（1.4.2）数据结构类

1 以下哪种结构，平均来讲获取任意一个指定值最快？

A、二叉排序树	B、哈希表	C、栈	D、队列

B、哈希表 维护成本越高，查询越快

数组类

基本定义

1. 数组存储矩阵，用于矩阵乘法
   则两个都按照行优先比较好，可以使用Strassen矩阵相乘发，时间复杂度降低为O（n2.81），用分治的思想将矩阵分块计算

2. 二维数组并不是 数组元素为线性表的线性表。
   二维数组是顺序存储的线性表，其元素都是线性表的元素

3. 二维数组可以不指定1维，但不可以不指定2维的长度

4. 线性表是具有n个(数据元素)的有限序列(n>0)

5. 每种数据结构都应具备三种基本运算：插入、删除。
   没有搜索，譬如栈、队列

6. 二维数组是默认的存储模式是行优先存储，也就是每行的数据都是连续的，而每列的数据是不连续的，所以按行访问更快。

7. 三对角矩阵，第一行是2个元素，下面都是3个
   将一个A[1..100,1..100]的三对角矩阵,按行优先存入一维数组B[1..298]中,A中元素A6665(即该元素下标i=66,j=65),在B数组中的位置K为(195)=（2+（66-1-1）*3）+1；
   66行第65个其实是第66行第一个元素
   

矩阵压缩

1. 稀疏矩阵的压缩存储：三元组和十字链表法

2. 稀疏矩阵压缩存储后,必会失去随机存取功能

3. 三元组：三元组表示法要求按行有序存储。所以，交换下标后，还要重新排序。
   三元组转置： （1）将数组的行列值相互交换 （2）将每个三元组的i和j相互交换 （3）重排三元组的之间的次序便可实现矩阵的转置

4. 三元组除了存储元组信息外，还要占有3个int: 行数，列数，元素个数

循环与查找

1. 循环嵌套的时候，内层循环要比外层循环块；
   所以要尽量减小外层循环执行的次数—->外层循环数越小，效率越高

2. 在一个有8个int数据的数组中，随机给出数组的数据，找出最大和第二大元素一定需要进行（9）次比较
   比如 A B C D E F G H，通过8进4的方式，A与B比较， C与D比较…..然后再4进2，A与C比较（假设A,C比B,D大），E与G比较。再2进1，比如A与E比较（假设A，E比C,G大）选出最大的A，总共7次。
   然后次大的数一定是被最大数PK下去的，所以再选B C E三个比较2次得到次大的数
   
   再选 BCE中最大的（2次），共9次，不过可以这个方法比较次数是少一点，但是所需要的空间大，要记下与沿途的最大值比较的数。

3. 周期性数组
   一个有序数列，序列中的每一个值都能够被2或者3或者5所整除，这个序列的初始值从1开始，但是1并不在这个数列中。求第1500个值是多少？
   2、3、5的最小公倍数是30。[ 1, 30]内符合条件的数有22个。如果能看出[ 31, 60]内也有22个符合条件的数，那问题就容易解决了。也就是说，这些数具有周期性，且周期为30.
   第1500个数是：1500/22=68 1500%68=4。也就是说：第1500个数相当于经过了68个周期，然后再取下一个周期内的第4个数。一个周期内的前4个数：2,3,4,5。
   故，结果为68*30=2040+5=2045

4. 一个5*4的矩阵，有多少个长方形=150
   长任取两个点C(6,2)宽任取两个点C(5,2) = 15 10 = 150

字符串 和 广义表

定义类

1. 空串是任意字符串的子串；本身也是本身的子串；子串个数=n*(n+1)/2

2. 空串与空格串

3. 串既可以采用顺序存储,也可以采用链式存储

4. 转义字符
   注意 \ \ 表示字符 \
   \123表示字符 {
   \t 表示制表符
   这些都是一个字符，占1个字节

5. 对长度为无穷大的广义表,由于存储空间的限制,不能在计算机中实现

基本函数

1. strcat(*p1,*p2) 将p2指向的字符串拼接到p1指向字符串位置的后边，注意p1的位置要足够，否则报错
   char *p1 = ”123”, *p2 = ”ABC”
   strcat(p1, p2) 报错，因为p1没位置了

模式匹配

1. KMP中修正后的 Nextval[i]
   从 nextval[1] 开始，如果某位(字符)与它 next 值指向的位(字符)相同，则该位的 nextval 值就是指向位的 nextval 值(nextval[i] = nextval[ next[i] ])；如果不同，则该位的 nextval 值就是它自己的 next 值(nextvalue[i] = next[i])。

2. KMP算法的特点是在模式匹配时指示主串的指针不会变小
   -（1.2.3）串的结构定义和模式匹配

java的String、StringBuffer、StringBuilder

1. String、StringBuffer的Object
   String重写了Object的equals()，所以只需要看内容是否相等即可，但是StringBuffer没有重写equals()，此处的equals()仍然是调用的Object类的，所以，调用StringBuffer类的equals()，只有地址和内容都相等的字符串，结果才会返回true。

2. String、StringBuffer效率比较
   效率比较String < StringBuffer < StringBuilder，但是在 String S1 = “This is only a” + “ simple” + “ test”时，String效率最高。

3. String、StringBuffer存储空间
   String类在追加的时候，源字符串不变（这就是为什么说String是不可变的字符串类型），和新串连接后，重新开辟一个内存。这样就会造成每次连接一个新串后，都会让之前的串报废，因此也造成了不可避免的内存泄露
   StringBuffer则不会，自动追加

4. StringBuffer的capacity()
   capacity()获取的是当前缓冲区的大小

链表

定义

1. 单链表中,增加一个头结点的目的是为了方便运算的实现
2. 用单链表表示的链式队列的队头在链表的链头位置

栈和队列

定义

1. 栈具有记忆功能，队列没有
   记忆功能是指记录最后一个存入操作的数
   栈的特点是先进栈的后出栈，后进栈的先出栈，所以你对一个栈进行出栈操作，出来的元素肯定是你最后存入栈中的元素，所以栈有记忆功能 。
   而队列是先进先出，你取队列的第一个元素，得到的是你最先存入队列的元素，而不是上一个存入队列的元素，所以没有记忆功能

2. 循环队列是队列的顺序存储结构

树和二叉树

定义

红黑树、B+、B-树

1. 红黑树插入操作的平均时间复杂度为O(logn)，最坏时间复杂度为O(logn)

2. B+树插入操作的平均时间复杂度为O(logn)，最坏时间复杂度为O(logn)

3. 平衡二叉树的各项操作的时间复杂度为O（logn）

堆

定义

1. 堆不一定是一棵平衡二叉树。 堆的形状是一颗完全二叉树
   虽然我们经常看到的堆总是一刻平衡二叉树，但是堆的定义里并没有强制要求【左右子树差值<=1】，即使高度相差较大仍为堆

2. 堆不一定是完全二叉树 但是一般采用完全二叉树

3. 堆一定是树，但不一定是二叉树

哈希表HASH

定义

1. hash函数可以把字符串等任意长度的输入映射成固定长度的整数，也就是哈希值

2. 根据特定的哈希值，它可以找到对应的原信息值

3. 不同的信息很难产生一样的哈希值

4. 哈希表是一种存储结构，散列式存储

5. Hash表插入操作的平均时间复杂度为O(n)，最坏时间复杂度为O(n2)
   哈希表插入的时间复杂度与冲突次数有关，O(冲突次数/n)，最好的情况冲突次数为0,直接插入，时间复杂度为O(1)。最坏情况是所有值对应同一个键值，这是冲突次数最多，为0+1+2+3+4+…+(n-1)=n*(n-1)/2,平均比较次数为(n-1)/2,时间复杂度为O(n)

6. 采用哈希表组织100万条记录，以支持字段A快速查找，则拉链式哈希曼最坏查找时间复杂度是O（n），最坏情况是所有记录的散列值都冲突，这样就退化为线性查找，时间复杂度为O（n）

7. 随着装填因子a的增大,用闭哈希法解决冲突,其平均搜索长度比用开哈希法解决冲突时的平均搜索长度增长得慢 (X) 不对，因为这个是不一定的，装填因子由小变大时，这个中间有个临界值

8. 基于哈希的索引和基于树的索引有什么区别

   1. hash索引仅满足“=”、“IN”和“<=>”查询，不能使用范围查询
   2. hash索引无法被用来进行数据的排序操作
   3. 对于组合索引，Hash 索引在计算 Hash 值的时候是组合索引键合并后再一起计算 Hash 值，而不是单独计算 Hash 值，所以通过组合索引的前面一个或几个索引键进行查询的时候，Hash 索引也无法被利用
   4. Hash 索引遇到大量Hash值相等的情况后性能并不一定就会比B-Tree索引高

构造、散列函数、哈希函数

1. 散列函数

   1. 直接定址法
   2. 数字分析法
   3. 乘余取整法
   4. 平方取中法
   5. 除留余数法
   6. 随机数法
   7. 单选转法

2. 装填因子
   散列表的装填因子定义为：α= 填入表中的元素个数 / 散列表的长度
   它反映哈希表的装满程度()　　
   α是散列表装满程度的标志因子。由于表长是定值，α与“填入表中的元素个数”成正比，所以，α越大，填入表中的元素较多，产生冲突的可能性就越大；α越小，填入表中的元素较少，产生冲突的可能性就越小

3. 哈希法的平均查找长度不随表中结点数目的增加而增加,而是随负载因子的增大而增大()

4. 哈希函数的选择跟数据元素关系密切，跟数据元素的字段类型有关，哈希函数设计的好坏也影响着查找的速度

5. 把整数关键字K Hash到有N个槽的散列表，h(k)=k mod N，最合适

冲突

1. 冲突解决方法
   
   1. 开放定址法
      冲突发生时，使用某种探查技术在散列表中形成一个探查序列。沿此序列逐个单元地查找，直到找到给定的关键字，或者碰到一个开放的地址。
      
      1. 线性探查法(Linear Probing)
      2. 线性补偿探测法
      3. 随机探测
      4. 二次探查法
   2. 拉链法
      
      1. 拉链法处理冲突简单，且无堆积现象
         即非同义词决不会发生冲突，因此平均查找长度较短；
      2. 由于结点空间是动态申请的，更适合于造表前无法确定表长的情况；
      3. 拉链法适合较多元素，能够充分利用存储空间
         开放定址法为减少冲突，要求装填因子α较小，故当结点规模较大时会浪费很多空间。而拉链法中可取α≥1，且结点较大时，拉链法中增加的指针域可忽略不计，因此节省空间；
      4. 在用拉链法构造的散列表中，删除结点的操作易于实现。
         只要简单地删去链表上相应的结点即可。而对开放地址法构造的散列表，删除结点不能简单地将被删结点的空间置为空，否则将截断在它之后填人散列表的同义词结点的查找路径。.这是因为各种开放地址法中，空地址单元(即开放地址)都是查找失败的条件。因此在用开放地址法处理冲突的散列表上执行删除操作，只能在被删结点上做删除标记，而不能真正删除结点。

图

定义

1. AOV网的含义是以顶点表示活动的网 activity on v

2. 图的BFS生成树的树高比DFS生成树的树高 小或相等

3. 方法可以判断出一个有向图是否有环 深度优先遍历和拓扑排序

4. 一个有向图是强连通的，当且仅当G中有一个回路，它至少包含每个节点一次。

5. 连通图上各边权值均不相同,则该图的最小生成树是唯一的

最短路径

1. Floyed求每对不同顶点对的算法中允许弧上的权为负,但不能有权和为负的回路。

2. 求从指定源点到其余各顶点的迪杰斯特拉(Dijkstra)最短路径算法中弧上权不能为负的原因是在实际应用中无意义;

3. 在用Floyd算法求解各顶点间的最短路径时,每个表示两点间路径的path(k-1)[I,J]一定是path(k)[I,J]的子集(k=1,2,3,…,n)()

关键路径

1. AOE网(Activity On Edge)即边表示活动的网，是一个带权的有向无环图，其中顶点表示事件（Event），每个事件表示在它之前的活动已经完成，在它之后的活动可以开始，弧表示活动，权表示活动持续的时间。

2. AoE网 ，延期某个关键活动，整个工程的时间必定延期

   1. 任何一个关键活动提前完成,那么整个工程将会提前完成 错误

3. 在AOE图中,关键路径上活动的时间延长多少,整个工程的时间也就随之延长多少

4. 关键路径是AOE网中从源点到终点的最长路径()

欧拉回路：从一点出发，可以遍历图上的每条边一次，而且仅遍历一次

1. 无向图: 图连通，所有点都是偶数度，或者只有两个点是奇数度。当所有点是偶数度时欧拉路起点可以是任意点；当有两个奇数度点时起点必须是奇数度点。

2. 有向图: 图连通，所有点出度=入度，或者有一个点入度-出度=1，有一个点出度-入度=1。同样，当所有点出度=入度时任意点可作为起点；而后者必须以出度-入度=1的点做起点，入度-出度=1的点做终点。