2024年数据结构知识总结

存储器中的每个单元都有自己的编号，称为地址；

Loc(ai)＝Loc(a1) ＋(i－1)＊c 时间复杂度：存取时间性能O(1) －－－随机存储结构

3.5.4 优点：无须为逻辑关系增加额外存储空间，可以快速存取表中任意位置；

缺点：插入删除需移动大量元素，线性表长度变化难以确定存储空间，存储空间“碎片”

3.6 线性表的链式存储结构

一个节点：数据（数据域）＋指针（指针域）

单链表：每个结点只包含一个指针域

头指针：链表中第一个结点的存储位置； 线性链表的最后一个结点指针为空（NULL）

头结点：单链表的第一个结点前设的一个结点；数据域一般无意义（可存储链表长度）

头指针不为空；头结点不一定是链表必须要素

3.8.1 单链表的插入,将s插入到p后: s->next=p->next, p->next=s(赋值顺序不能调换，否则出错)

3.9 单链表整表创建：r->next＝p(将新建p结点放在r后面)，r＝p(p为最后结点赋给r)，p->＝NULL

3.11 单链表结构优点：插入删除时间O(1)，不需要预分配；

确定：查找O(n)

3.12 静态链表：用数组描述的链表；

优点：插入删除只需修改游标；

缺点：表长依然难以确定，失去顺序存储结构的随机性；

3.13 循环链表：将单链表中终端结点的指针端由空指针改为头指针；

3.14 双向链表：在单链表的每个节点中，再设置一个指向其前驱结点的指针域；(空间换时间)

插入时需要保证p->next的赋值在四个操作中最后进行

4 栈

限定仅在表尾进行插入和删除操作的线性表；

后进先出，操作在栈顶进行，后进先出（LIFO结构）；

进栈，压栈：插入操作

出栈：删除操作

4.6.1 栈的链式存储结构，链栈；

链栈：空间大小可不确定 ； 顺序栈：空间大小确定

栈的作用：有效解决递归问题

递归：直接调用自己或通过一系列的语句间接调用自己的函数；

迭代：循环结构； 递归：选择结构；

后缀表达式：逆波兰；

中缀表达式：标准四则运算表达式；

4.9.3 中缀转后缀：从左到右遍历中缀表达式每个数字和符号，若是数字就输出，即成为后缀表达式的一部分；若是符号，则判断其与栈顶符号的优先级，是右括号或优先级低于栈顶符号则栈顶元素依次出栈并输出，并将当前符号进栈，一直到最终输出后缀表达式为止；

4.10 队列：允许在一段进行插入操作，在另一端进行删除操作的线性表；

first in first out(FIFO)

队尾：允许插入； 队头：允许删除；

队列顺序存储不足，删除队头，需要移动这个数组O(n);

front指向队头元素，rear指向队尾元素；

front ＝ rear 空队列

循环队列：头尾相接；设置flag，以区别front ＝ rear时为空还是满；

4.13 队列等链式存储结构

就是线性表的单链表，但只能尾进头出，链队列；

空队列：front和rear指向头结点；

5 串

是由零个或多个组成的有限序列，字符串；

空格串：只包含空格的串； 空串：零个字符串；

模式匹配算法，克努特－莫里斯－普拉斯算法（KMP模式）（没看懂）

http://blog.csdn.net/joylnwang/article/details/6778316

6 树

n(n≥0)个结点的有限集。n＝0时称为空树。在任意一颗非空树中：有且仅有一个特定的称为根(Root)的结点；当n>1时，其余结点可分为m(m>0)个互不相交的有限集T1,T2…Tn，其中每一个集合本身又是一颗树，并且称为根的子树(SubTree)。

结点拥有的子树的数称为结点的度(Degree)。度为0度结点称为叶结点(Leaf)或终端结点；度不为0的结点称为非终端结点或分支结点，也称为内部结点。树的度是树内各结点的度的最大值。

结点子树的根称为该结点的孩子(Child)，该结点称为孩子的双亲(Parent)。同一个双亲的孩子之间互称兄弟(Sibling)。结点的祖先是从根到该结点所经分支上的所有结点。

结点的层次从根开始定义，根为第一层，根的孩子为第二层。树中结点的最大层次称为树的深度(Deoth)或高度。

如果将树中结点的各子树看成从左至右是有次序的，不能互换的，则称该树为有序树，否则称为无序树。森林是棵互不相交的树的集合。

6.5 二叉树(Binary Tree)：n(n≥0)个结点的有限集合，该集合或者为空集，或者由一个根结点和两棵互不相交的，分别为根结点的左子树和右子树的二叉树组成。

特点：每个节结点最多两棵子树，即度不大于2，左右子树次序一定；

五种基本形态：空二叉树，只有一个根结点，根结点只有左子树，根结点只有右子树，根结点既有左子树又有右子树；

6.5.2 斜树：所有结点都只有左子树为左斜树，只有右子树为右斜树，这两种统称斜树；

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；

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。

需要这份系统化的资料的朋友，可以点击这里获取！

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！

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；

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-2e336UEp-1714494252480)]

给大家整理的电子书资料：

[外链图片转存中…(img-OxH7iiHM-1714494252481)]

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。

需要这份系统化的资料的朋友，可以点击这里获取！

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！