to be searched are intervals, the most widely used data structure is Interval tree - a data structure optimized for intervals. By developing the idea of the representation of time intervals in the form of plane points proposed in the coursework and further adapting the search algorithm developed by the author, which is based on the spatial data structure R-tree, the k-d tree and R*-tree-based algorithms are proposed in the bachelor thesis. The theoretical part of the work is devoted to the study of the operating principles and properties of the underlying data structures of five time interval search algorithms - exhaustive search, k-d tree, R-tree, R*-tree and Interval tree, while in the experimental part of the work the algorithms are run and compared on different interval datasets and query ranges. As the result of the work, a comparative evaluation of interval search algorithms is offered.