数据结构与STL —— 非线性数据结构

非线性数据结构

1 树

---

树（Tree）：树是一种抽象的数据结构，它是由n (n>0)个有限节点组成的一个具有层次关系的集合，树的根节点在最上层，而叶子节点在最底层；树的底层通常依赖数组或链表来进行存储。

树的分类：

• 二叉树：在树型结构中，如果每个父节点最多只有两个子节点，那么这样的树被称为二叉树；其中，一个父节点的两个子节点分别叫做“左子节点”和“右子节点”；
• 完全二叉树：若设二叉树的深度为h（即层数），除第h层外，其他各层的节点数都达到了最大个数，并且第h层中所有的节点都连续集中在最左边，这就是完全二叉树；
• 二叉搜索树：又称二叉查找树、二叉排序树，其具有如下性质：对于每个节点，若它的左子树不为空，则左子树上所有节点的值都小于该节点的值；同时若它的右子树不为空，则右子树上所有节点的值都大于该节点的值。二叉搜索树既有链表的快速插入与删除的特点，又有数组快速查找的优势。
• 平衡二叉树：又称为AVL树，是一种特殊的二叉排序树，具有如下性质：它的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一棵平衡二叉树；
• 红黑树：红黑树是一种自平衡的二叉搜索树，其既保证了数据的有序性，也保证了树结构的相对平衡。由于其自平衡的特性，使得在最坏情形下都能在O(log(n))时间复杂度内完成增删改查等操作，STL中的map和set都是基于红黑树实现的；
• B树：又称为B-树，是一种特殊的二叉搜索树，可以拥有多于2个子节点，B树是专门为外部存储器设计的，它对于读取和写入大块数据有良好的性能，常被应用于数据库和文件系统的实现上；
• B+树：B+树是B/B-树的变体，也是一种多路搜索树，相比于B树，其查询数据的IO次数更少，性能更稳定。

适用场景：适用于需要表示层次结构数据的场景，如文件系统；适用于实现快速搜索功能，如二叉搜索树（BST）；适用于表达递归结构，如语法树，DOM树。

STL参考手册：

• 有序字典（map）：std::map - cppreference.com
• 有序可重复字典（multimap）：std::multimap - cppreference.com
• 有序集合（set）：std::set - cppreference.com
• 有序可重复集合（multiset）：std::multiset - cppreference.com

2 散列表

---

散列表（Hash Table）：又称为哈希表，是根据键（Key）直接进行访问的数据结构，它通过把键（Key）映射到表中某个位置来访问值（Value），以加快查找的速度。这个映射函数叫做散列函数（或哈希函数），存放键值的数组叫做散列表。散列表的底层实现依赖于数组。散列表的设计核心在于哈希函数的选择和冲突的处理方法上。

散列表的特点：

• 访问效率：对哈希表中的数据进行增删改查的平均时间复杂度为O(1)；
• 哈希函数：哈希函数可以将任意大小的输入数据映射为固定大小的输出数据，散列表的性能和效率取决于哈希函数的选择和实现。
• 哈希冲突：哈希冲突指不同的键被映射到了同一个索引位置，导致发生冲突。处理哈希冲突的方法有开放地址法、链地址法等。

适用场景：适用于需要快速查找、插入和删除操作的需求，如缓存、数据库索引等场景。

STL参考手册：

• 无序字典（unordered_map）：std::unordered_map - cppreference.com
• 无序可重复字典（unordered_multimap）：std::unordered_multimap - cppreference.com
• 无序集合（unordered_set）：std::unordered_set - cppreference.com
• 无序可重复集合（unordered_multiset）：std::unordered_multiset - cppreference.com

3 堆

---

堆（Heap）：堆是一种满足特殊条件的树，即堆中的任意一个节点的值都大于等于（或小于等于）所有子节点的值。堆通常是基于完全二叉树实现的，在存储空间上通常使用连续数组存储。堆的操作包括插入元素和取出堆顶元素。

堆的分类：

• 最大堆：最大堆中的每一个节点的值都大于等于子树中所有节点的值；
• 最小堆：最小堆中的每一个节点的值都小于等于子树中所有节点的值。

堆的特点：

• 增删效率：在堆中插入数据和删除堆顶数据时，只需要在二叉树中上下移动节点，因此时间复杂度为O(log(n))；
• 结构调整：向堆中插入元素时，元素会从底部向上浮动，直至调整至满足大小顺序的位置；取出堆顶元素时，会将堆的末尾元素放至堆顶，然后由顶部向下沉，直至调整至满足大小顺序的位置。

适用场景：适用于只关心所有数据中的最大值或最小值，存在多次获取最大值或最小值，多次插入或删除数据的场景，如实现优先级队列、实现堆排序算法等。

4 图

---

图（Graph）：图是一种复杂的抽象数据结构，反映了元素之间的几何关系和拓扑结构。图由有限个顶点以及顶点之间的边组成，通常表示为G(V,E)，其中G表示一个图，V是图中顶点的集合，E是图中边的集合。图的存储方法有邻接矩阵（二维数组）法、邻接表（使用数组表示顶点的集合，使用链表表示边的关系）法、十字链表（适用于有向图）法、邻接多重表（适用于无向图）法、边界表法等。

图的分类：

• 无向图：图中的边没有方向，即边是双向的，可以从一个顶点到另一个顶点，也可以反向；
• 有向图：图中的边有方向，即从一个顶点到另一个顶点有箭头指向；
• 加权图：图中的边具有权重或者成本；
• 有环图：图中存在至少一个环路，即从一个顶点出发，沿着边依次经过若干个顶点后又回到原始顶点；
• 连通图：图中的任意两个顶点之间都存在至少一条路径。

图的特点：

• 图的遍历：对于图的遍历，主要有深度优先遍历（DFS）和广度优先遍历（BFS）两种方法；
• 图的最小生成树：对于一个图而言，它可以生成很多树，对于一个加权连通图，生成树不同，树中各边上的权值总和也不同，其中权值总和最小的生成树则称为图的最小生成树。经典的计算最小生成树的算法有Prim算法、Kruskal算法。最小生成树通常用于解决网络设计、电力传输、通信网络等领域的问题；
• 图的最短路径：图的最短路径指图中两个顶点之间距离最短的路径。经典的计算最短路径的算法有Dijkstra算法、Bellman-Ford算法、Floyd-Warshall算法。计算图中的最短路径在导航和路径规划、通信网络和数据传输、电力传输网络、游戏开发等领域都有很大的作用；
• 拓扑排序：拓扑排序是一种对有向无环图中的顶点进行排序的算法，目标是将图中的顶点排列成一个线性序列。经典的拓扑排序算法有Kahn算法。拓扑排序可用于软件编译、任务调度、依赖关系分析等场景；

适用场景：图数据结构在许多现实世界的问题中都有广泛的作用，特别是涉及到关系和网络的场景，如网络路由、社交关系分析、地图导航、组织结构、电力网络、路径规划等场景。