数据结构与算法知识点总结

存储结构：

逻辑结构：

集合：元素之间没有任何逻辑关系

线性结构：

线性表：

功能受限的表：

 

 非线性的结构：

树：

 

二叉树的性质：

    性质1：二叉树的第i层上至多有2^(i-1)（i≥1）个节点。

        满二叉树：每层的节点数都是2^(i-1)

        完全二叉树：

        1、深度为k，有n个节点的二叉树当且仅当齐每一个节点都与深度为k的满二叉树编号从1到n的节点一一对应时。

        2、除了最后一层外，其余每一层都是满的，最后一层的节点必须从左到右分布。

        3、如果所有的节点都满足从上到下、从左到右分布，就是满二叉树。

    性质2：深度为h的二叉树中至多含有(2^h)-1个节点。

    性质3：若在任意一棵二叉树中，有n0个叶子节点，有n2个度为2的节点，则必有n0=n2+1。

    性质4：具有n个节点的完全二叉树深为log2x+1（其中x表示不大于n的最大整数）。

    性质5：若对一棵有n个节点的完全二叉树进行顺序编号（1≤i≤n），那么，对于编号为i（i≥1）的节点：

    当i=1时，该节点为根，它无双亲节点。

    当i>1时，该节点的双亲节点的编号为i/2。

    若2i≤n，则有编号为2i的左节点，否则没有左节点。

    若2i+1≤n，则有编号为2i+1的右节点，否则没有右节点。

二叉树的分类：

二叉树的存储：

二叉树的遍历：

 二叉树的操作：构建、销毁、插入、遍历、高度、密度、删除、求根、求左右

 

图：有穷且非空的顶点与顶点之间的边组成的集合

无向图：

        边用(A,B)方式表示，点与点之间是互通的

        在无向图中任意两个顶点之间都有边，该图称为无向完全图，则含有n个顶点的无向完全图有 n*(n-1)/2 条边

    有向图：

        边用<A,B>方式表示,仅表示从A点到B点有边，有向图的边也叫做弧，A是弧尾，B是弧头

        在有向图中任意两个顶点之间都有两条方向相反的弧，这种图称为有向完全图

        含有n个顶点的有向完全图有 n*(n-1) 条边

注意：不讨论顶点到自身的边，而且也不讨论重复出现的边，这种图叫简单图，数据结构中只研究简单图

图中点多边少：叫做稀疏图，反之叫做稠密图。

图中顶点到顶点之间的边如果带上数据，这些数据叫做边的权重，带权重的图称为带权图，也叫网。

各种图的定义：

 

    路径：从顶点到另一个顶点，经过的边叫做路径，边的数量叫做该路径的长度。

    环：图中有某个顶点最后能通过边绕回该点

    回路：专指有向图，从某点出发，最终又有弧能够回到该点，如果某点只有输出，没有输入时，该点一定没有回路

    注意：顶点序列中不重复出现的路径称为简单路径

存储结构和图的遍历：

算法：算法是解决特定问题求解决步骤的描述，再计算机中表现为指令的有限序列，并且每条指令表示一个或多个操作。 

基本定义：输入、输出、又穷性、确定性、可行性
 输入：算法具有零个或多个输入
 输出：算法至少有一个或多个输出
 有穷性：指算法再执行有限的步骤之后，自动结束而不会出现无心循环，并且每一个步骤再可接受的时间内完成
 确定性：算法的每一个步骤都具有确定的意义，不会出现二义性
 可行性：算法的每一步都必须是可行的，也就是说，每一步都能通过执行有限次数完成

查找算法：

 

排序算法：

 冒泡：

        数组左右进行比较，把最大的数据交换到最后。

        特点：该算法堆数据的有序性敏感，在排序过程中发现数据有序，可以立即停止，

        如果待排序的数据基本有序时，冒泡的效率非常高。

        时间复杂度：最优:O(n) 平均(最差):O(n²)

        稳定的

选择：

        假定最开始的位置是最小值，并记录下标min，然后与后面的数据比较，如果有比min下标的数据更小，

        则更新min，最后如果min的值发生变化，则交换min为下标的数据与最开始位置的数据

        与冒泡相比：交换次数少，运行速度较快

        是冒泡的一种变种，但对数据的有序性不敏感，因此数据较混乱时比冒泡快

        时间复杂度：O(n²)

        不稳定的 eg. [10 10 1]

    插入：

        把数据看成两部分，一部分是有序的，把剩余部分的数据逐个插入，知道插完就全部有序了。

        适合对已经排序好的数据，新增数据并重新排序

        时间复杂度：O(n²)

        稳定的

    希尔：

        是插入排序的升级版，由于插入排序时，数据移动的速度比较慢，所以增加了增量的概念，

        以此提高排序的速度，数据量越多，比插入的速度越快。

        时间复杂度：O(n²)

        不稳定的

 

    快速：

        找到一个标杆，备份标杆的值，一面从左边找比标杆大的数，将找到的数据赋值给标杆位置，更新标杆放入位置到左左标杆处，在从右边找比标杆小的数据，如果找到也把数据赋值给标杆位置，更新标杆的位置到右标杆处，多次重复以上过程，直到左右标杆相遇，最后在相遇处还原标杆的值，最终达到标杆左右两边整体有序，然后按照同样的方法去排序左，右部分，最终全部有序。

它的综合性能最优，因此叫做快速排序，笔试中考的比较多的排序算法

时间复杂度：O(nlog)

    

    归并：

        先把待排序的数据拆分成单独的个体，然后按照从小到大的顺序合并复制到临时内存中，

        最终全部合并结束后再从临时内存赋值给原内存。

        由于需要使用额外的内存空间，因此避免了数据交换时的耗时，是一种典型的用空间换时间的算法

        时间复杂度：O(nlogn)

        稳定的

    堆：

        把数据当做完全二叉树，然后把树调整成大顶堆，再把根节点的数据交换到最后，然后数量-1，

        然后剩余部分重新调整成大顶堆，重复以上步骤，直到数量为1时结束

        

    计数：

        先找出数据中的最大值、最小值，创建哈希表，用 最大值-最小值+1 作为哈希表的长度，

        使用 数据-最小值 作为哈希表的下标访问哈希表并标记+1；然后遍历哈希表，当表中的值非零时，

        把该 下标+最小值 还原会原来的数据依次放回原数组中，最终排序完成。

        是一种典型的用空间换时间的算法，该算法理论上速度可以非常快，但是有很大的局限性，适合排序整型数据，

        而且数据的差值不宜太大，否则会非常浪费内存，适合数据较为平均，重复数较多的排序

        时间复杂度 O(n+k)    

        稳定的

    桶：

        把数据根据值的范围，存储到不同范围的桶中，然后调用其它的排序算法，对桶中的数据进行排序，

        排序结束后再拷贝回原数组中，以此降低排序规模来降低排序的时间，是一种典型的以空间换时间的算法。

        缺点：如何分桶、桶的范围定义多大，这些都需要对数据有一定的了解

        时间复杂度 O(n+k)

        稳定的

    基数：

        是桶排序的具体实现，首先创建10个队列，然后逆序计算出数据的个十百千...位，然后按照每位对应的数据

        压入到对应的队列中，某位入队结束后，按照队列的顺序出队储存回原数组中