挑战程序大赛（第2版）第一二章总结笔记

                                                                                                                                                  第一章

世界举办的著名的程序设计大赛有:

  ①Google Code Jam 需要队员在2到3个小时内完成4道程序设计题目。

  ②TOPCoder 需要在1个小时15分钟完成3道程序设计题目，其中还可以在程序设计阶段完成后，继续挑战查看别人代码的错误，这样可以获得额外的分数。

  ③ACM-ICPC 由美国计算机协会主办，需选手在5个小时内，完成10道程序设计题目，但是三位选手只能公用一台电脑，团队配合显得异常重要。

  ④JOI-IOI 面向中学生的一项程序设计比赛，只需要选手在规定的时间内，把问题就可以了，成绩与时间无关。

  ⑤OJ(Online Judge),在互联网上，OJ系统会自动评测以外竞赛中的题目，选手可以利用该系统自己练习，来提高自己的程序设计的能力。

第二章

    递归函数：定义就是在一个函数的结尾返回时，返回的是自己本身的函数，再次利用本身的函数继续执行下去。

例如，我们可以举个例子：

Int fac(n):{
if(n>0)
{
Return fac(n-1)+n;
}
Else
{
          Break;
}
     }

这就是递归函数，这个程序就会一直加下去，知道n小于等于0为止；就会停止。还有很多这样的例子，比如斐波拉契数数列，求一个数n的阶乘等等，都可以利用递归函数。

栈：是一种支持Pop和push的数据结构。特点是先进后出，或者是后进先出。其中pushu是把数据压入栈内，而pop是把数据从栈内取出。

队列：也是一种支持pop和push的数据结构。特点是先进先出，或者后进后出，与栈的数据压入取出的方式不同。

深度优先搜索：从某个顶点访问，首先访问图的顶点，然后从该顶点出发访问左边的顶点或者右边的顶点，之后依次访问下一个顶点，直到把左边或者右边的顶点访问完，最后访问另一边的顶点。

例如上图中的二叉树，我们可以按照这样的顺序1->2->3->4->5->6->7->8->9->10->11,

也可以1->7->11->8->9->10->2->3->4->5->6

针对深度优先搜索，我们可以用C的方式：

Void DFSTraverseAL(ALGraph *G)

{/*深度优先搜索以邻接表存储的图*G*/

Int i;
For(int i=0;i<G->vexnum;i++)
Visited[i]=FALSE;  /*访问标志数组初始化*/
For(i=0;i<G->vexnum;i++)
If(!visted[i])
DFSAL(G,i);
}

宽度优先搜索：定义是从顶点开始访问，然后依次访问顶点以下邻接的点，之后继续按照顶点未访问的邻接点访问，直到所有点全部访问完。

按照图上的二叉树的话，根据宽度优先搜索的定义可以这样访问：

1->2->7->3->6->8->11->4->5->9->10

Void BFSTraverseM(MGraph *G)

{/*深度优先搜索以邻接表存储的图*G*/

Int i;
For(int i=0;i<G->vexnum;i++)
Visited[i]=FALSE;  /*访问标志数组初始化*/
For(i=0;i<G->vexnum;i++)
If(!visted[i])
BFSML(G,i);
}

动态规划（DP）一般可以遵循下面公式：

当j<w[i]

Dp[i+1][j]=dp[[i][j];

在其他的情况下

Dp[i+1][j]=max(Dp[i+1][j],Dp[i][j-w[i]]+v[i]

树，二叉树：

树：n(n>=0)个节点的有限集合，当n=0时，称为空树。任意一棵非空树满足以下条件：

（1）有且仅有一个特定的称为根的节点；

（2）当n>1;除根节点之外的其他节点被分为m(m>0)个互不相交的有限集合T1，T2，......Tn,其中每个集合又是一棵树，并称为该根节点的树。

                       图1

                            图1

在树中有一些术语：

1. 树的结点：由一些数据元素和若干指向其字数的分支组成。

2. 节点的度：节点所用所拥有的子树的个数，即分支数称为该节点的度。例如图1中的父亲指向的点的度为2，而兄弟指向的点度则为0.

3. 叶子结点：度为0的结点称为叶子节点。例如图1中有2个叶子节点。

4. 树的度：树中个节点的度的最大值。

二叉树：二叉树是数的树的一种。二叉树中每个节点最多有两个节点，所以二叉树的节点的度不会超过2。而且二叉树是一棵有序树，其左右子树不能交换。如果交换，那么得到的又是另一种二叉树。

在二叉树中，又有几种特殊的树：满二叉树，完全二叉树，斜树。满二叉树：在满足二叉树的定义情况下，所有叶子节点都在同一层上，并且叶子节点的上一层子树的节点的度一定为2，只有叶子节点的度为0.

完全二叉树：在满足二叉树的情况下，叶子节点只能出现在最下层和次下层，并且最下层的叶子节点只能在次下层子树的左部，并且次下层以上一定是满二叉树，满足最多只有一个度为1的节点的完全二叉树。

斜树：所有节点除开顶点之后，都在顶点左侧或者右侧，称为左斜树或者右斜树，也称为单枝二叉树。

优先队列：能够插入一个数值并且取出队列中最小的值的队列称为优先队列。

堆：满足二叉树的情况下，儿子本身的值不小于父亲的值。

在插入值的时候，在原来二叉树的末尾插上节点，然后观察二叉树的本身，如果儿子的值大于父亲的值则不交换，否则交换。

同样，在删除一个最小值得时候，删除顶点的值，然后从原来二叉树的末尾复制该节点，然后删除该节点，并且复制到顶点处，最后进行从上到下，从左到右，进行大小排序，按照从小到大的顺序。

堆的实现：如果赋予每个节点一个编号，按照从0到大的顺序排列，那么某个节点n（如果它存在左右儿子的情况下），那么他的做儿子满足2*n+1,右儿子满足2*n+2.

二叉搜索树的结构：

1. 插入一个数值。

2. 查询每个数值是否存在

3. 删除某个数值。

在二叉搜索树中，所有的点都满足，自己的左儿子的值小于自己的值，自己的右儿子的值大于自己的值。

查询

例如在查找上图中是否存在10，根据二叉搜索树的方法，先从顶点查找比7大，沿着右子树查找，顶点为15，比10大，沿着左子树查找，找到10.

插入

同样在插入值6，跟顶点比较值较小，往左子树下走，与2比较值较大，往右子树下走，与5比较值较大，往右子树下走，发现此位置无值，可以把值为6的数据插入到这。

删除

比如删除上图子树中的数据为2的值，一旦删除，左子树与右子树悬空，可以从左子树与右子树中找值，通过二叉树的定义可以找到数据为4的值。

图

图是由有穷非空顶点集合和顶点之间关系----边（或弧）的集合组成。一般的表示方式为：G=(V,E).其中G表示一个图，V是G的顶点的集合，E表示G的边的集合，集合E可以用P（u,v）表示一个顶点u和顶点v之间有一条直线相连。然后，就存在下面的关系：

1. G=(V,E)

2. V={u1,u2,u3.........un}

3. E={(u1,v1),(u2,v2).......(un,vn)}

图分为无向图和有向图：

上图中左边就为无向图，右边为有向图。同样有向图满足关系：

1. G=(V,E);

2. V={1，2，3，4,}

3. E={(2,1),(3,2),(4,3),(4,1),(4,2),(3,1)}

图中，如果赋予两个顶点之间有数据信息的话称为权。

权值可以表示这条线路的关系，如果是在一个电子线路图中，权值可以便是两个端点之间的电压值，电流值等等。如果是反应工程的图，可以表示一个子工程持续的时间。

上述图中为无向图的权值之间的关系。如果加上方向为有向图的权值之间的关系。

顶点之间的出度，入度：表示某一顶点依附其他顶点的边数。

上图中的无向图中，不用顶点的出入度有不等，但是无向图中一个顶点的出度和入度一定相等。

上图中的有向图中，不同顶点的出入度有不等，一个顶点的出度和入度也不一定相等。

领接矩阵存储结构也称为数组表示法，该表示法用一维数组存储图中顶点信息，用二维数组存储图中各顶点之间的邻接关系。

邻接表

领接矩阵会浪费许多存储空间，在邻接表中，只会存储与该顶点相关联的顶点信息，从而大大节约存储空间。