1. 岛问题(引例)
非并行算法:
2. 并查集
2.1 基本概念
对于五个集合:
isSameSet(a, b): 往上找看是不是一个集合
union(a, b): 指针挂上去,最好是少的集合挂在多的上面
优化:
假如判断y和a是不是一个集合:
在向上寻找的过程中修改结构如下:
好处是下次寻找某个节点的head不用遍历整个链表了
2.2 并查集结构
指的是:
初始化:
查找head:
判断是不是一个集合:
聚合:
2.3 岛问题(并行算法)
假设分成左右两块用两个cpu,记录边界信息,进行并查集操作
3. 有序表
3.1 简介
- 所有操作都是log(N)级别
- 经典结构:红黑树、AVL、SB树、跳表,通常都是通过左旋和右旋维持一定的平衡
- 如果二叉树极度不平衡,数据结构的性能会下降,难以维持O(logN)
左旋:
右旋:
3.2 AVL树
AVL树的增删改查和普通二叉树没区别,但插入节点,从插入位置往上每个位置都需要检查是不是满足平衡性。删除节点也一样,从替换被删节点的节点原始位置往上一个节点开始检查。
不平衡的四种情况:
- LL型
- LR型
调整的办法是想办法让x变成head,例如y先左旋,z再右旋
- RL型
想办法让c成为head - RR型
代码:
红黑树和sb树和avl树的增删改查步骤一样,只是查到某个节点时的规则限制不一样
3.3 SB树
举例:
- LL
先右旋再递归:谁的孩子节点变化了继续右旋
m(T)是调整T的意思 - RR(同LL一样)
- LR
和AVL树一样,让不平衡的点变为head,谁的孩子节点变化了,重复以上操作
- RL
代码:
3.4 红黑树
比上面两种情况复杂的多
- 每个节点非黑即红
- 叶节点是指底层为空的节点,即null节点
- 头节点和叶节点必须是黑色
- 两个红色节点不能相邻
- 对于每个节点,到叶节点的路径上黑节点数量一样
红黑树的每个节点到叶节点只可能是红黑交替出现的路或者全黑的路,而由于最后一条限制,就可以保证红黑树的每个节点到叶节点最长的路和最短的路最多差值在两倍,这就是红黑树的平衡性。
红黑树的调整太复杂了,不如sb树和avl树
3.5 跳表
节点代码:
-
有序表因此key必须可以比较。
Map代码:
-
初始节点往外只有一个指向null的指针
-
假如这个时候添加一个节点3,我们用扔硬币的方法,一半概率产生0,一半概率产生1,如果产生1则代表3节点增加一条往外指向null的指针,直到出现0为止
-
假设3节点产生了三条往外的指针,则扩充默认节点,产生三个外链。只有默认节点可以扩充,若每次添加的节点产生的外链比现默认节点的外链多,则扩充
-
要注意如果添加的节点比已有节点小,要添加到合适的位置。从最高层开始一层层搜索,直到发现有比4小的节点,把4添加到这个节点的右边,然后层数对应。例如已经添加3和5后,我们添加一个4
常规操作: -
查找:从最高层开始一层层搜索,每次到下一层都可以减少搜索空间
-
添加:从最高层开始一层层搜索,直到发现有比4小的节点,把4添加到这个节点的右边,然后层数对应
-
删除:从最高层开始一层层搜索
好处:利用层次搜索,加速了搜索,不用再依次遍历