网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
满二叉树：所有分支结点都存在左子树和右子树，并且所有叶子都在同一层上；
完全二叉树：一个有n个结点的二叉树按层序编号，如果编号为i的结点与同样深度的满二叉树中编号为i的结点在二叉树中位置完全相同，则这棵二叉树称为完全二叉树；
满二叉树一定是完全二叉树，但完全二叉树不一定是满二叉树；
完全二叉树特点：叶子结点只能出现在最下两层；最下层的叶子一定集中在左部连续；倒数二层若有叶子结点，一定都在右部连续位置；当结点度为1，则该结点只有左孩子；同样结点树的二叉树，完全二叉树的深度最小；
二叉树性质
1：在二叉树的第i层上至多有2^(i－1)个结点(i≧1)；
2：深度为k的二叉树至多有(2^k)－1个结点(k≧1)；
3：任意一棵二叉树T，如果终端结点数为n0，度为2的结点数为n2，则n0=n2+1；
4：具有n个结点的完全二叉树深度为「㏒2(n) 」+1（「x」表示不大于x的最大整数）
5：如果对一棵有n个结点的完全二叉树的结点按层序编号（从第1层到第「㏒2(n) 」+1层），对任意一结点有：
如果i＝1，则结点i是二叉树的根，无双亲；i≧1，则其双亲是结点「i／2」；
如果2*>n，则结点i无左孩子(结点i为叶子结点)；否则其左孩子是结点2*i；
如果2i>n，则结点i无右孩子；否则其右孩子是结点2i＋1；
6.7 二叉树的存储结构
二叉链表：链表中结点设计一个数据域和两个指针域（表示两个孩子）
6.8 二叉树都遍历：
从根结点出发，按照某种次序依次访问二叉树中所有结点，使得每个节点被访问一次且仅被访问一次；
前序遍历：若二叉树为空，则空操作返回，否则先访问根结点，然后前序遍历左子树，再前序遍历右子树；
中序遍历：若树为空，则空操作返回，否则从根结点开始（并不是先访问根结点），中序遍历根结点左子树，然后访问根结点，最后中序遍历右子树；
后序遍历：若树为空，则空操作返回，否则从左到右先叶子后结点到方式遍历访问左右子树，最后访问根结点；
层序遍历：若树为空，则空操作返回，否则从树第一层，也就是根结点开始访问，从上而下逐层遍历，同一层从左到右顺序访问；
6.8.6 二叉树遍历性质
已知前序遍历序列和中序遍历序列可以唯一确定一棵二叉树；
已知后序遍历序列和中序遍历序列可以唯一确定一棵二叉树；
6.9 二叉树的建立
扩展二叉树：将二叉树的每个结点的空指针引出一个虚结点，其值为一特定值；
6.10 线索二叉树
指向前驱和后继的指针称为线索，加上线索的二叉链表称为线索链表，相应的二叉树称为线索二叉树；
线索化：对二叉树以某种次序遍历使其变为线索二叉树的过程；
6.12 赫夫曼编码
带权路径长度WPL最小的二叉树称作赫夫曼树；
7 图
由顶点的有穷非空集合和顶点之间边的集合组成，通常表示为：G(V,E)，其中，G表示一个图，V是图G中顶点的集合，E是图G中边的集合；
图中数据元素称为顶点；
图结构中不允许没有顶点；
任意两点之间都可能有关系，顶点之间的逻辑关系用边来表示，边集可以为空；
7.2.1 各种图定义
无向边：顶点V1和Vi之间的边没有方向，则称这条边为无向边（Edge），用无序偶对（Vi Vj）来表示；
如果图中任意两个顶点之间的边都是无向边，则称该图为无向图；
有向边：若顶点从V1到Vi的边有方向，则称这条边有方向，也称为弧（Arc），用有序偶
表示，Vi称为弧尾（Tail），Vj为弧头（Head）；
若图中任意两个顶点之间的边都是有向边，则称该图为有向图；如：顶点A到D的有向边，A是弧尾，D是弧头，<A,D>表示弧；
简单图：若不存在顶点到其自身的边且同一条边不重复出现；
无向完全图：在无向图中任意两个顶点都存在边；含有n个顶点的完全图有n*(n-1)/2条边；
有向完全图：有向图中任意两个顶点之间都存在方向互为相反的两天弧，有n*(n-1)条边；
有很少条边或弧度图称为稀疏图，反之称为稠密图；
图的边或弧相关的树叫做权（Weight），带权的图称为网（Network）；
假设图G=(V,{E})，图G’=(V’,{E’})，如果V’⊆V且E’⊆E,则称G’为G的子图（Subgraph）；
对于无向图G=(V,{E})，如果边(v,v’)∈E，则称顶点v和v’互为邻接点，即v和v’相领接边(v,v’)依附于顶点v和v’，顶点v的度是和v相关联的边的数目，记为TD(v)；
边数就是各顶点度数和道一半：e＝ 0.5* ∑TD(vi) (i=1,2,3…n)
对于有向图G=(V,{E})，以顶点v为头的弧度数目称为v的入度，记为ID(v)，以v为尾的弧的数目称为v的出度，记为OD(v);顶点v的度为TD(v)=ID(v)+OD(v);
无向图中从顶点v到顶点v’的路径是一个顶点序列；有向图的路径也是有向的；
路径的长度是路径上的边或弧度数目；
第一个顶点到最后一个顶点相同的路径称为换或回路，序列中不重复出现的路径称为简单路径；
7.2.3 连通图
无向图中，从顶点v到v‘有路径则称为v和v’是连通的；如果对于图中任意两点都是连通的，则称图是连通图；
无向图中的极大连通子图称为连通分量；
连通分量条件：子图／子图连通／连通子图含有极大顶点树／具有极大顶点数的连通子图包含依附于这些顶点的所有边；
在有向图G中，如果每一对v，v‘∈V，v≠v’，从v到v‘和从v’到v都存在路径，则称G是强连通图；有向图中的极大强连通子图称作有向图的强连通分量；
一个连通图的生成树是一个极小的连通子图，它含有图中全部的n个顶点，但只有足以构成一棵树的n－1条边；
如果一个有向图恰有一个顶点的入度为0，其余顶点的入度均为1，则是一棵有向树；
一个有向图的生成森林由若干棵有向树组成，含有图中全部顶点，但只有足以构成若干棵不相交的有向树的弧；
7.4 图的存储结构
7.4.1 邻接矩阵：一个一维数组存储图中顶点信息，一个二维数组存储图中的边或弧度信息；
二维数组就是矩阵形式存储，v[i][j]表示顶点i到j的边或弧；
n个顶点和e条边的无向网图创建时间复杂度O(n*n+n+e);
7.4.2 邻接表：数组与链表相结合的存储方式
顶点右一位数组存储，每个数据元素存储指向第一个领接点的指针，每个顶点的所有领接点构成一个线性表；
有向图的逆邻接表：对每个顶点vi建立一个链接为vi为弧头的表；
7.4.3 十字链表
将邻接表和你邻接表结合起来；
结点存储数据／入边表头指针／出边表头指针；
7.4.4 邻接多重表
7.4.5 边集数组
由两个一维数组构成，一个是存储顶点的信息；另一个存储边的信息，这个边数组每个数据元素由一条边的起点下表，终点下表和权组成；
7.5 图的遍历
从图中某一顶点出发遍历图中其余顶点，且每个顶点仅被访问一次，称为图的遍历；
深度优先遍历：从某顶点v出发，访问该顶点，然后从v的未被访问邻接点出发深度优先遍历图，直到图中所有和v有路径相同的顶点都被访问；
7.5.2 广度优先遍历
与深度优先遍历时间复杂度相同；（类似树的层序遍历）
7.6 最小生成树
构造连通网的最小代价生成树称为最小生成树；
7.6.1 普里姆(Prim)算法
时间复杂度：O(n*n);
7.6.2 克鲁斯卡尔(Kruskal)算法
时间复杂度O(e*log e)
7.7 最短路径
迪杰斯特拉算法：时间复杂度O(n*n);
弗洛伊德算法：时间复杂度O(nnn);
7.8 拓扑排序
AOV网：在一个表示工程的有向图中，用顶点表示活动，用弧表示活动间的优先关系；
拓扑序列：有向图G，满足从顶点vi到vj有一条路径，则在顶点序列中顶点vi必在vj之前；
拓扑排序：对一个有向图构造拓扑序列对过程；
时间复杂度：O(n+e)
AOE网：在一个表示工程的带权有向图中，用顶点表示事件，用有向边表示活动，用边上的权值表示活动的持续时间，
7.9 关键路径：
从源点到汇点具有最大路径；
8 查找
根据给定某个值，在查找表中确定一个其关键字等于给定值的数据元素(或记录)；
查找表：由同一类型的数据元素构成的集合；
关键字：数据元素中某个数据项的值，又称键值；
主关键字：此关键字可以唯一表示一条记录；
数据项对应数据码；
查找：根据给定的某个值，在查找表中确定一个其关键字等于给定值的数据元素（或记录）；
静态查找表：只做查找操作的查找表；
动态查找表：在查找过程中同时插入不存在的数据元素，或者从查找表中删除已经存在的某个数据元素
8.3 顺序表查找
顺序查找／线性查找：从表中第一个（或最后一个）记录开始，逐个进行记录的关键字和给定值比较，若相等则查找成功，直到最后一个（或第一个）记录，不等则查找不成功；
顺序查找优化：将给定值赋予a[0]，从尾部遍历，循环条件为是否等于关键字，省去判断越界环节；
8.4 有序表查找
二分查找／折半查找：在有序表中，取中间记录作为比较对象，若给定值与关键字相等则成功，小于则在左半区查找，大于在右半区查找，直到成功或查找所有区域无记录而查找失败（前提为线性表中记录必须是关键码有序，通常从小到大，且为顺序结构）；
时间复杂度O(log n)；
插值查找：根据要查找的关键字key与查找表中最大最小记录的关键字比较后查找，将二分查找的mid设为mid = low + (key - a[low])/(a[high] - a[low]) * (high - low)
斐波那契查找：利用斐波那契函数给mid赋值，mid=low+F[k-1]-1；
时间复杂度O(log n);
8.5 线性索引查找
索引就是把一个关键字与它对应的记录相关联的过程；
线性索引：将索引项集合组织为线性结构，也称索引表；
8.5.1稠密索引
在线性索引中，将数据集中的每个记录对应一个索引项；
索引项一定是按照关键码有序排列；
8.5.2分块索引
分块有序，是把数据集的记录分成若干块，并且这些快需要满足，块内无序，块间有序；
块间有序：要求第二块所有记录关键字均大于第一块中所有记录的关键字；
最佳分块索引情况为块m＝√￣n（n为记录数），此时平均查找长度L＝（√￣n）＋1；
8.5.3倒叙索引
记录号表存储具有相同次关键字的所有记录的记录号（可以是指向记录的指针或者是该记录的主关键字），由属性值来确定记录的位置；
8.6 二叉排序树
二叉查找树／二叉排序树：
若它的左子树不空，则左子树上所有结点的值均小于它的根结构的值，
若它的右子树不空，则右子树上所有结点的值均大于它的根结点的值，
它的左右子树也分别为二叉排序树；
二叉排序树查找：利用递归在二叉链表中递归查找；
二叉排序树插入操作：利用查找函数将key插入到最终查找到合适结点到子树上；
二叉排序树构建：利用插入函数构建（根结点，将之后元素与结点对比，小的在左树中去对比，大的在右树中去对比，直到结点没有孩子，则插入）；
二叉排序树删除：找到删除的结点的直接前驱，用该前驱替换删除的结点；
二叉排序树以链接的方式存储
8.7 平衡二叉树
－－是一种二插排序树，其中每一个节点的左子树和右子树高度差至多等于1；
平衡因子：左子树与右子树深度差值；
最小不平衡子树：距离插入节点最近的，且平衡因子的绝对值大于1的结点为根的子树；
8.8 多路查找树（B树）
每一个结点孩子树可以多于两个，且每一个结点处可以存储多个元素；
2-3树：
每个结点有两个2个孩子（2结点）或3个孩子（3结点）；
一个2结点包含一个元素和两个孩子（或没有孩子）；
一个3结点包含一小一大两个元素和3个孩子（或没有孩子）；
所有叶子在同一层次上；
2-3-4树：
2-3树的扩展，包括4结点；
一个4结点包括小中大3个元素和4个孩子（或没有孩子）；
B树（B－tree）：一种平衡的多路查找树，结点最大的孩子数目称为B树的结；（2-3树是3阶B树）
如果根结点不是叶结点，则至少有两棵子树；
8.9 散列查找
散列技术：在记录的存储位置和它的关键字之间建立一个确定的对应关系f，使得每个关键字k对应一个存储位置；散列函数（哈西函数）
K1≠K2，但f（K1）＝f（K2），此时称为冲突，K1和K2称为这个散列函数的同义词；
8.10 散列函数的构造方法
直接定值；数字分析法；平方取中；折叠法；除留余数法；
8.11 处理散列冲突
开放定值法：一旦发生冲突，就去寻找下一个空的散列地址；
再散列函数法：发生冲突，更换散列函数进行计算；
链地址法：发生冲突，在当前位置给单链表增加结点；
公共溢出法：给发生冲突的关键字重新建立一个溢出表；
8.12 散列表查找
9 排序
似的序列成为一个按关键字有序的序列；
排序稳定：Ki＝Kj，且排序前Ri领先于Rj，排序后任然领先；
排序不稳定：Ki＝Kj，且排序前Ri领先于Rj，排序后Rj领先Ri；
内排序：排序过程待排序所有记录放置在内存中；
外排序：整个排序过程需要在内外存之间切换；
性能影响：
1 时间性能：尽可能少的关键字比较次数和尽可能少的纪录移动次数；
2 辅助空间：存放待排序占用空间加上执行算法所需要其他存储空间；
3 复杂性： 算法本身复杂度，不止时间；
9.3 冒泡：
时间：O（nˇ2）；
9.4 简单排序：
通过n－i次关键字比较，从n－i＋1个记录中选出关键字最小的值，并和第i个交换；
时间：O（nˇ2）；
略优于冒泡（每次只交换一个值）；
9.5 直接插入：
将一个记录插入到已排序的序表中；
时间：O（nˇ2）；
略优于冒泡（比较次数少）；
9.6 希尔排序：
基本有序：小的关键字基本在前面，大的基本在后面，不大不小的基本在中间；
时间：O（nˇ(2/3)）；
9.7 堆排序：
堆：完全二叉树；
大顶堆：每个结点堆值都大于或等于其左右孩子结点的值；
小顶堆：每个结点堆值都小于或等于其左右孩子结点的值；
堆排序（大顶堆）：将待排序序列构造一个大顶堆；最大值此时在根结点，移走根结点，剩余n－1个结点从新构造一个堆，得到次小值，如此反复得到一个有序序 列；
let maxsize = 10
struct Sqlist {
var arr: [Int] = [maxsize + 1]
var length: Int?
}
//堆排序
func heapSort(L: Sqlist) {
for i in L.arr.count…0 {
最后的话
最近很多小伙伴找我要Linux学习资料，于是我翻箱倒柜，整理了一些优质资源，涵盖视频、电子书、PPT等共享给大家！
资料预览
给大家整理的视频资料：
给大家整理的电子书资料：
如果本文对你有帮助，欢迎点赞、收藏、转发给朋友，让我有持续创作的动力！
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
var length: Int?
}
//堆排序
func heapSort(L: Sqlist) {
for i in L.arr.count…0 {
最后的话
最近很多小伙伴找我要Linux学习资料，于是我翻箱倒柜，整理了一些优质资源，涵盖视频、电子书、PPT等共享给大家！
资料预览
给大家整理的视频资料：
[外链图片转存中…(img-TNtrIXSo-1715408655061)]
给大家整理的电子书资料：
[外链图片转存中…(img-hFC5vri8-1715408655063)]
如果本文对你有帮助，欢迎点赞、收藏、转发给朋友，让我有持续创作的动力！
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
96
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
