武汉大学数据结构21-22分析_武汉大学数据结构实验题-CSDN博客

本文链接：https://blog.csdn.net/2202_76009199/article/details/134352224

1，首先先来看简答题。

线性表的顺序和链式存储方式：

优点：

顺序表：1，内存连续，可以快速访问任意位置元素。

2，存储密度高，不需要额外的存储空间。

链式表：1，便于插入和删除，插入和删除的时间复杂度都是O（1），只需要修改指针，不需要移动元素。

2，可以固定分配内存，灵活度高，不受容量控制。

缺点：

顺序表：1，插入和删除需要移动大量元素，操作时间复杂度是O（n）。

2，容量固定，需要预先分配一定大小的内存空间，不易动态扩展。

链式表：1，需要额外的指针空间来存储元素之间的联系，增加了存储开销。

2，访问元素需要从头遍历链表，时间复杂度是O（n）。

对于无向图，什么是顶点的度：

在无向图中，顶点的度就是与该顶点相连的边的数量。

请简要写出递归方法求取二叉树深度的过程：

1，首先定义递归函数depth（node），用于计算以node为根节点的二叉树的深度。

2，如果node==NULL，表示节点为空，即空数，函数返回0。

3，否则，递归计算左子树的深度，结果保存在left_depth中，调用递归函数depth(left_depth)

。递归计算右子树的深度，将结果保存在right_depth中，调用递归函数depth(right_depth)。

4，当前二叉树的深度等于其左右子树的最大深度+1，即max(left_depth,right_depth)+1，返回值作为当前二叉树的深度。

下面给出一段Python代码：

def depth(node):
    if node is None:
        return 0
    else:
        left_depth = depth(node.left)
        right_depth = depth(node.right)
        return max(left_depth, right_depth) + 1

当然，我WHU的学生习惯使用C++。下面给出C++代码：

int depth(TreeNode* node) {
  if (node == nullptr) {
    return 0;
  } else {
    int leftDepth = depth(node->left);
    int rightDepth = depth(node->right);
    return std::max(leftDepth, rightDepth) + 1;
  }
}

什么是赫夫曼树：

赫夫曼树也叫做最优二叉树。其实也就是哈夫曼树，音译问题。由给定权重构建哈夫曼树的方法如下：

不断选取给定权重中最小的两个，其和组成新的权重，并将每次组合之后最小的两个权重不断向上连接成树。

简述有序表的折半查找过程：

首先，确定要查找的目标元素 target 和有序表的范围，通常是整个有序表。
初始化两个指针，left 和 right，分别指向有序表的起始位置和结束位置。
在每一次迭代中，计算中间位置 mid，即 mid = (left + right) / 2。
比较目标元素 target 和中间位置元素 arr[mid] 的值：
- 如果 target 等于 arr[mid]，则找到目标元素，返回 mid。
- 如果 target 小于 arr[mid]，说明目标元素可能在左半部分，更新 right = mid - 1。
- 如果 target 大于 arr[mid]，说明目标元素可能在右半部分，更新 left = mid + 1。
重复步骤 3 和 4，直到找到目标元素或者 left > right，表示整个有序表中没有目标元素。

常见的题目是：对于从一开始递增为1的有序排列数组，查找数m最多需要几次折半查找。

假设需要n次查找，则2**n>m，n取所有满足条件的n的最小值。

下面还有几个知识点出现在这张试卷上：

很显然，只有栈是线性数据结构。树属于树形结构，图和网都属于图形结构。

数据结构的类型有以下几种：

线性结构（Linear Data Structures）：线性结构是最简单和常见的数据结构类型。它包括数组（Array）、链表（Linked List）、栈（Stack）、队列（Queue）等。线性结构的特点是数据元素之间存在一对一的关系，元素之间只有一个前驱和一个后继。
树形结构（Tree Data Structures）：树形结构是非线性的数据结构，以分层的方式组织数据。常见的树形结构有二叉树（Binary Tree）、二叉搜索树（Binary Search Tree）、平衡二叉树（Balanced Binary Tree/AVL Tree）、堆（Heap）等。树形结构的特点是一个节点可以有多个子节点。
图形结构（Graph Data Structures）：图形结构是由节点和边组成的非线性数据结构。图可以是有向的（有向图）或无向的（无向图），可以带有权重或值（带权图）。图的常见表示方式有邻接矩阵（Adjacency Matrix）和邻接表（Adjacency List）等。
散列结构（Hashing Data Structures）：散列结构使用散列函数将数据映射到一个固定的位置，称为散列桶或槽。常见的散列结构有哈希表（Hash Table）和哈希集合（Hash Set）。散列结构的特点是可以在常数时间内进行插入、删除和查找操作。
文件结构（File Data Structures）：文件结构是在磁盘或其他外部存储介质上组织和管理数据的方法。常见的文件结构有顺序文件、索引文件、散列文件等。（很少用，基本不考。）

在第一个简答题中我们就已经叙述了顺序表内存连续，可以快速访问任意元素，所以访问的时间复杂度是O(1)，但是插入和删除则需要移动大量的元素，时间复杂度是O（n）。请注意，时间复杂度括号里面不允许存在系数。所以O（n/2）一眼错。

结点个数最多就是全部占满呗，高度为8的满二叉树结点数是（2**8）-1=255。但是有时候这种题会考察高度为8的完全二叉树的节点个数最多多少个，最少多少个，完全二叉树的叶子结点只能存在在最低的两层。最多为（2**8）-1，仅当完全二叉树是满二叉树的情况下是。最少是2**（8-1）=128。当且仅当最后一层只有一个叶子结点的时候。

看这道题，你应该很快想起在xqm班上被打的那位同学。

很明显，广度优先搜索是层次搜索，使用队列，相邻结点进入队列，取出要用到的结点而后才会进入其子结点，但是下一次是在队头取结点，即还是刚使用结点的兄弟结点，很明显有层次遍历的作用。广度优先搜索也叫宽度优先搜索，可以得到最优解。而深度优先搜索是纵向搜索，使用堆栈比较合适，已经遍历过遍历一个结点后放入其子结点，子结点放在兄弟结点后面，使用堆栈从栈顶取结点，越后放入的结点越先被取到，即取过某个结点后就取其子结点，有效的实现了纵向搜索。