【学习笔记】数据结构和常用算法 - Day6

算法 - 并查集 Union Find

主要思想

Union：合并2个元素为1个根节点 Union(x,y)
Find：找到某个元素的根节点 Find(x)

算法模板

class UnionFind:
	# 初始化
	def __init__(self):
		self.root = [-1]*(row*col):
		for i in range(row*col):
			self.root[i] = i
	
	def find(self,x):
		if x == self.root[x]:
			return self.root[x]
		else:
			self.find(self.root[x])
			return

	def union(self,x,y):
		rootX = self.find(x)
		rootY = self.find(y)
		if rootX != rootY:
			self.root[rootX] = rootY

算法优化

Quick Find

class UnionFind:
	def __init__(self):
		self.root = [-1]*(row*col):
		for i in range(row*col):
			self.root[i] = i
	
	def find(self,x):
		if x == self.root[x]:
			return self.root[x]
		else:
			self.root[x] = self.find(self.root[x])
			return self.root[x]

	def union(self,x,y):
		rootX = self.find(x)
		rootY = self.find(y)
		if rootX != rootY:
			self.root[rootX] = rootY

Quick Union - 权重

思想：防止树太高

原理：比较两个树的高度，把矮的树连接到高的树上，使新树的高度最小

class UnionFind:
	def __init__(self):
		self.root = [-1]*n:
		self.rank = [0]*n
		for i in range(n):
			self.root[i] = i
	
	def find(self,x):
		if self.root[x] != x:
			self.root[x] = self.find(self.root[x])
		return self.root[x]

	def union(self,x,y):
		rootX = self.find(x)
		rootY = self.find(y)
		if rootX != rootY:
			if self.rank[rootX] > self.rank[rootY]:
				root[rootY] = rootX
			elif self.rank[rootX] < self.rank[rootY]:
				root[rootX] = rootY
			else:
				root[rootY] = rootX
				self.rank[rootX] += 1

算法 - 贪心算法 Greedy

核心思想

每一步的选择都是当前看起来的最优解，换言之，只是局部最优解，而不是整体最优解。

算法 - 记忆化搜索（备忘录）Memorization

目的

减少重复计算

应用

斐波那契数列：该数列的特点是 F(n) = F(n-1) + F(n-2)，需要用到递归。可用一个数组，初始值全是 -1，当某个 F(n) 的值已被计算过，就将该值存至 list [n]。后面再次用到 F(n) 时，若 list [n] 不是 -1，就直接调用该值，不需要再重复计算了。

算法 - 动态规划

特点

题型千变万化，思路千变万化

三个要素

初始状态，状态转移方程式，终止状态

步骤

由初始状态，通过状态转移方程式，计算出所有中间状态，从而计算出终止状态

应用

1.计数：有多少种方式 / 方法
机器人从左上角到右下角有多少个路径

2.求最值：最大值 / 最小值
每个格子上都有一个数字，机器人从左到右路径的最大数字和

3.求存在性：是否存在某个可能
每个格子上都有一个指向，是否存在机器人从左到右的路径

数据结构 - 字典树 / 前缀树 Trie

应用

百度的关键字自动匹配

时间复杂度

# 写一个自动匹配的程序：普通方法，不是Trie
数组：[goog,googl,google,bai,baidu,gi]

g:goog,googl,google,gi
go:goog,googl,google

# 插入：O(N)
# 搜索：O(N)
# 检查前缀是否存在：O(N*M)，N是数组的元素个数，M是每次匹配时的时间复杂度

要素

root 节点：root = Trie()
孩子节点：HashMap（key 是字符，value 是新的 Trie）
结束 Flag：boolean isEnd
对应的值：String val

知识点回顾