第三章列表

机械白白

已于 2022-08-08 21:00:50 修改

阅读量219

点赞数

分类专栏：数据结构学习文章标签：算法

于 2022-08-08 14:53:54 首次发布

本文链接：https://blog.csdn.net/a1234a122/article/details/126227178

版权

数据结构学习专栏收录该内容

3 篇文章 4 订阅

订阅专栏

call - by - position 循位置访问

A.循秩访问

列表作为和向量一样是线性的数据结构，我们首要关心的是，他能否可以用[ ] 来便捷的访问我们需要的内存单元呢？

首先来说是可以实现的：

具体实现

同向量的重载不太一样，多了很多内容。这里的列表其实就是链表，每个节点node由一个指针succ和 data 构成。那么它的时间复杂度很明显看出来是O（r）,比起向量O(1)的速度，确实效率低下。具体来分析一下它的平均时间复杂度：

假设有这么多的数据0~n:

访问第一个元素的时候需要 while循环一次，第二个两次。。。。。。可以看出来如果逐个访问完n个元素，会花费 O(n^2) 的时间复杂度，那么访问其中随机的某一元素花费的时间复杂度就为O(n^2) / n = O(n).

B.接口与实现

从静态到动态：（为什么要学习列表）

列表和向量都是线性的数据结构，它们是对称互补的，体现于动态操作和静态操作中彼此不同的效率。

首先来了解什么是动态静态的操作，读取操作为静态写入操作为动态。

除了操作分动态静态，数据元素的存储与组织也分：

前者以向量作为代表，数据空间的大小创立之初就已然确定，物理地址与逻辑上的次序是一一对应，可以根据秩很快进行访问。那么它在进行静态操作的时候，则具有很大优势，元素都被存放在与逻辑相应的内存单元、有明确的物理地址，进行get() ,search() 操作只需要O(1) 时间。反过来，在应用动态的操作insert 、remove 起来就力不从心了，回忆代码逻辑可以知道，这两个操作一个插入一个元素，然后原区间整体往后移，一个移除一个元素然后整体往前移，时间复杂度均是O(n)

为了弥补在动态操作上的这种不足，我们引进了列表这种动态的数据结构，来扬长避短。

什么是列表

值得细说的是，对于列表，我们总能像下图那样，有个入口在首节点处进入，然后通过引用跳转到下一节点，不断引用跳转至末节点，用秩对应的话，首节点就是rank 0 末节点是 rank n-1，在逻辑上是顺序对应的，但是物理地址上他们却并不一定是紧邻的，不过并不影响他们的逻辑顺序，因为有引用彼此相邻。

call - by - position 循位置访问

在之前第A章的部分，已经说明了如何通过列表实现循秩访问，但是效率太低了是O(n)。

向量因为它下图中的性质可以很方便用循秩访问：

而列表：

对于循位置访问，有个很有意思的比喻：

循位置访问主要是关注节点与节点之间，尤其关注于相邻节点之间的关系即相互引用、相互访问，从而提高效率。

列表类的实现（操作集）：

先有节点才有列表。

节点的操作集：

节点类的实现：

从这个节点定义前驱后继可以看出来，这会是一个双向的链表，目的是后面实现删除的操作。

列表类的操作集：

列表类的实现

这个实现只是一个大体的框架，学习的重点是要好好领会下图：

引入了 头哨兵 header 和尾哨兵 trailer 是和头节点 first 末节点 last 互为前驱后继，对他们的理解好坏直接影响后面接口功能的实现的理解。不过相信邓的课，大家上完第二章之后都应该很熟悉哨兵这个概念了。对应秩的话可以认为是 -1 0 n-1 n 。头尾元素是与生俱来的但是是不可见的（invisble ）而且二者不相同，而首末元素，不见得不相同甚至可能不存在，但是是可见的（visble）。

列表类的初始化（init）

为头尾元素申请一个节点使其真实存在，并互联它们。现在初始化是一个空集的状态像下图。

C.无序列表

插入与基于复制的构造

插入操作：

主要由下图的两个函数实现：

依次介绍一下参数，以了解如何使用，

意为：在p节点前插入 data e 。函数体中的实现也很容易看懂，调用P节点的insertaspred 函数，把e 作为p 的前驱插入。

下图是插入作前驱的具体实现，建造一个新的节点x ,由于是调用P节点的insertaspred 函数，这里的pred 是 p 的pred ,this指针是p本身，这里是将明确新的节点x 的前驱和后继。后面则是，进行互联。

整个函数效果如下图：

整个操作就是一个微创手术一样，可以回想一下向量的插入操作，与向量大张旗鼓不同，这里仅对相邻的节点进行操作互联，花费的时间也仅是O(1) ,这就是列表在写入这种动态操作的优势体现。即便p节点是首节点 first 或者是 last 末节点也无所谓，操作一样是安全的，因为我们列表初始化的时候，引入了头尾哨兵节点。

基于复制的构造：

结合参数表，这个函数的意思是，从节点p开始，随后将后面连续n个节点复制进新列表进行构造。

函数体的内容也很好理解，init() 先构建一个空列表，insertaslast 其实是insertasbefore (trailer,p->data)，这里就体现出了头尾哨兵有多好用了。

删除和析构：

删除的实现：

代码的实现没什么难理解的部分可以结合下图一起理解：

析构：

主要是要两步，第一步将列表的可见部分的节点全部删除主要是通过remove 头哨兵的后继完成，第二步将头尾两节点释放。

查找：

思路主要是仿照向量的find()函数：

如同下图,有一个列表L ，以p节点作为基准，在这个p的真前驱中逐个比对，所谓真前驱即不包括p本身。

具体代码如下：

一点小细节在于，参数表的顺序是 find (e,n,p)，意为在p的n个真前驱中寻找，先n再p,如果写成find(e,p,n) 意为在p的真后继中寻找。函数体内容很简单不细说了，当有多个重复元素的时候会停在秩最大的那一项。

去重（唯一化操作）：

首先对于这个去重操作，我们对列表有以下的理解：

前面绿色的部分是不会存在重复元素的，可以认为是算法的不变性，紫色则是非空后缀，我们以e作为目标在前缀不断寻找，无论查找成功与否，问题规模最少减一。

那么去重的具体实现有：

首先是一个平凡情况处理，如果元素数量仅有1 自然无重复。可以紧接着注意到可以认为这是一个初始化，当p节点是首节点的时候，它的前驱是头哨兵，自然没重复满足了不变性。函数体中的while循环体里，要认识到，find()是会返回命中的节点的指针的若查找失败则返回null。q若存在即说明 q是有重复元素的节点，则remove ，至于q不存在时r++，则说明将当前节点p放入绿色区域中，在下一轮循环中进行寻找。