数据结构与算法学习总结12

查找算法：

    顺序查找

        对待查找的数据没有要求，从头到尾逐一比较，在小规模的查找中较为常见，查找效率较低

        时间复杂度：O(N)

    二分查找(折半查找)

        待查找的数据必须有序，从数据中间位置开始比较查找，如果中间值比key小，则从左边继续进行二分查找，反之从右边进行。

        时间复杂度：O(logN)      

    块查找(权重查找)

        是一种数据处理的思想，不是一种特定的算法，当数据量非常多时，可以先把数据进行分块处理，然后再根据分块的条件进行查找，例如英文字典

    哈希查找(Hash)

        数据 经过 哈希函数 计算出数据在哈希表中的位置，然后标记位置，方便之后的查找，它的时间复杂度最高可以达到 O(1)

        但是该算法有很大的局限性，不适合负数、浮点型数据、字符型数据的查找，还需要额外申请存储空间，空间复杂度高，是一种典型的以空间换时间的算法

    哈希函数设计方法：

        直接定址法：直接把数据当做哈希表的下标，把哈希表中该下标的位置+1

        数据分析法：分析数据的特点来设计哈希函数，常用的方法是找到最大值和最小值，用 最大值-最小值+1 确定哈希表的长度，使用 数据-最小值 作为哈希表的下标访问哈希表

        平方取中法、折叠法、随机数法，但都无法保证哈希数据的唯一性，出现所谓的哈希冲突，一般使用链表解决

    Hash函数的应用：MD5、SHA-1都属于Hash算法中的应用

排序算法：

    排序算法的稳定性：

        在待排序的数据中，如果有值相同的数据，在排序的全程中都不会改变它们的先后顺序，则认为该排序算法是稳定的

    冒泡：数据左右进行比较，把最大的数一直交换到最后，特点是该算法对数据的有序性敏感，在排序过程中发现有序可以立即停止排序，如果待排序的数据基本有序，则冒泡的效率非常高

        时间复杂度：最优O(N) 平均：O(N^2)

        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为下标的数据还要小，则更新min，最后判断如果min的值发生了改变，则交换min位置的数据与最开始位置的数据

        虽然选择排序的时间复杂度较高，但是数据交换次数少，因此实际运行速度并不慢

        是冒泡排序的变种，但是没有对数据有序性敏感，数据混乱情况下比冒泡快

        时间复杂度：O(N^2)

        不稳定的    (10 10 1)

        注意：算法的时间复杂度并不能代表算法的实际时间，有时候时间复杂度高的反而速度更快

    插入：把数据看作两个部分，一部分是有序的，把剩余的数据逐个插入进去

        时间复杂度：O(N^2)

        稳定的

   

    希尔：是插入排序的增强版，由于插入排序数据移动的速度比较慢，所以在此基础上增加了增量的概念，从而提高排序的速度

        时间复杂度：O(N^(1.3~2))

        不稳定

   

    快速：

        找到一个标杆p，备份标杆p的值val，一面从左找比val大的数据，

        找到后赋值给p，更新标杆p的位置到左标杆，

        然后从右边找比val小的数，找到后也赋值给p，同样更新p到右标杆，

        反复执行直到左右标杆相与停止，最后把val赋值回p的位置，

        最终会形成p左边的数都比它小，右边的数都比它大；

        然后再按照同样的方式对左右两边进行快排，最后全部有序

        快速排序的综合性能最高，因此叫做快速排序，笔试面试考最多

        时间复杂度：O(NlogN)

        不稳定

    归并：

        先把一组待排序的数据拆分成单独的个体，存放到临时空间中，然后两两比较合并，全部合并完成后再从临时空间中拷贝给原内存

        由于使用额外的内存空间避免了数据交换的耗时，是一种典型的以空间换时间的算法

        时间复杂度：O(NlogN)

        稳定

   

    堆：把数据当做当做完全二叉树看待，然后把树调整成大顶堆，然后把堆顶数据交换到末尾，然后数量--，然后重新调整回大顶堆，重复操作，直到数量为1时结束，既可以循环实现也可以递归实现(参考heap.c)

        时间复杂度：O(NlogN)

        不稳定

    计数：

        找出数据中的最大值和最小值，并创建哈希表，把 数据-最小值 作为数组的下标访问哈希表并标记数量，标记完后，遍历哈希表，当表中的值大于0，把 下标+最小值 还原数据依次放回数组中，是一种典型的以空间换时间的算法

        该排序算法理论上速度非常快，它不是基于比较的算法，在一定范围内整数排序时快于任意的一种比较排序算法，但是有很大的局限性：适合排序整形数据，而且数据的范围差别不宜过大，否则会非常浪费内存反而慢于比较的排序，如果数据越平均、重复数越多，性价比越高

        时间复杂度：Ο(N+k)（其中k是整数的范围）

        稳定的

    桶：

        根据数据的值存储到不同的桶中，然后再调用其它的排序算法，度桶中的数据进行排序，然后再从桶中依次拷贝回数组中，从而降低排序的规模以此提高排序的速度，是一种典型的以空间换时间的算法

        缺点：如何分桶、桶范围多大，这些都需要对数据有一定的了解

        时间复杂度：Ο(N+k)

        桶排序的稳定性取决于桶内排序使用的算法

    基数：

        是桶排序的具体实现，首先创建10个队列(链式队列)，然后逆序计算出数据的个、十、百...位数，然后入到对应的队列中，结束后依次从队列中出队回数组中，数据下一位继续入队，依次循环，最大值的位数就是循环次数

        缺点：只适合排序正整数数据，又要准备队列

        时间复杂度：Ο(N+k)

        稳定的