2.数据结构篇二-CSDN博客

本文链接：https://blog.csdn.net/huaixiaohai_1/article/details/104154192

之前说到了二叉树的遍历，下面继续：

满二叉树： 二叉树每一层的节点都达到了最大，其实就是这棵树是满着的。第n层有2的(n-1)次方个节点，前n层共2的n次方-1个节点。

完全二叉树：若设二叉树的深度为h，除第 h 层外，其它各层 (1～h-1) 的结点数都达到最大个数，第 h 层所有的结点都连续集中在最左边，这就是完全二叉树。

网上找了2个图片：（左：满二叉树右：完全二叉树）

最优二叉树：这个需要权重，指带权路径最小的生成树，也成为哈夫曼树。

  //将一个数组转化为一颗哈夫曼树
    public static TreeNode build(int[] nums){
        ArrayList<TreeNode>  deque= new ArrayList<>();
        for (int i:nums) {
            deque.add(new TreeNode(i));
        }
        while(deque.size()>1){
            Collections.sort(deque);
            TreeNode node =  deque.get(0);
            TreeNode node2 =  deque.get(1);
            //选择2个最小的元素构造
            TreeNode<Integer> par = new TreeNode<>((Integer) node.getData()+(Integer)node2.getData());
            par.lChild=node;
            par.rChild=node2;
            deque.remove(node);
            deque.remove(node2);
            deque.add(par);
        }
        return deque.get(0);
    }

二叉排序树：一棵有顺序的树，他的规则是左节点于中间节点，右节点大于中间节点。这种树结构查找起来非常快（除极端情况）时间复杂度是log2n；极端情况就会变成一个链表。

 //排序二叉树的构造
    public static TreeNode build(int[] nums) {
        TreeNode<Integer> root = new TreeNode(nums[0]);
        for (int i = 1; i < nums.length; i++) {
            TreeNode<Integer> node = new TreeNode(nums[i]);
            getlocal(root,node);
        }
        return root;
    }
//递归实现
    public static void getlocal(TreeNode<Integer> target, TreeNode<Integer> temp) {
        if (target.getData() > temp.getData()) {
            if (target.lChild != null) {
                getlocal(target.lChild, temp);
            } else {
                target.lChild = temp;
            }
        } else {
            if (target.rChild != null) {
                getlocal(target.rChild, temp);
            } else {
                target.rChild = temp;
            }
        }
    }

平衡二叉树：也是一个有序的树，不过这个是为了防止二叉排序树有极端情况而出现的。它是一棵空树或它的左右两个子树的高度差的绝对值不超过1，他要求他的子树都是一个平衡二叉树。这个构建代码就有点多了。

红黑树：与平衡二叉树类似，它满足下面几个性质：

性质1. 节点是红色或黑色。

性质2. 根节点是黑色。

性质3 每个红色节点的两个子节点都是黑色。(从每个叶子到根的所有路径上不能有两个连续的红色节点)

性质4. 从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点。

B树：它属于多叉树，一棵M阶多叉树，每个节点之多有m课子树，除根节点以后的所有非终端节点至少[m/2]颗子树。

这是一棵5阶B树。

B+树：是B树的一种变形树。

（1）B+跟B树不同B+树的非叶子节点不保存关键字记录的指针，只进行数据索引，这样使得B+树每个非叶子节点所能保存的关键字大大增加；

（2）B+树叶子节点保存了父节点的所有关键字记录的指针，所有数据地址必须要到叶子节点才能获取到。所以每次数据查询的次数都一样；

（3）B+树叶子节点的关键字从小到大有序排列，左边结尾数据都会保存右边节点开始数据的指针。

（4）非叶子节点的子节点数=关键字数（来源百度百科）（根据各种资料这里有两种算法的实现方式，另一种为非叶节点的关键字数=子节点数-1（来源维基百科)，虽然他们数据排列结构不一样，但其原理还是一样的Mysql 的B+树是用第一种方式实现）;

B*树：

B*树是B+树的变种，相对于B+树他们的不同之处如下：

（1）首先是关键字个数限制问题，B+树初始化的关键字初始化个数是cei(m/2)，b*树的初始化个数为（cei(2/3*m)）

（2）B+树节点满时就会分裂，而B*树节点满时会检查兄弟节点是否满（因为每个节点都有指向兄弟的指针），如果兄弟节点未满则向兄弟节点转移关键字，如果兄弟节点已满，则从当前节点和兄弟节点各拿出1/3的数据创建一个新的节点出来；

来源：https://zhuanlan.zhihu.com/p/27700617

森林和二叉树相互转化：

将一个森林转换为二叉树：

具体方法是：1.将森林中的每棵树变为二叉树；2.因为转换所得的二叉树的根结点的右子树均为空，故可将各二叉树的根结点视为兄弟从左至右连在一起，就形成了一棵二叉树。

二叉树转换为树：

是树转换为二叉树的逆过程。

1.加线。若某结点X的左孩子结点存在，则将这个左孩子的右孩子结点、右孩子的右孩子结点、右孩子的右孩子的右孩子结点…，都作为结点X的孩子。将结点X与这些右孩子结点用线连接起来。

2.去线。删除原二叉树中所有结点与其右孩子结点的连线。

散列表

散列表也是叫哈希表，基本思想是确定一个函数，求得每个关键码相应的函数并以此作为存储地址，直接将该元素存入到相应的地址空间中。

常用散列函数：

1.直接定址法：Hash(key) = a*key+b; (a,b是常数)

2.除留余数法：Hash(key)=key%p;p一般选取为小于m的最大质数，也可以是不包含小于20的质因子的合数。

3.乘余取整法：Hash(key)=[B*(A*key%1)] 一般A取： A = 1/2(根号5 -1)；

4.数字分析法：数字分析法就是找出数字的规律，尽可能利用这些数据来构造冲突几率较低的散列地址。分析一组数据，比如一组员工的出生年月日，这时我们发现出生年月日的前几位数字大体相同，这样的话，出现冲突的几率就会很大，但是我们发现年月日的后几位表示月份和具体日期的数字差别很大，如果用后面的数字来构成散列地址，则冲突的几率会明显降低。

5.平方取中法：取关键字平方后的中间几位作为散列地址。

6.随机数法：选择一随机函数，取关键字的随机值作为散列地址，通常用于关键字长度不同的场合。

处理冲突方法：

1.开放定址法：发送冲突以后，从该地址顺序向下一个地址探测，知道找到一个空的单元。

2.二测探测法：H1= (Hash(key)+di)%m,di为增量序列 1的平方负1的平方 2的平放，负二的平方....。

3.双散列函数探测法：先用一个函数对关键码计算散列地址，一旦产生冲突，再用第二个Hash函数确定移动的步长因子，最后通过步长音泽序列由探测函数再寻找空的散列地址。

4.拉链法：将同一个地址冲突的位置拉成一个拉链，再将单链表的头指针根据散列地址顺序组织起来。

5。公共溢出区法：散列表函数产生的散列地址集为[0，m-1]，则分配两个表。基本表：每个单位只存放一个元素；溢出表：只有关键码对应的散列地址在产生冲突的元素一律存入该表中。