软考中级-软件设计师（三）数据结构 考点最精简

一、线性结构

1.1线性表

线性表是最简单、最基本也是最常用的一种线性结构。常采用顺序存储和链式存储，主要的基本操作是插入、删除和查找等

线性表的定义：一个线性表是n（n>=0）个元素的有限序列，通常表示为（a1,a2,a3…,an）

线性表的存储：

·顺序存储：用一组地址连续的存储单元依次存储线性表中的数据元素，从而逻辑上相邻的两个元素物理位置上也相邻

·链式存储：通过指针链接起来的节点存储数据元素，地址不要求连续

空间方面：链式存储还需要存储指针，所以有空间浪费

时间方面：当需要对元素进行破坏性操作（插入，删除）时，链表效率更高；不改变结构操作（读取，查找）时，顺序表效率更高

根据节点中指针域的设置方式，还可以有以下几种分类：双向链表、循环链表、静态链表

1.2栈和队列

队列是“先进先出”的，分队头和队尾两个指针；栈是“先进后出”的，只有栈顶能进出。

可以将队列理解成一根“水管”，尾部放入元素，头部拿出元素；将栈理解成一个“盒子”，先放入的元素被压在底下，只能后拿出

循环队列：为降低运算复杂度，元素入队时只修改队尾指针，元素出栈时只修改队头指针，即将顺序队列假想成一个环状结构，称之为循环队列

设队列Q容量为MAXSIZE，初始为空，且Q.rear和Q.front都等于0：

元素入队时，修改队尾指针Q.rear=(Q.rear+1)%MAXSIZE,

元素出队时，修改队头指针Q.front=(Q.front+1)%MAXSIZE,

当出队操作导致队列变为空时/入队操作导致队列为满时，有Q.rear==Q.front

1.3串

定义：串是仅由字符构成的有限序列，是一种线性表。字符串是一种特殊的线性表，其数据元素全部为字符。

串的存储模式：可以进行顺序存储或链式存储

串的匹配模式：

·朴素的模式匹配算法：从第一个字符起逐个匹配

·KMP算法：出现相比较不等的字符，利用已得到的“部分匹配”，结果向右滑动尽可能远的距离

二、数组、矩阵和广义表

2.1数组

定义：数组是定长线性表在维数上的扩展，相当于二维“线性表”。

数据元素数目固定，一般不做插入和删除运算，适于采用顺序结构；数据元素类型相同；数据元素的下标关系具有上下界的约束且下标有序。

a[i][j]存储地址：按行存储：a+(i*n+j)*len 按列存储：a+(j*n+i)*len（选择题直接代入特殊值算）

2.2矩阵

特殊矩阵：矩阵中的元素的分布有一定规律。常见的有对称矩阵、三角矩阵等

稀疏矩阵：在一个矩阵中非0元素个数远少于0元素个数，且非0元素分布没有规律

（只出选择题，同样直接代入计算）

2.3广义表

定义：广义表是线性表的推广，是有0个或多个单元素或子表组成的有限序列

长度：最外层元素包含的元素个数；深度：所含括号的重数（没怎么考过）

三、树

3.1树与二叉树

树是n（n>=0）个节点的有限集合，当n=0时称为空树。树的定义是递归的，它表明了树本身的固有特性，也就是一棵树由若干子树构成，而子树又由更小的子树构成

二叉树：二叉树在树的定义上增加规定：一个根节点只能含有两个或以下的孩子节点，所以，二叉树的子树可以称之为左子树（左孩子）和右子树（右孩子）

3.2二叉树的性质与存储结构

1.二叉树的第i层上最多有2^(i-1)个节点

2.高度为k的二叉树最多有2^k-1个节点

3.对于任何一棵二叉树，若最终端节点数为n0，度为2的节点数为n2，则n0=n2+1

满二叉树：在高度为h的完全二叉树中，除了第h层其余层都是满的；

完全二叉树：在第h层上的节点必须从左到右依次放置，不能留空

二叉树存储结构：顺序存储，从上到下，从左到右依次存储

对于完全二叉树：没有编号为i的节点，共有n个节点

若i=1，则为根节点，无双亲；若i>1,则双亲节点为i/2；

若2i<=n，则为左孩子编号为2i，否则无左孩子节点；

若2i+1<=n，则右孩子编号为2i+1，否则无右孩子节点。

二叉树的链式存储结构：包含多种信息，可以用三叉链表或二叉链表存储

（二叉链表：左指针指向左子树，右指针指向右子树；三叉链表：多加一个指针指向双亲节点）

3.3二叉树的遍历

先序遍历、中序遍历、后续遍历中的“前中后”指的是根节点的次序

其中，只有中序遍历的集合和前或后序的集合才能反向构造出二叉树（中序为必须）

3.4线索二叉树

定义：可以在链式存储中再增加两个指针域，使其分别指向前驱和后继节点，但浪费存储空间

若n个节点的二叉树使用二叉链表存储，则必然有n+1个空指针域，需增加两个标识，以区分指针域存放的到底是孩子节点还是遍历节点。

3.5最优二叉树（哈夫曼树）

定义：一类带权路径最短的树

路径：树中一个结点到另一个结点之间的路径；

结点的路径长度：路径上的分支数目（之间有几条线）；

树的路径长度：根结点到到达每一个叶子结点之间的路径长度之和；

权：结点代表的值；

结点的带权路径长度：该结点到根节点之间的路径长度乘以该结点的权值；

树的带权路径长度：树的所有叶子结点的带权路径长度之和

题型——哈夫曼树求法：给出一组权值，将其中最小的两个权值作为叶子结点，其和作为父结点，组成二叉树，而后删除这两个叶子结点权值，并将父结点的值添加到该权值中，重复至所有权值都用完（哈夫曼树中，度为2的节点比度为0的节点数正好少1）

四、图

4.1图的定义与存储

1）定义

·无向图：图的结点之间连线没有箭头，不分方向；

·有向图：图的节点之间是箭头，区分从A到B和从B到A；

·完全图：无向完全图中，结点两两之间都有连线，n个结点的连线数为(n-1)+(n-2)+...+1=n*(n-1)/2;有向完全图中，两两之间都有互相的箭头，箭头数为n*(n-1)；

·度、出度和入度：顶点的度是关联与该顶点的边的数目，入度是以该顶点为终点的有向边的数目，出度指以该顶点 为起点的有向边的数目；

·路径：存在一条通路，可以从一个顶点到达另一个顶点；

·子图：有两个图G=(V,E)和G'=(V',E')，如果V'<=V且E'<=E，称G'为G的子图；

·连通图和连通分量：针对无向图，若从顶点v到顶点u中任意两个顶点相通，则称为连通图，无向图G的极大连通子图为其连通分量；

·强连通图和强连通分量：为上一概念针对有向图的变形；

·网：边带权值的图称为网

2）图的存储：

·邻接矩阵：假设一个图有n个结点，则使用n阶矩阵来存储这个图中各个节点的关系，规则是若结点i到结点j有连线，则矩阵R i,j = 1，否则为0

·邻接链表：先用一个一维数组将图中的所有顶点存储起来，然后对比此一维数组的每个顶点元素，使用链表挂上其出度到达的节点的编号和权值

4.2图的遍历

深度优先遍历：从任一顶点出发，遍历到底，直至返回，再选取任一其他结点重复此操作直至遍历完

广度优先遍历：先访问完一个顶点的所有邻接顶点，而后再依次访问其邻接顶点的所有邻接顶点，类似于层次遍历

4.3生成树及最小生成树

生成树：对于有n个顶点的连通图，至少有n-1条边，而生成树中恰好有n-1条边，所以连通图的生成树是该图的极小连通子图，图的生成树不唯一。

最小生成树：对于连通网来说，边是带权值的，生成树的各边也带权值，因此把生成树各边的权值总和称为生成树的权，把权值最小的生成树称为最小生成树

 

4.4拓扑排序和关键路径

拓扑排序：若图中一个结点入度为0，则应最先执行此次活动，而后删除掉此结点和其关联的有向边，再找其他没有入度的结点，依次重复上面步骤

关键路径：在从源点到汇点的路径中，长度最长的路径称为关键路径。关键路径上所有活动均是关键活动

五、查找

5.1静态查找表的方法

·顺序查找：将待查找的关键字key的元素从头到尾与表中元素进行比较，如果中间存在关键字为key的元素，则返回成功，否则查找失败

·折半查找：只适用于待查找序列中的元素是有序排序的情况（与表中元素比较，再比较前半/后半部分……）

·分块查找：是对顺序查找方式的一种改进，首先将表分为若干块，每块的关键字不一定有序，但块之间是有序的，即后一块中所有记录的关键字均大于前一个块中最大的关键字。在索引表中确定待查记录所在的块，在块内顺序查找

5.2动态查找表

·二叉排序树：又称二叉查找树，或者是一棵空树，或者是具有以下性质的树：1.若左子树非空，则左子树上的所有结点小于根节点的值；2.若右子树非空，则右子树上所有结点的值均大于根结点的值；3.左右子树本身是二叉排序树。

·平衡二叉树：又称AVL树，或是一棵空树，或具有如下性质：左右子树都是平衡二叉树，且左右子树高度之差的绝对值不超过1。

5.3哈希表

哈希表定义：通过一个以记录的关键字为自变量的函数（称为哈希函数表）得到该记录的存储地址，在表中查找时，用同一哈希函数计算得待查的地址

哈希函数的构造方法：线性探测法、直接定址法……主要需解决两个问题：应是一个压缩映像函数以节省存储空间，应具有较好的散列性。

处理冲突的方法：

还有链地址法、再哈希法、建立一个公共移除区，从未考过，不做赘述

六、排序

6.1简单排序

·直接插入排序：前 i-1 个元素是有序的，第 i 个元素依次从第 i-1 个元素向前比较，直到找到第一个比 i 大/小的元素，插入；当元素无序时，可以将第一个元素看作有序。

直接插入排序是一种稳定的排序算法，其时间复杂度为O(n^2),在排序过程中只需一个元素的辅助空间，空间复杂度为O(1)

·冒泡排序：对 n 个数据进行排序，先将第一个记录的关键字和第二个记录的关键字进行比较，若为逆序，则交换这两个记录的值，然后比较第二个记录和第三个记录的关键字，以此类推，知道全部比较完，上述被称为第一趟冒泡排序，此时最大的数据已在队尾，再对前 n-1 个数据进行第二趟冒泡排序，直到整个记录有序

冒泡排序是一种稳定的排序方法，其时间复杂度为O(n^2),在排序过程中只需一个元素的辅助空间，空间复杂度为O(1)

·简单选择排序：n个记录排序，通过 n-1 在次关键字中的比较，从 n-i+1 中选择出关键字最小的记录，并和第 i 个记录进行交换，当 i 等于 n 时所有记录有序排列

简单选择排序是一种不稳定的排序方法，其时间复杂度为O(n^2),在排序过程中只需一个元素的辅助空间，空间复杂度为O(1)

6.2希尔排序

希尔排序是对直接插入排序方法的改进。先将整个待排序记录分割成若干子列，然后分别进行直接插入排序，待整个序列中的记录基本有序时，再对全体记录进行一次直接插入排序

6.3快速排序

设定一个基准值放在中间，左小右大，之后对每一半再进行如上操作，有比基准值小的交换到左边，大的交换到右边

快速排序是不稳定的排序方法，其时间复杂度为O(n log2 n),在所有算法复杂度为此数量级的排序方法中，快速排序被认为是平均性能最好的一种。但是，若初始记录序列按关键字有序或基本有序时，即每次划分都是将序列划分为一半序列长度为0的情况，此时快速排序的性能退化为时间复杂度是O(n^2)

6.4堆排序

堆本质上是树，大顶堆是左右孩子都小于根（每个节点都需要满足）使用数组存储大顶堆；同理，若左右孩子都大于根则为小顶堆

堆排序是一种不稳定的排序方法，算法时间复杂度为O(n log n)，对于记录数据较少的文件来说，堆排序的优越性并不明显，但对于大量的记录来说，堆排序是很有效的

6.5归并排序

将两个或两个以上的有序文件合并成为一个新的有序文件。归并排序的一种实现方法是把一个有n个记录的无序文件看成是由n个长度为1的有序子文件组成的文件，然后进行两两归并，得到n/2个长度为2或1的有序文件，再两两归并，如此重复

整个归并排序需进行 log2 n趟，时间复杂度为O(n log n)

6.6基数排序

基于多个关键字进行多轮排序，如个、十、百位等

基数排序是一种稳定的排序方法，不同的基数所用时间是不同的

6.7内部排序方法小结

1.若待排序的数目n较小，可采用直接插入排序和简单选择排序。由于直接插入排序所需的记录移动操作较简单选择排序多，因而当记录本身信息量较大时，用简单选择排序方法较好；

2.若待排序的记录按关键字基本有序，宜采用直接插入排序或冒泡排序；

3.当n很大且关键字的位数较少时，采用链式技术排序较好；

4.若n较大，则应采用时间复杂度为O(n log n)的排序方法，例如快速排序、堆排序或归并排序

七、典型例题

​​​​​​​