数据结构与算法（算法）给自己写的笔记

排序：

本章大部分内容假设整个排序工作能在主存中完成，因此元素个数较小（10的六次方）内部排序

在磁盘或磁带上完成的排序也很重要，这种排序成为外部排序

我们假设N是排序例程中的元素个数，对于所有的排序，数据都将在位置0开始

1、插入排序

插入排序保证元素是已经排过序的

 如果输入数据已预先排序，那运行时间为O（N²）

通过交换相邻元素进行排序的任何算法要花费Ω（N²）

希尔排序：

它通过比较一定间隔的元素来排序，间隔的距离随着算法的进行而减小，直到比较相邻元素（插入排序），所以也叫缩小增量排序

 通过角标不变并拆分成几个小数组的方法

然后各自改变每一个小数组的方式来排序

关键是要选择一个增量序列ht（间隔的元素）

每个元素相隔hk

 建议的序列就是把N个元素除以2并向下取整

直到取到hk为1（插入排序）

以上的序列还可改进

代码

堆排序：

优先队列可以花费O（NlogN））时间排序，基于该想法的算法叫堆排序

实践中却慢与Sedgewick增量序列的希尔排序

通过第二个数组记录deletemin的值

因为使用了第二个数组，所以存储需求增加一倍

所以可以在deletemin时把值记录在最后一个空穴，最后堆就会以递减的方式存储。

也就是把第一个元素和最后一个元素交换，空间得以重复利用

哈夫曼树（最优二叉树）：

路径：从树的一个结点到另一个结点之间的分支构成这两个结点间的路径

结点的路径长度：两结点间路径上的分支数

树的路径长度·：从树根到每一个结点的路径长度之和，记作TL

结点数相同的二叉树中，完全二叉树是路径长度最短的二叉树

权：

将树中结点赋给一个有着某种含义的数值，则这个数值称为该结点的权`

结点的带权路径长度：

从根节点到该结点之间的路径长度与该结点的权的乘积·

树的带权路径长度：

树中所有叶子结点的带权路径长度之和记作WPL

哈夫曼树：最优树（带权路径长度（WPL）最短的树

带权路径长度最短，是在度相同的树中比较而得的，因此有最优二叉树，最优三叉树等

哈夫曼树：最优二叉树（带权路径长度（WPL）最短的二叉树

 贪心算法：构造哈夫曼树时首先选择权值小的叶子结点

哈夫曼算法：·

构造森林全是根：

（1）根据n个权值构成n颗二叉树的森林，每个数的根节点就是权值

选用两小造新树：

（2）在森林里选取权值最小的树作为左右子树构造一棵新的二叉树，新树的根节点权值为其左右子树上根结点的权值之和

删除两小提添新人

（3）删除这两棵树，并将新得到的二叉树加入森林

重复2、3剩单根

（4）重复（2）（3）直到森林只有一棵树，这棵树即为哈夫曼树

 总结：

 哈夫曼树的实现:

 因为哈夫曼树有2n-1个节点，所有使用数组时大小为2n（从0开始）

哈夫曼编码：

1、统计字符集中每个字符在电文中出现的平均概率

2、利用哈夫曼树的特点：权越大的叶子离根越近，将每个字符的概率值作为权值，构造哈夫曼树，则概率越大的结点，路径越短

3、在哈夫曼树的每个分支上标0或者1

        结点的左分支标0，右分支标1

        把从根到每个叶子的路径标号连起来，作为该叶子代表的字符的编码

 前缀码即使不会发生重码

求哈夫曼编码 

图：

G=（V，E）

V:顶点的有穷非空集合

E：边的有穷集合

无向图：每条边都是没方向的

有向图：每条边都是有方向的

完全图：任意两个点都有一条边相连

 稀疏图：有很少边或弧的图（e<nlogn)】

稠密图：有较多边或弧的图

网：边/弧带权的图

邻接：有边/弧相连两个顶点之间的关系

存在（vi， vj）则称vi和vj互为邻接点（圆括号无先后关系，无向图）

存在<vi, vj>则称，vi邻接到vj，vj邻接与vi（尖括号表示vi到vj是有序的序偶，有向图）

关联（依附）：边/弧度与顶点的关系

存在（vi，vj）或<vi, vj>则称该边/弧依附于vi和vj