《啊哈！算法》阅读笔记-神奇的树

ps：详情可见《啊哈！算法》第7章

ps：从自己的印象笔记里复制过来的，某些小标号和格式有一点问题，想要看的清晰的可以留言印象笔记分享给你

 

树

1. 定义：树是指任意两个结点间有且只有一条路径的无向图。(或者说树其实就是不包含回路的连通无向图)

2. 树的特性：

• 一棵树中的任意两个结点有且仅有唯一的一条路径连通。

• 一棵树中如果有n个结点，那么他一定恰好有n-1条边。

• 在一棵树中加一条边将会构成一个回路。

   3.每个结点都有深度，深度是指从根到这个结点的层数（根为第一层）。

 

二叉树

1. 特点：每个结点最多有两个儿子（子树）。

2. 满二叉树：每个内部结点都有两个儿子；或者说所有的叶结点都有同样的深度；深度为h且有2h-1个结点的树。

3. 完全二叉树：若二叉树的高度为h，除第h层外，其他各层结点数都达到最大个数，第h层从右向左连续缺若干结点，则这个二叉树就是完全二叉树。（如果一个结点有右子结点，那么它一定也有左子结点）

4. 完全二叉树中父亲与儿子之间有着神奇的规律，只需要用一个一维数组就可以存储完全二叉树。将完全二叉树从上到下，从左到右编号(如下图)，如果一个父结点的编号是k，那么它的左儿子的编号就是2*k，右儿子的编号就是2*k+1。如果已知儿子（左或右）的编号是x，那么它父结点的编号就是x/2。

     

1. 如果一棵完全二叉树有N个结点，那么这个完全二叉树的高度为log2N，简写为logN，即最多有logN层结点。（实际上是logN去掉小数部分并加上1层）

2. 完全二叉树最典型的的应用就是堆。

 

堆——神奇的优先队列

1. 最小堆：所有父结点都比子结点小。

2. 最大堆：所有父结点都比子结点大。

    ps：以下只讨论最小的情况，最大时情况类似。

1. 找最小的数的几种情况：

• 每次删除最小的数，并增加一个数：删除根结点（最小的数），将新增的数放在根结点，然后向下调整。

• 每次新增一个数，依旧求最小的数，但不删除：在末尾添加上一个新的结点，将该节点向上调整。插入第N个数的时间复杂度为O(logN)。

• 每次删除最小的数：（我的想法）可以维护一个队列，计算的时候减去head的下标，这样子计算N次后多占用N单位的空间；或者每次将末尾的结点放到根结点去维护，这样子计算N次后多用了N*logN的时间。（分号前的想法是错误的，因为通过队列维护的时候，本质上改变了树的所有节点的排列顺序，而分号后的想法正是堆排序的一种方法，时间复杂度就为 O(N*logN ) ）

1. 建立一个最小堆的方法：

• 从空的堆开始，每一次插入一个结点，然后向上调整，插入第 i 个元素的时间是log i，所以插入所有元素的整体时间复杂度是O(N*logN)

• 还有一种更为巧妙的方法，将所有数依次输入进堆，确保每个节点的子节点满足最小堆的特性，所有的叶结点因为没有子节点，所有肯定满足特性，因此，从第 n/2（n/2是最后面一个非叶节点，可以思考一下）个节点开始处理，每次和子节点比较，确保子节点满足最小堆特性，即向下调整。（注意，向下调整是具有延续性的，不是只比较一次，而是比较到确保子节点都满足最小堆特性为止）不太理解为什么该方法的时间复杂度是O(N)？

  • 该问题可以看下面的解释：（层数从0开始到h）

  • https://blog.csdn.net/hupenghui1224/article/details/57427045

1. 堆排序的两种方法：

• 事实上堆排序就是每次删除最小的元素，然后将删除的元素都输出的排序方法。

• 每次删掉一个，然后将末尾的节点放到根结点再向下调整，O(N*logN)。

• 还有一种方法，维护一个最大堆，然后每次将根结点与末尾节点的数交换，将堆的长度减1，并将根结点向下调整，这样最后树就是按从小到大的顺序排列的。这种方法事实上只是节省了空间，时间方面并没有改进。

 

并查集

1. 并查集也称为不相交集数据结构。

2. 并查集通过一个一维数组来实现，其本质是维护一个森林。刚开始时，森林里每个点都是孤立的，也可以理解为每个点就是一棵只有一个结点的树，之后通过一些条件，将这些点合成一棵大树。合并的过程就是“认爹”的过程，在“认爹”的过程中，要遵循“靠左”原则和“擒贼先擒王”原则。在每次判断两个结点是否已经在同一棵树中的时候，也要注意必须求其根源，中间父亲结点是不能说明问题的，必须找到其祖宗（根结点），判断两个根结点的祖宗是否是同一个根结点才行。