feat: added ukr translations for bloom filter, Disjoint Set, Doubly Linked List (trekhleb#957)

alexanderkhivrych · trekhleb · web-flow · commit e62572648c42 · 2022-11-10T15:02:29.000+01:00
Co-authored-by: Oleksii Trekhleb &lt;trehleb@gmail.com&gt;
diff --git a/src/data-structures/bloom-filter/README.md b/src/data-structures/bloom-filter/README.md
@@ -2,38 +2,39 @@
 
 _Read this in other languages:_
 [_Русский_](README.ru-RU.md),
-[_Português_](README.pt-BR.md)
+[_Português_](README.pt-BR.md),
+[_Українська_](README.uk-UA.md)
 
-A **bloom filter** is a space-efficient probabilistic 
-data structure designed to test whether an element 
-is present in a set. It is designed to be blazingly 
+A **bloom filter** is a space-efficient probabilistic
+data structure designed to test whether an element
+is present in a set. It is designed to be blazingly
 fast and use minimal memory at the cost of potential
 false positives. False positive matches are possible,
 but false negatives are not – in other words, a query
 returns either "possibly in set" or "definitely not in set".
 
-Bloom proposed the technique for applications where the 
+Bloom proposed the technique for applications where the
 amount of source data would require an impractically large
-amount of memory if "conventional" error-free hashing 
+amount of memory if "conventional" error-free hashing
 techniques were applied.
 
 ## Algorithm description
 
-An empty Bloom filter is a bit array of `m` bits, all 
+An empty Bloom filter is a bit array of `m` bits, all
 set to `0`. There must also be `k` different hash functions
-defined, each of which maps or hashes some set element to 
-one of the `m` array positions, generating a uniform random 
-distribution. Typically, `k` is a constant, much smaller 
-than `m`, which is proportional to the number of elements 
-to be added; the precise choice of `k` and the constant of 
-proportionality of `m` are determined by the intended 
+defined, each of which maps or hashes some set element to
+one of the `m` array positions, generating a uniform random
+distribution. Typically, `k` is a constant, much smaller
+than `m`, which is proportional to the number of elements
+to be added; the precise choice of `k` and the constant of
+proportionality of `m` are determined by the intended
 false positive rate of the filter.
 
-Here is an example of a Bloom filter, representing the 
-set `{x, y, z}`. The colored arrows show the positions 
-in the bit array that each set element is mapped to. The 
-element `w` is not in the set `{x, y, z}`, because it 
-hashes to one bit-array position containing `0`. For 
+Here is an example of a Bloom filter, representing the
+set `{x, y, z}`. The colored arrows show the positions
+in the bit array that each set element is mapped to. The
+element `w` is not in the set `{x, y, z}`, because it
+hashes to one bit-array position containing `0`. For
 this figure, `m = 18` and `k = 3`.
 
 ![Bloom Filter](https://upload.wikimedia.org/wikipedia/commons/a/ac/Bloom_filter.svg)
diff --git a/src/data-structures/bloom-filter/README.uk-UA.md b/src/data-structures/bloom-filter/README.uk-UA.md
@@ -0,0 +1,54 @@
+# Фільтр Блума
+
+**Фільтр Блума** - це просторово-ефективна ймовірна структура даних, створена для перевірки наявності елемента
+у множині. Він спроектований неймовірно швидким за мінімального використання пам'яті ціною потенційних помилкових спрацьовувань.
+Існує можливість отримати хибнопозитивне спрацьовування (елемента в безлічі немає, але структура даних повідомляє,
+що він є), але не хибнонегативне. Іншими словами, черга повертає або "можливо в наборі", або "певно не
+у наборі". Фільтр Блума може використовувати будь-який обсяг пам'яті, проте чим він більший, тим менша вірогідність помилкового
+спрацьовування.
+
+Блум запропонував цю техніку для застосування в областях, де кількість вихідних даних потребувала б непрактично багато
+пам'яті, у разі застосування умовно безпомилкових технік хешування.
+
+## Опис алгоритму
+
+Порожній фільтр Блума представлений бітовим масивом з `m` бітів, всі біти якого обнулені. Має бути визначено `k`
+незалежних хеш-функцій, що відображають кожен елемент множини в одну з `m` позицій у масиві, генеруючи однакове
+випадковий розподіл. Зазвичай `k` задана константою, яка набагато менше `m` і пропорційна
+кількості елементів, що додаються; точний вибір `k` та постійної пропорційності `m` визначаються рівнем хибних
+спрацьовувань фільтра.
+
+Ось приклад Блум фільтра, що представляє набір `{x, y, z}`. Кольорові стрілки показують позиції в бітовому масиві,
+яким прив'язаний кожен елемент набору. Елемент `w` не в наборі `{x, y, z}`, тому що він прив'язаний до позиції в бітовому
+масиві, що дорівнює `0`. Для цієї форми, `m = 18`, а `k = 3`.
+
+Фільтр Блума є бітовий масив з `m` біт. Спочатку, коли структура даних зберігає порожню множину, всі
+m біт обнулені. Користувач повинен визначити `k` незалежних хеш-функцій `h1`, …, `hk`,
+що відображають кожен елемент в одну з m позицій бітового масиву досить рівномірним чином.
+
+Для додавання елемента e необхідно записати одиниці на кожну з позицій `h1(e)`, …, `hk(e)`
+бітового масиву.
+
+Для перевірки приналежності елемента `e` до безлічі елементів, що зберігаються, необхідно перевірити стан бітів
+`h1(e)`, …, `hk(e)`. Якщо хоча б один з них дорівнює нулю, елемент не може належати множині
+(інакше при його додаванні всі ці біти були встановлені). Якщо вони рівні одиниці, то структура даних повідомляє,
+що `е` належить безлічі. При цьому може виникнути дві ситуації: або елемент дійсно належить множині,
+або всі ці біти виявилися встановлені випадково при додаванні інших елементів, що і є джерелом помилкових
+спрацьовувань у цій структурі даних.
+
+![Фільтр Блума](https://upload.wikimedia.org/wikipedia/commons/a/ac/Bloom_filter.svg)
+
+## Застосування
+
+Фільтр Блума може бути використаний для блогів. Якщо мета полягає в тому, щоб показати читачам лише ті статті,
+які вони ще не бачили, фільтр блуму ідеальний. Він може містити значення, що хешуються, відповідні статті. Після
+того, як користувач прочитав кілька статей, вони можуть бути поміщені у фільтр. Наступного разу, коли користувач
+відвідає сайт, ці статті можуть бути вилучені з результатів за допомогою фільтра.
+
+Деякі статті неминуче будуть відфільтровані помилково, але ціна прийнятна. Те, що користувач не побачить дещо
+статей цілком прийнятно, беручи до уваги той факт, що йому завжди показуються інші нові статті при кожному
+новому відвідуванні.
+
+## Посилання
+
+- [Wikipedia](https://uk.wikipedia.org/wiki/%D0%A4%D1%96%D0%BB%D1%8C%D1%82%D1%80_%D0%91%D0%BB%D1%83%D0%BC%D0%B0)
diff --git a/src/data-structures/disjoint-set/README.md b/src/data-structures/disjoint-set/README.md
@@ -2,22 +2,22 @@
 
 _Read this in other languages:_
 [_Русский_](README.ru-RU.md),
-[_Português_](README.pt-BR.md)
+[_Português_](README.pt-BR.md),
+[_Українська_](README.uk-UA.md)
 
-
-**Disjoint-set** data structure (also called a union–find data structure or merge–find set) is a data 
-structure that tracks a set of elements partitioned into a number of disjoint (non-overlapping) subsets. 
-It provides near-constant-time operations (bounded by the inverse Ackermann function) to *add new sets*, 
-to *merge existing sets*, and to *determine whether elements are in the same set*. 
+**Disjoint-set** data structure (also called a union–find data structure or merge–find set) is a data
+structure that tracks a set of elements partitioned into a number of disjoint (non-overlapping) subsets.
+It provides near-constant-time operations (bounded by the inverse Ackermann function) to _add new sets_,
+to _merge existing sets_, and to _determine whether elements are in the same set_.
 In addition to many other uses (see the Applications section), disjoint-sets play a key role in Kruskal's algorithm for finding the minimum spanning tree of a graph.
 
 ![disjoint set](https://upload.wikimedia.org/wikipedia/commons/6/67/Dsu_disjoint_sets_init.svg)
 
-*MakeSet* creates 8 singletons.
+_MakeSet_ creates 8 singletons.
 
 ![disjoint set](https://upload.wikimedia.org/wikipedia/commons/a/ac/Dsu_disjoint_sets_final.svg)
 
-After some operations of *Union*, some sets are grouped together.
+After some operations of _Union_, some sets are grouped together.
 
 ## References
 
diff --git a/src/data-structures/disjoint-set/README.uk-UA.md b/src/data-structures/disjoint-set/README.uk-UA.md
@@ -0,0 +1,22 @@
+# Система неперетинних множин
+
+**Система неперетинних множин** це структура даних (також звана структурою даної пошуку перетину або
+безліччю пошуку злиття), яка управляє безліччю елементів, розбитих на кілька підмножин, що не перетинаються.
+Вона надає близько-константний час виконання операцій (обмежений зворотною функцією Акерманна) за додаванням
+нових множин, *злиття існуючих множин і *випередження, чи відносяться елементи до одного і того ж безлічі.
+
+Застосовується для зберігання компонентів зв'язності в графах, зокрема, алгоритму Фарбала необхідна подібна структура
+даних для ефективної реалізації.
+
+Основні операції:
+
+- _MakeSet(x)_ - створює одноелементне безліч {x},
+- _Find(x)_ - повертає ідентифікатор множини, що містить елемент x,
+- _Union(x,y)_ - об'єднання множин, що містять x та y.
+
+Після деяких операцій _об'єднання_, деякі множини зібрані разом
+
+## Посилання
+
+- [СНМ на Wikipedia](https://uk.wikipedia.org/wiki/%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D0%B0_%D0%BD%D0%B5%D0%BF%D0%B5%D1%80%D0%B5%D1%82%D0%B8%D0%BD%D0%BD%D0%B8%D1%85_%D0%BC%D0%BD%D0%BE%D0%B6%D0%B8%D0%BD)
+- [СНМ на YouTube](https://www.youtube.com/watch?v=5XwRPwLnK6I)
diff --git a/src/data-structures/doubly-linked-list/README.md b/src/data-structures/doubly-linked-list/README.md
@@ -7,6 +7,7 @@ _Read this in other languages:_
 [_Português_](README.pt-BR.md),
 [_한국어_](README.ko-KR.md),
 [_Español_](README.es-ES.md),
+[_Українська_](README.uk-UA.md)
 
 In computer science, a **doubly linked list** is a linked data structure that
 consists of a set of sequentially linked records called nodes. Each node contains
@@ -20,7 +21,7 @@ but in opposite sequential orders.
 
 ![Doubly Linked List](./images/doubly-linked-list.jpeg)
 
-*Made with [okso.app](https://okso.app)*
+_Made with [okso.app](https://okso.app)_
 
 The two node links allow traversal of the list in either direction. While adding
 or removing a node in a doubly linked list requires changing more links than the
@@ -104,9 +105,9 @@ end Reverse Traversal
 
 ## Time Complexity
 
-| Access    | Search    | Insertion | Deletion  |
-| :-------: | :-------: | :-------: | :-------: |
-| O(n)      | O(n)      | O(1)      | O(n)      |
+| Access | Search | Insertion | Deletion |
+| :----: | :----: | :-------: | :------: |
+|  O(n)  |  O(n)  |   O(1)    |   O(n)   |
 
 ### Space Complexity
 
diff --git a/src/data-structures/doubly-linked-list/README.uk-UA.md b/src/data-structures/doubly-linked-list/README.uk-UA.md
@@ -0,0 +1,109 @@
+# Двобічно зв'язаний список
+
+**Двобічно зв'язаний список** — зв'язкова структура даних в інформатиці, що складається з набору
+послідовно пов'язаних записів, званих вузлами. Кожен вузол містить два поля,
+званих посиланнями, які вказують на попередній і наступний елементи
+послідовність вузлів. Посилання на попередній елемент кореневого вузла та посилання на
+Наступний елемент останнього вузла вказують на деякого роду переривник, зазвичай
+сторожовий вузол або null для полегшення обходу списку. Якщо у списку лише один
+сторожовий вузол, тоді перелік циклічно пов'язаний через нього.
+Двобічно зв'язаний список можна уявити, як два зв'язкові списки, які утворені з
+одних і тих самих даних, але розташованих у протилежному порядку.
+
+![Двобічно зв'язаний список](./images/doubly-linked-list.jpeg)
+
+_Made with [okso.app](https://okso.app)_
+
+Два посилання дозволяють обходити список в обох напрямках. Додавання та
+видалення вузла у двозв'язному списку вимагає зміни більшої кількості посилань,
+ніж аналогічні операції у зв'язковому списку. Однак дані операції простіше та потенційно
+більш ефективні (для некореневих вузлів) – при обході не потрібно стежити за попереднім
+вузлом або повторно обходити список у пошуку попереднього вузла, плюс його посилання
+може бути змінено.
+
+## Псевдокод основних операцій
+
+### Вставка
+
+```text
+Add(value)
+  Pre: value - значення, що додається
+  Post: value поміщено в кінець списку
+  n ← node(value)
+  if head = ø
+    head ← n
+    tail ← n
+  else
+    n.previous ← tail
+    tail.next ← n
+    tail ← n
+  end if
+end Add
+```
+
+### Видалення
+
+```text
+Remove(head, value)
+  Pre: head - перший вузол у списку
+       value - значення, яке слід видалити
+  Post: true - value видалено зі списку, інакше false
+  if head = ø
+    return false
+  end if
+  if value = head.value
+    if head = tail
+      head ← ø
+      tail ← ø
+    else
+      head ← head.next
+      head.previous ← ø
+    end if
+    return true
+  end if
+  n ← head.next
+  while n = ø and value = n.value
+    n ← n.next
+  end while
+  if n = tail
+    tail ← tail.previous
+    tail.next ← ø
+    return true
+  else if n = ø
+    n.previous.next ← n.next
+    n.next.previous ← n.previous
+    return true
+  end if
+  return false
+end Remove
+```
+
+### Зворотний обхід
+
+```text
+ReverseTraversal(tail)
+  Pre: tail - кінцевий елемент обхідного списку
+  Post: елементи списку пройдено у зворотному порядку
+  n ← tail
+  while n = ø
+    yield n.value
+    n ← n.previous
+  end while
+end Reverse Traversal
+```
+
+## Складність
+
+## Часова складність
+
+| Читання | Пошук | Вставка | Видалення |
+| :-----: | :---: | :-----: | :-------: |
+|  O(n)   | O(n)  |  O(1)   |   O(n)    |
+
+### Просторова складність
+
+O(n)
+
+## Посилання
+
+- [Wikipedia](https://uk.wikipedia.org/wiki/%D0%94%D0%B2%D0%BE%D0%B1%D1%96%D1%87%D0%BD%D0%BE_%D0%B7%D0%B2%27%D1%8F%D0%B7%D0%B0%D0%BD%D0%B8%D0%B9_%D1%81%D0%BF%D0%B8%D1%81%D0%BE%D0%BA#:~:text=%D0%94%D0%B2%D0%BE%D0%B1%D1%96%D1%87%D0%BD%D0%BE%20%D0%B7%D0%B2'%D1%8F%D0%B7%D0%B0%D0%BD%D0%B8%D0%B9%20%D1%81%D0%BF%D0%B8%D1%81%D0%BE%D0%BA%20%E2%80%94%20%D0%B2%D0%B8%D0%B4,%D0%BD%D0%B0%20%D0%BF%D0%BE%D0%B4%D0%B0%D0%BB%D1%8C%D1%88%D0%B8%D0%B9%20%D0%B2%D1%83%D0%B7%D0%BE%D0%BB%20%D1%83%20%D1%81%D0%BF%D0%B8%D1%81%D0%BA%D1%83.)
