二叉树非递归中序遍历
template<class ElemType>
const BinTreeNode<ElemType>*GoFarLeft(const BinTreeNode<ElemType>*r,LinkStack<const BinTreeNode<Elem>*>&s)
//操作结果：返回以r为根的二叉树的最左侧的节点，并将搜索过程中的节点加入到栈s中
{
if(r==null)
{
//空二叉树
return null;
}
else
{
//非空二叉树
const BinTreeNode<ElemType>*cur=r;
while(cur->leftChild!=null)
{
//cur存在左孩子，则cur移向左孩子
s.Push(cur);//cur入栈
cur=cur->leftChild;//cur移向左孩子
}
return cur;//cur为最左侧的节点
}
}
二叉树层次遍历
template<class ElemType>
void BinTreeNode<ElemType>::LevelOrder(void(*visit)(const ElemType &))const
//操作结果：层次遍历二叉树
{
LinkQueue<const BinTreeNode<ElemType>*>q;//队列
const BinTreeNode<ElemType>*cur;//当前节点
if(root!=null)
q.InQueue(root);//如果根非空，则入队，以便从根节点开始进行层次遍历
while(!q.Empty())
{
//q非空，说明还有节点未访问
q.OutQueue(cur);//出队元素为当前访问的节点
(*visit)(cur->data);//访问cur->data
if(cur->leftChild!=null)
q.InQueue(cur->leftChild);//左孩子非空，左孩子入队
if(cur->rightChild!=null)
q.InQueue(cur->rightChild);//右孩子非空，右孩子入队
}
}
删除单链表第一个位置元素
Node* Dele(Node* head)
{
if(NULL == head)
return head;
Node* p = head;
Node* q = p->next;
if(NULL == q)
return head;
p->next = q->next;
free(q);
return head;
}
线性表的特点
线性表是由类型相同的数据元素组成的有限序列。
1、存在唯一的一个被称作“第一个”的数据元素；
2、存在唯一的一个被称作“最后一个”的数据元素；
3、除第一个以外，结构中的每个数据元素均只有一个前驱；
4、除最后一个以，外结构中每个数据元素只有一个后继。
线性表的实现方法
1、顺序表
2、链表
栈
栈是限定只在表头进行出入（入栈）与删除（出栈）操作的线性表，表头端称为栈顶，表位端称为栈底。
1.在栈中，栈的修改按照 先进后出 的原则进行。
2.栈底指针始终指向栈底，栈顶指针始终指向最上面的那个元素。
队列
队列是一种 先进先出 的线性表。它值允许在表的一端进行插入，而在另一端进行删除元素。
队首元素始终指向最前面的元素，队尾元素始终指向最后到来的元素。
线性表时间的复杂度
对于一个长度为n的顺序存储的线性表，在表头插入元素的时间复杂度为O(n)，在表尾插入元素的时间复杂度为O(1)
线性表插入需要移动元素的个数
添加到第1个,移动N个元素；
添加到第2个,移动(N-1)个元素；
……
添加到第N个,移动1个元素；
添加到第(N+1)个,移动0个元素
平均：(0+1+2+……+N)/(N+1)=N/2
线性表删除需要移动元素的个数
删除第1个,移动(N-1)个；
删除第2个,移动(N-2)个；
…
删除第N个,移动0个
平均：[0+1+……+(N-1)]/N=(N-1)/2
不同排序算法的内存需求、时间复杂度
二分查找的比较次数
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-WmEeIJzv-1657523890542)(https://bkimg.cdn.bcebos.com/formula/2407731a0ccaa91127f948304d88ec58.svg)]](https://img-blog.csdnimg.cn/f5b9abc0f98d4c19a529c1bc348f95b7.png)
不同数据结构的特点
1）数组
【1】会在内存中开辟一个连续的内存空间
【2】随机访问的效率比链表高。数组只要给定下标，则可以直接定位到该下标所对应的元素，而链表每次都是从头节点开始遍历。
【3】对元素的增删操作的效率比链表低。
2）链表
【1】通过一个个指针将节点串起来
【2】对于元素的随机访问，需要使用计数器来访问指定的元素，并且只能从头节点开始访问，每访问一个节点，计数器加1，直到给定的“下标”，此操作很耗时，时间复杂度为O(N)
【3】增加元素和删除元素的效率很高
3）队列
【1】不支持随机访问
【2】先进先出
【3】线程池中的线程就是从任务队列中取出任务
4）栈
【1】不支持随机访问
【2】后进先出
5）二叉树
【1】每个节点最多只有两个子节点
6）搜索树
【1】二分查找，数组对半分的路径就是一个搜索树
【2】不一定是二叉树
7）堆/优先队列
【1】按照顺序pop出元素
【2】优先队列中，以最小堆为例，树或子树根结点都是所在树或子树中最小的元素
8）无向图
【1】每个节点都没有方向，边上可能有权重
9）有向图
【1】每个节点是有方向的的
10）有向无环图
【1】可以描述任务之间的关系
二叉树特点：
1.每个节点最多有两个子树，所以二叉树不存在度大于2的节点（结点的度：结点拥有的子树的数目。），可以没有子树或者一个子树。
2.左子树和右子树有顺序，次序不能任意颠倒。
3.即使树种某节点只有一颗子树，也要区分是左子树还是右子树。
堆的特点
1、是完全二叉树；
2、用数组实现：将二叉树的结点按层级顺序放入数组，根节点在位置1，它的子节点在位置2和3，子节点的子节点在4、5、6、7，以此类推；
3、如果一个结点位置为k，则其父节点位置为k/2，其两个子节点的位置分别为2k和2k+1。因此，从a[k]向上一层，令k=k/2，向下一层令k=2k或2k+1；
每个结点大于等于它的两个子结点。
邻接矩阵的特点
1),无向图的邻接矩阵一定是对称的，对于有n个顶点的无向图则只存上（下）三角阵中剔除了左上右下对角线上的0元素后剩余的元素，故只需1+2+…+(n-1)=n*(n-1)/2个单元。
2），有向图的邻接矩阵不一定对称，表示图共需n^2个空间。
算法的基本语句
它包括五种最基本的算法语句。即输入语句，输出语句，赋值语句，条件语句，循环语句。
算法复杂度
算法复杂度分为时间复杂度和空间复杂度。其作用： 时间复杂度是指执行算法所需要的计算工作量；而空间复杂度是指执行这个算法所需要的内存空间。（算法的复杂性体运行该算法时的计算机所需资源的多少上，计算机资源最重要的是时间和空间（即寄存器）资源，因此复杂度分为时间和空间复杂度。）
先序遍历
DLR（中左右）
1、访问根节点
2、先序遍历左子树
3、先序遍历右子树
中序遍历
LDR（左中右）
1、中序遍历左子树
2、访问根节点
3、中序遍历右子树
后序遍历
LRD（左右中）
1、后序遍历左子树
2、后序遍历右子树
3、访问根节点
层次遍历
按照层数从左至右一次遍历
哈夫曼树的构建
哈夫曼树并不唯一，但带权路径长度一定是相同的。
举例说明：
1）8个结点的权值大小如下：
2）从19，21，2，3，6，7，10，32中选择两个权小结点。选中2，3。同时算出这两个结点的和5。
3）从19，21，6，7，10，32，5中选出两个权小结点。选中5，6。同时计算出它们的和11。
4）从19，21，7，10，32，11中选出两个权小结点。选中7，10。同时计算出它们的和17。
（这时选出的两个数字都不是已经构造好的二叉树里面的结点，所以要另外开一棵二叉树；或者说，如果两个数的和正好是下一步的两个最小数的其中的一个，那么这个树直接往上生长就可以了，如果这两个数的和比较大，不是下一步的两个最小数的其中一个，那么就并列生长。）
5）从19，21，32，11，17中选出两个权小结点。选中11，17。同时计算出它们的和28。
6）从19，21，32，28中选出两个权小结点。选中19，21。同时计算出它们的和40。另起一颗二叉树。
7）从32，28， 40中选出两个权小结点。选中28，32。同时计算出它们的和60。
8）从 40， 60中选出两个权小结点。选中40，60。同时计算出它们的和100。 好了，此时哈夫曼树已经构建好了。
两个栈模拟一个队列进行插入和删除的过程
1、插入
2、删除
深度优先搜索遍历
图的深度优先搜索遍历（DFS）类似于二叉树的先序遍历。
广度优先搜索遍历
图的广度优先搜索遍历（BFS）类似于树的层次遍历。
树转二叉树和中序线索二叉树
树转二叉树
672
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
