常用算法代码模板 Java版 (2) ：数据结构

常用算法模板 Java版——数据结构：链表、栈、队列、单调队列、模式匹配、Trie树、并查集、堆、哈希

---

---

1 链表

用链式前向星（静态链表）实现链表的定义、遍历与增删改查。

1.1 单链表

无头单链表。元素结点地址idx从0开始分配，表尾空指针记为-1。

int head;	// 无头单链表的头指针
int[] e;	// e[i]存储结点i的值
int[] ne;	// ne[i]指向结点i的后继
int idx;	// idx为分配给结点的"地址"

/* 初始化 */
head = -1;	// 头指针初始为-1
idx = 0;	// 这里设定第1个插入的结点在0号下标

/* 头插一个数x */
void insertHead(int x) {
    e[idx] = x, ne[idx] = head, head = idx++;	// 后继为开始结点
}

/* 在结点k之后插入一个数x */
void insert(int k, int x) {
    e[idx] = x, ne[idx] = ne[k], ne[k] = idx++;	// 后继为k的后继
}

/* 删除头结点（需保证链表非空） */
void removeHead() {
    head = ne[head];
}

/* 删除结点k之后的结点 */
void remove(int k) {
    ne[k] = ne[ne[k]]
}

/* 遍历整条链表 */
for (int i = head; i != -1; i = ne[i]) {
    int u = e[i];
    ...
}

1.2 双链表

带头循环双链表。规定0是头结点/左端点，只有后继；1是尾结点/右端点，只有前驱。元素结点地址idx从2开始分配，每个元素结点都不含空指针。

对于删除操作，为避免繁杂通常不直接将结点移出链表，而是通过开bool数组st[]标记结点来实现，st[i]记录结点i是否被删除。

也可用来实现二叉树的二叉链表，此时无需再设循环的头结点。

int[] e;
int[] l; // l[i]、r[i]分别指向结点i的前驱、后继
int[] r; // 特殊规定：0为头结点/左端点，只有后继；1为尾结点/右端点，只有前驱
int idx;

/* 初始化 */
r[0] = 1；	// 左右端点分别指向对方
l[1] = 0;
idx = 2;	// 第1个结点从下标2开始存储

/* 在结点k的右边插入一个数x */
void insertR(int k, int x) {
    e[idx] = x;
    l[idx] = k, r[idx] = r[k];		// 前驱为k，后继为k的后继
    l[r[k]] = idx, r[k] = idx++;	// k后继的前驱、k的后继（须最后修改）即为该结点
}

/* 在结点k的左边插入一个数x */
void insertL(int k, int x) {
    insertR(l[k], x);	// 等价于在结点k的前驱（l[k]）的右边插入
}

/* 删除结点k */
void remove(int k) {
    l[r[k]] = l[k];
    r[l[k]] = r[k];
}

/* 遍历整条链表 */
for (int i = r[0]; i != 1; i = r[i]) {
    int u = e[i];
    ...
}

---

2 栈

FILO。手工数组建栈可以实现对栈内元素的随机存取。

int[] stk;		// [0 ... N-1]
int tt = -1;	// 栈顶指针，初始化为-1

/* 栈顶入栈一个数 */
stk[++tt] = x;

/* 栈顶出栈一个数 */
tt--;

/* 获取栈顶的值 */
stk[tt];

/* 判断栈是否为空 */
if (tt != -1) {
	...
}

---

3 队列

FIFO

3.1 非循环队列

手工建立的非循环队列队中元素不会被覆盖，由此可以实现对队内历史元素的遍历与随机存取，或根据指针判断某些性质（如拓扑序列）。

int[] q;		// [0 ... N-1]
int hh = 0;		// 队头初始为0
int tt = -1;	// 队尾初始和栈顶一样为-1

/* 队尾入队一个数 */
q[++tt] = x;

/* 队头出队一个数 */
hh++;

/* 队头、队尾的值 */
q[hh];
q[tt];

/* 判断队列是否为空 */
if (hh <= tt) {
	...
}

3.2 循环队列

int[] q;		// [0 ... N-1]
int hh = 0;		// 队头和队尾指针初始均为0
int tt = 0;

/* 队尾入队一个数 */
q[tt++] = x;
if (tt == N) {
	tt = 0;
}

/* 队头出队一个数 */
hh++;
if (hh == N) {
	hh = 0;
}

/* 队头、队尾的值 */
q[hh];
q[tt];

/* 判断队列是否为空 */
if (hh != tt) {
	...
}

---

4 单调队列

核心思想：及时弹出必不会作为答案的数，使得容器内各所指元素始终单调

4.1 单调栈

常见模型：找出数列中每个数左边离它最近的比它大/小的数

/* 示例：输出数组a[n]中每个数左边离它最近的比它小的数，不存在则输出 -1 */
int n; 
int[] a = new int[N];	// [1 ... n]

int[] stk = new int[N];	// 栈中存储数组元素下标
int tt = -1;			// 栈顶指针

// 思想：若a[x] >= a[y] (x < y)，则a[x]必不会是任何一数的答案，可直接剔除
for (int i = 0; i < n; i++) {	// 双指针算法，i是子区间右端点
    while (tt != -1 && a[stk[tt]] >= a[i]) {
        tt--;	// 弹出既大又"远"的数
    }
  
    if (tt != -1) {
        System.out.print(a[stk[tt]] + " "); // 输出栈顶元素
    } else {
        System.out.print("-1 ");	// 输出-1
    }
  
    stk[++tt] = i;	// 入栈当前元素下标
}

4.2 单调队列

常见模型：找出滑动窗口中的最大值/最小值

/* 示例：输出滑动窗口每次前移时窗口内的最小值 */
int n; 
int[] a = new int[N];	// a[1 ... n]
int k;					// 滑动窗口的长度

int[] q = new int[N];	// 队列（双端队列）中存储数组元素下标
int hh = 0, tt = -1;	// 队列头指针 hh 和队列尾指针 tt

// 思想：同单调栈，且应输出的最值在队头（单调）
for (int i = 0; i < n; i++) {	// 双指针算法，i是子区间右端点
    while (hh <= tt && i - k + 1 > q[hh]) {
        hh++;	// 判断队头是否滑出窗口
    }
    while (hh <= tt && a[q[tt]] >= a[i]) {
        tt--;	// 同单调栈，队尾弹出既大又"远"的数
    }
  
    q[++tt] = i;	// 先将 i 从队尾入队
  
    if (i + 1 >= k) {
        System.out.print(a[q[hh]] + " ");	// 当窗口长度达到要求时才输出
    }
}

---

5 模式匹配

5.1 暴力匹配

时间复杂度：$O(n\cdot m)$

String s; // 主串
String p; // 模式串

if (s.indexOf(p) != -1) {
	...	// 进行匹配成功后的操作
}

5.2 KMP

next数组：$\text{next}[i]=$ 以 $i$ 为终点的最大公共前后缀（此处规定包含 $i$ ）的长度

时间复杂度：$O(n+m)$

/* 字符串模式匹配 - KMP 算法 */
char[] s = new char[N];		// 主串 s[1 ... n]
char[] p = new char[N];		// 模式串 p[1 ... m]（必须从下标 1 开始存储字符）
int n, m;					// 主串长度为 n，模式串长度为 m
int[] ne = new int[N];		// next 数组

/* 初始化 */
Scanner scanner = new Scanner(System.in);
scanner.next();		// 读取不带空格的字符串作为主串
s = (" " + scanner.next()).toCharArray();	// 从下标1开始读取主串
p = (" " + scanner.next()).toCharArray();	// 从下标1开始读取模式串
n = s.length - 1;	// 获取有效存储长度 (s[0]用于填充)
m = p.length - 1;	// 获取有效存储长度 (p[0]用于填充)

/* 求模式串p的next数组：p对p自己作KMP匹配 */
for (int i = 2, j = 0; i <= m; i++) {	// ne[1]=0，故i从2开始遍历
    while (j > 0 && p[i] != p[j + 1]) {
        j = ne[j];	// j回溯
    }
    if (p[i] == p[j + 1]) {
        j++;		// 匹配成功则表明得到了以当前i为终点的最大公共前后缀的长度
    }
    ne[i] = j;		// 记录next数组
}

/* KMP 匹配 */
for (int i = 1, j = 0; i <= n; i++) { 	// 始终与j的下一位 (j+1) 作匹配
    while (j > 0 && s[i] != p[j + 1]) {
        j = ne[j];	// j回溯
    }
    if (s[i] == p[j + 1]) {
        j++;		// 匹配成功时 j 走至下一位
    }
  
    if (j == m) {	// 匹配成功的操作
        ...			// 处理匹配成功的情况
        j = ne[j];	// 若要求找到所有匹配点，则 j 继续回溯、匹配
    }
}

---

6 Trie树

字典树（Retrieval Tree, Trie Tree）用于高效存储和查找字符串集合。

AC自动机为追加了fail指针的Trie树，算法思想参考KMP。

int[][] son = new int[N][26];	// son[p][u]记录节点 p 的第 u 个子节点
int[] cnt = new int[N];			// cnt[p]存储以节点 p 结尾的单词数量
int idx = 0;					// idx初始为0。0号点既是根节点，又是空节点

/* 插入一个字符串 */
void insert(String str) {
    int p = 0;	// 从根节点0开始遍历Trie的指针
    for (int i = 0; i < str.length(); i++) {
        int u = str.charAt(i) - 'a';	// 将字符转换为对应的索引
        if (son[p][u] == 0) {
            son[p][u] = ++idx;	// 不存在则创建该子节点
        }
        p = son[p][u];	// 更新指针走向当前子节点
    }
    cnt[p]++;	// p最终指向字符串末尾字母，p计数器自增
}

/* 查询字符串出现的次数 */
int query(String str) {
    int p = 0;	// 从根节点开始
    for (int i = 0; i < str.length(); i++) {
        int u = str.charAt(i) - 'a'; // 将字符转换为对应的索引
        if (son[p][u] == 0) {
            return 0;	// 不存在则直接返回 0
        }
        p = son[p][u];	// 更新指针至下一个节点
    }
    return cnt[p];	// p 最终指向字符串末尾字母，返回数量
}

---

7 并查集

使用树的双亲表示法顺序存储，p[x]存储结点x的父结点（经过路径更新后变为该结点所属集合的根结点/祖宗结点）。若p[x] == x（或find(x) == x），则x为该集合的根结点。

判断结点a和b是否在同一集合：find(a) == find(b)

7.1 朴素并查集

int n;
int[] p = new int[N]; // p[1 ... n]，p[i]存储结点i的祖先（路径压缩后则为根结点）

/* 初始化 */
for (int i = 1; i <= n; i++) {
	p[i] = i;
}

/* 并查集核心操作：返回结点x所属集合的根结点，并进行路径压缩 */
int find(int x) {
    if (p[x] != x) {
    	p[x] = find(p[x]);
    }
    return p[x];
}

/* 合并结点a和b所在集合：将a并至b */
p[find(a)] = find(b); // 将a的根接在b的根之后

7.2 维护集合大小的并查集

结点a所属集合的大小：cnt[find(a)]

int n;
int[] p = new int[N];
int[] cnt = new int[N];	// cnt[i]存储根结点i的集合中结点数（仅根结点的cnt有意义）

/* 初始化 */
for (int i = 1; i <= n; i++) {
    p[i] = i;
    cnt[i] = 1;		// 初始化各结点为根，其所属集合大小为1
}

/* 并查集核心操作 */
int find(int x) {
    if (p[x] != x) {
    	p[x] = find(p[x]);
    }
    return p[x];
}

/* 合并结点a和b所在集合：将a并至b */
if (find(a) == find(b)) continue;	// 若已在同一集合内则跳过
cnt[find(b)] += cnt[find(a)];	// 需将a所属集合的大小加至b
p[find(a)] = find(b);

7.3 维护到祖宗结点距离的并查集

int n;
int[] p = new int[N];
int[] d = new int[N];	// d[i]存储结点i到其根结点p[i]的距离

/* 初始化 */
for (int i = 1; i <= n; i++) {
    p[i] = i;
    d[i] = 0;	// 初始化全为0
}

/* 并查集核心操作 */
int find(int x) {
    if (p[x] != x) {
        int u = find(p[x]);	// u临时记录根结点
        d[x] += d[p[x]];	// 更新x到根p[x]的路径长度
        p[x] = u;
    }
    return p[x];
}

/* 根据具体问题，初始化根find(a)的偏移量 */
d[find(a)] = distance;
/* 合并结点a和b所在集合：将a并至b */
p[find(a)] = find(b);

---

8 堆

8.1 优先队列

java中PriorityQueue默认为小根堆，因此创建大根堆需要使用Collections.reverseOrder()作为构造参数

PriorityQueue<Integer> max_heap = new PriorityQueue<>(Collections.reverseOrder()); // 大根堆（）
PriorityQueue<Integer> min_heap = new PriorityQueue<>(); // 小根堆

8.2 数组堆

可实现堆中任意元素的插入删除操作，并建立与插入序列之间的映射关系。

int[] h = new int[N];	// 小根堆，h[1]为堆顶/最小值，结点u的左右儿子（若存在）分别为2u、2u+1
int cnt;				// h[1 ... cnt]

int[] ph = new int[N];	// ph[k]映射插入序列中第k个点到堆中的下标u (Position-Heap)
int[] hp = new int[N];	// hp[u]映射堆中结点u到插入序列中的序号k (Heap-Position)
int idx;

/* 堆swap函数：交换堆中两个结点a和b的所有信息（若不建立映射则只需编写swap函数即可，略） */
void heapSwap(int a, int b) {
    swap(ph[hp[a]], ph[hp[b]]);
    swap(hp[a], hp[b]);
    swap(h[a], h[b]);
}

/* 向下调整：一路向下交换结点u与其较小的儿子 */
void down(int u) {
    int t = u;		// 记录u、2u、2u+1三个结点中的最小值结点编号
    if (2 * u <= cnt && h[2 * u] < h[t]) {
    	t = 2 * u;
    }
    if (2 * u + 1 <= cnt && h[2 * u + 1] < h[t]) {
    	t = 2 * u + 1;
    }
  
    if (t != u) {
        heap_swap(u, t);
        down(t);
    }
}

/* 向上调整：一路向上交换结点u与其父结点 */
void up(int u) {
    while (u / 2 && h[u / 2] > h[u]) {
        heap_swap(u / 2, u);
        u >>= 1;
    }
}

/* 插入一个数x */
void insert(int x) {
    cnt++;
    idx++;
    ph[idx] = cnt;
    hp[cnt] = idx;
    h[cnt] = x;
    up(cnt);
}

/* 删除最小值/堆顶元素 */
void removeTop() {
    heap_swap(1, cnt);
    cnt--;
    down(1);
}

/* 删除第k个插入的元素 */
void remove(int k) {
    int u = ph[k];
    heap_swap(u, cnt);
    cnt--;
    up(u);		// up、down只会执行其中一个
    down(u);
}

/* 修改第k个插入的元素为x */
void change(int k, int x) {
    int u = ph[k];
    h[u] = x;
    up(u);		// up、down只会执行其中一个
    down(u);
}

---

9 哈希

HashSet、HashMap

9.1 一般哈希

N最好取质数，使得冲突概率尽可能低

若要删除，则可额外开bool数组标记各地址元素状态来表示是否被删

9.1.1 拉链法

int[] h = new int[N];
int[] e = new int[N];
int[] ne = new int[N];
int idx = 0;

/* 链表初始化 */
Arrays.fill(h, -1); // 将h数组初始化为-1

/* 向哈希表中插入一个数 */
void insert(int x) {
    int t = (x % N + N) % N;	// C++、Java的负数取余运算：(-n) mod k = -(n mod k)
    e[idx] = x; 
    ne[idx] = h[t]; 
    h[t] = idx++;
}

/* 在哈希表中查询某个数是否存在 */
boolean find(int x) {
    int t = (x % N + N) % N;
    for (int i = h[t]; i != -1; i = ne[i]) {	// 遍历整条链表 h[t]
        if (e[i] == x) return true;
    }
    return false;
}

9.1.2 开放寻址法

数组长度应开到最大数据量的2~3倍

final int INF = 0x3f3f3f3f;	// 表示该哈希值的元素不在哈希表内

int[] h = new int[N];	// 哈希表数组

/* 哈希表初始化 */
Arrays.fill(h, INF);	// 初始化为无穷

/* 若x在哈希表中，返回x的下标；否则返回x应该插入的位置 */
int find(int x) {
    int t = (x % N + N) % N;
    while (h[t] != INF && h[t] != x) { // 若已存在该哈希值的元素且该元素不等于 x
        t++;
        if (t == N) {
        	t = 0; // 如果超出范围，则循环回到 0
        }
    }
    return t; // 返回找到的位置
}

9.2 字符串哈希

字符串前缀哈希法：快速判断两段字符串是否相等（不考虑冲突）

• 核心思想：将字符串看成 $P$ 进制数，$P$ 的经验值是 $131$ 或 $13331$ ，取这两个值的冲突概率极低
• 取模的数可选用$2^{62}-1$

final long P = 131;  
final long MOD = 1L << 62 - 1;
  
char[] str;		// 待哈希字符串 str[0 ... n-1]
int n;			// 字符串的长度  
long[] h = new long[N];	// h[k]存储字符串前k个字母的哈希值（前缀和）  
long[] p = new long[N]; // p[k]存储 P^k mod MOD  
  
/* 预处理前缀哈希 */  
p[0] = 1;  
for (int i = 1; i <= n; i++) {  
    h[i] = (h[i - 1] * P + str[i - 1]) % MOD; // 注意此处str从0开始索引
    p[i] = p[i - 1] * P % MOD;  
}  
  
/* 计算子串str[l...r]的哈希值（注意h、p的定义） */  
long get(int l, int r) {
	l++;
	r++;
    return (h[r] - h[l - 1] * p[r - l + 1] % MOD + MOD) % MOD; // 注意防止h[l-1]*p[r-l+1]为负  
}