数据结构（部分）

最新推荐文章于 2024-10-07 14:53:51 发布

huangxi000

最新推荐文章于 2024-10-07 14:53:51 发布

阅读量176

点赞数

文章标签：数据结构

本文链接：https://blog.csdn.net/huangxi000/article/details/105329461

版权

1、KMP字符串模式匹配算法
核心思想是：当前位置的字符失配时，模式字符串应该移动到哪个下标位置。这只与模式字符串有关。
（1）

int KmpSearch(char* s, char* p)  
{  
    int i = 0;  
    int j = 0;  
    int sLen = strlen(s);  
    int pLen = strlen(p);  
    while (i < sLen && j < pLen)  
    {  
        //①如果j = -1，或者当前字符匹配成功（即S[i] == P[j]），都令i++，j++      
        if (j == -1 || s[i] == p[j])  
        {  
            i++;  
            j++;  
        }  
        else  
        {  
            //②如果j != -1，且当前字符匹配失败（即S[i] != P[j]），则令 i 不变，j = next[j]      
            //next[j]即为j所对应的next值        
            j = next[j];  
        }  
    }  
    if (j == pLen)  
        return i - j;  
    else  
        return -1;  
}  

void Getnext(string needle,vector<int> &next){
        int j=0,k=-1;
        next[0]=-1;
        while(j<needle.size()-1){
            if(k==-1||needle[j]==needle[k]){
                j++;
                k++;
                next[j]=k;
            }
            else k=next[k];
        }
    }

（2）next数组求法：
先求出各个前缀后缀的最大公共元素长度：
在这里插入图片描述
将上面求得的数组向右移一位正好可以得到next数组，首位补位-1；

2、二叉树概念

平衡二叉树：一棵空树或左右两个子树的高度差的绝对值不超过1，并且左右两个子树都是平衡二叉树。（注意：实际应用中很少有不是二叉搜索树的平衡二叉树，所以很多语境下平衡二叉树即指平衡二叉搜索树，但本文中不使用这样的简称）
完全二叉树：设二叉树的高度为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 层从右向左连续缺若干结点。（完全二叉树是特殊的平衡二叉树）
满二叉树：深度为k，且有2的(k)次方－1个节点——每一层上的结点数都是最大结点数。（此为国内定义）（满二叉树是特殊的完全二叉树）
二叉搜索（查找 / 排序）树BST：左子树上的值都小于根结点的值，右子树上的值都大于根结点的值，且左右子树都是二叉排序树。
平衡二叉搜索树AVL：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，左子树上的值都小于根结点的值，右子树上的值都大于根结点的值，且左右两个子树都是一棵平衡二叉树。常用算法有红黑树、AVL、Treap、伸展树等。（注意：AVL可以表示算法也可以表述树，二者不是一件事）
哈夫曼树 相关概念：（1）节点的带权路径长度：从该节点到树根之间的路径长度与节点上权的乘积。（2）树的带权路径长度：树中所有叶子节点的带权路径长度之和。

3、图
顶点的度：无向图中为与该顶点关联的边的数目。有向图中为出度与入度之和。
连通性：无向图中，从任一顶点到另一顶点存在路径，则称任意两点是连通的，称该图为连通图。有向图中，从任一顶点到另一顶点存在路径，且反向也能到达该顶点，则称其为强连通。

求最短路径：
迪杰斯特拉算法（Dijkstra）：Dijkstra算法按最短路径长度递增的次序求任意给定的某顶点(作为始点)到其它的n-1个顶点的最短路径。若需要求出全部顶点对间的最短路径，必须以每个顶点为源点应用Dijkstra算法n次。
算法步骤：
a. 初始时，S只包含源点，即S＝{v}，v的距离为0。U包含除v外的其他顶点，即:U={其余顶点}，若v与U中顶点u有边，则<u,v>正常有权值，若u不是v的出边邻接点，则<u,v>权值为∞。
b. 从U中选取一个距离v最小的顶点k，把k，加入S中（该选定的距离就是v到k的最短路径长度）。
c. 以k为新考虑的中间点，修改U中各顶点的距离；若从源点v到顶点u的距离（经过顶点k）比原来距离（不经过顶点k）短，则修改顶点u的距离值，修改后的距离值的顶点k的距离加上边上的权。
d. 重复步骤b和c直到所有顶点都包含在S中。
详细算法：https://www.cnblogs.com/biyeymyhjob/archive/2012/07/31/2615833.html

弗洛伊德算法（Floyd）：是解决任意两点间的最短路径的一种算法，可以正确处理有向图或负权的最短路径问题，同时也被用于计算有向图的传递闭包。Floyd-Warshall算法的时间复杂度为O(N3)，空间复杂度为O(N2)。
核心代码：

for(k=1;k<=n;k++)
        for(i=1;i<=n;i++)
            for(j=1;j<=n;j++)
                if(e[i][j]>e[i][k]+e[k][j])
                     e[i][j]=e[i][k]+e[k][j];