数据结构与算法——复习总结

线性表

线性表括顺序表和链式表。

栈（Stack）是只允许在一端进行插入或删除操作的线性表。应用：表达式求值，函数递归调用

队列（Queue）是只允许在一端进行插入，在另一端删除的线性表。应用：树和图的广度优先遍历，操作系统FCFS算法

双端队列：只允许从两端插入、两端删除的线性表

前缀、后缀、中缀表达式

串

KMP算法

假设匹配字符串为s，模板字符串为t，算法核心是计算出一个next数组，next[j]的含义是：从字符串开头到j下标的子字符串内，前缀和后缀完全相等的所有情况下，前缀的最后一个下标j，前缀最后一个字符的下标。
它的用法是：是当模板字符串的t[j + 1]不匹配时，往后挪移到next[j] + 1下标的位置，下一次从next[j] + 1的位置开始匹配。

树

树是由零个或多个结点组成的具有层级关系的数据结构。

树是n（n≥0）个结点的有限集合，n = 0时，称为空树，这是一种特殊情况。在任意一棵非空树中应满足：
1）有且仅有一个特定的称为根的结点。
2）当n > 1时，其余结点可分为m（m > 0）个互不相交的有限集合T1, T2,…, Tm，其中每个集合本身又是一棵树，并且称为根结点的子树。

属性:

• 结点的层次(深度）―—从上往下数
• 结点的高度――从下往上数
• 树的高度（深度）――总共多少层
• 结点的度――有几个孩子(分支)，树的结点数 = 各结点度数之和 + 1
• 树的度――各结点的度的最大值

有序树——逻辑上看，树中结点的各子树从左至右是有次序的，不能互换。反之就是无序树

森林。森林是m（m≥0）棵互不相交的树的集合

二叉树

二叉树是有序树

特殊二叉树：

• 满二叉树，每层都是满的
• 完全二叉树，除了最后一层可以不满
• 二叉排序树（二叉查找树、二叉搜索树）：对于每个结点，左子树所有结点值 < 父节点值 < 右子树所有节点值，不允许结点之间有重复值。
• 平衡二叉树。树上任一结点的左子树和右子树的深度之差不超过1

二叉树遍历：先序Preorder——根、左、右；中序Inorder——左、根、右；后序Postorder——左、右、根；bfs层序遍历

线索二叉树是对二叉树进行线索化，使某些二叉树节点可以直接访问到左右子节点以外的节点。
对于二叉树进行先序遍历得到一个先序序列，先序线索化结点的左孩子指向序列中的前驱节点，右孩子指向后继节点。
同样的，依据中序序列、后序序列可以得到中序、后序的线索二叉树。

树和二叉树之间的转换，左孩子右兄弟

森林和二叉树的转换依然是左孩子右兄弟，森林中各个树的根结点视为兄弟关系

二叉排序树

二叉排序树的插入：若原二叉排序树为空，则直接插入结点；否则，若关键字k小于根结点值，则递归插入到左子树（如果左子树为空则直接挂在左孩子结点上），若关键字k大于根结点值，则递归插入到右子树（同上）。

对于二叉排序树来说，它的中序遍历序列是一个递增序列。

二叉排序树的删除：
① 若被删除结点z是叶结点，则直接删除，不会破坏二叉排序树的性质。
② 若结点z只有一棵左子树或右子树，则让z的子树成为z父结点的子树，替代z的位置。
③ 若结点z有左、右两棵子树，我们删除左子树中值最大的结点或者右子树中值最小的结点，然后用该节点替换结点z即可。
在这里要解释一下，由于中序遍历是递增的，所以左子树值最大的结点就是中序序列中z结点的前驱节点，右子树中值最小的结点就是z节点的后继节点。
对于左子树值最大的节点，因为它的值在子树中是最大的，所以必然不含右孩子，所以肯定符合情况①或情况②，很容易删除；对于右子树中值最小的结点也是同样的道理。
其实还有一种寻找左子树中值最大的结点的方法，从左子节点开始，递归搜索它的右孩子，右孩子为空时，该节点就是左子树中值最大的结点。

平衡二叉树

平衡二叉树，也就是每个结点的左右子树高度不超过1，关键问题在于插入新结点时如何维护二叉树的平衡性。
在插入结点时，每次调整的对象都是“最小不平衡子树”
结点的平衡因子=左子树高-右子树高。

LL和RR很像，是对称的关系

LR和RL待补充。。。。

哈夫曼树

结点的权：有某种现实含义的数值（如：表示结点的重要性等）
结点的带权路径长度：从树的根到该结点的路径长度（经过的边数）与该结点上权值的乘积
树的带权路径长度：树中所有叶结点的带权路径长度之和（WPL,Weighted Path Length）

在含有n个带权叶结点的二叉树中，其中**带权路径长度（WPL）**最小的二叉树称为哈夫曼树，也称最优二叉树

图

对于无向图：顶点v的度是指依附于该顶点的边的条数，记为TD(v)。

对于有向图：
入度是以顶点v为终点的有向边的数目，记为ID(v)；
出度是以顶点v为起点的有向边的数目，记为OD(v)。
顶点v的度等于其入度和出度之和，即TD(v) = ID(v) + OD(v)。

连通的概念存在于无向图中，强连通的概念存在于有向图中

若图G中任意两个顶点都是连通的，则称图G为连通图，否则称为非连通图。
若图中任何一对顶点都是强连通的，则称此图为强连通图。

无向图中的极大连通子图称为连通分量。
有向图中的极大强连通子图称为有向图的强连通分量。

连通图的生成树是包含图中全部顶点的一个极小连通子图。
在非连通图中，连通分量的生成树构成了非连通图的生成森林。

无向完全图——无向图中任意两个顶点之间都存在边
有向完全图——有向图中任意两个顶点都存在都存在方向相反的两条弧

特殊的图：
树——不存在回路，且连通的无向图
有向树——一个顶点的入度为0、其余顶点的入度均为1的有向图，称为有向树。

邻接矩阵存图，空间复杂度O(V ^ 2), V是顶点数
邻接表存图，空间复杂度O(V + E)，E是边数

十字链表存有向图、邻接多重表存无向图待补充。。。

图的遍历

BFS广度优先遍历对应广度优先生成树


BFS，对应深度优先生成树

最小生成树

很简单，不说了。

最短路

bfs可以求无权最短路。

dijkstra求单源最短路，要求边权为非负数，复杂度O(V ^ 2)
floyd求多源最短路，边权可以为负数

拓扑排序，逆拓扑排序

EOV图的关键路径，求关键路径步骤如下：

• 起始事件的最早开始时间是0，顺着箭头的方向正向推导，求得各个事件的最早开始时间。代码上体现为BFS。
• 在上个步骤中已求得结束事件的最早开始时间，结束事件的最晚开始时间等于最早开始时间，然后逆着箭头的方向倒着推导，求出各个时间的最晚开始时间。代码上体现为BFS。
• 最早开始时间等于最晚开始时间的事件组成的路径，就是关键路径。

活动的最早开始事件等于前驱事件的最早开始事件，活动的最晚开始时间等于后继事件的最晚开始时间 - 活动持续时间

查找

折半查找时间复杂度= O(log2n)
顺序查找的时间复杂度= O(n)

B树

B树是二叉排序树的plus版，一个结点内可以多个值，一个结点可以有多个子结点。结点内的值是有序的，多个子结点的值之间也是有序的。
m阶B树每个结点至多含有m-1个关键字

B树的插入与删除

这篇文章写的比较好

B树的插入操作，一定是插入到树的叶子结点里，从树根开始递归搜索，找到应该插入的那个叶子结点然后插入即可。
如果插入后叶子结点的值个数等于树的阶，那么需要把这个结点以中间值为界限分裂成两个结点，把中间值送给父节点。如果父节点的值的个数也等于树的阶，那么对父节点递归进行分裂操作。

B+树

在B树中，叶子结点和非叶子结点都可以存放值，然而B+树的非叶子节点是不保存数据的，只起到索引作用，它的叶子节点才保存数据。

B+ 树 的数据结构中，叶子节点之间形成了单向链表。每一个节点的指针，通过叶子节点指向下一个元素。

典型应⽤：关系型数据库的“索引”（如MySQL）
在B+树中，⾮叶结点不含有该关键字对应记录的存储地址。 可以使⼀个磁盘块可以包含更多个关键字，使得B+树的阶更⼤，树⾼更矮，读磁盘次数更少，查找更快

红黑树

和平衡树一样，红黑树是二叉排序树的plus版，它在二叉排序树的基础上增加了一些限制：

1. 每个节点都有颜色，节点是红色或黑色。
2. 树根节点必须是是黑色。
3. 所有叶子都是黑色（叶子是NIL节点，代表着空值）。
4. 每个红色节点必须有两个黑色的子节点。（可以推出所有红色节点的父节点都是黑色，从每个叶子到根的所有路径上都不可能有两个连续的红色节点。）
5. 从任一节点到其每个叶子的所有简单路径都包含相同数目的黑色节点（简称黑高）。

我们都知道，为了防止在数据有序时，二叉排序树的查找效率退化成O(N)，我们要做的无非就一件事儿：限制树的深度。

那么，我们看一下上面红黑树的性质，由第2条性质、第3条性质和第4条性质可知，树根是黑色的，叶子节点是黑色的，每个红色节点的父节点也是黑色的，所以可以推出：从根节点到任一叶子节点的路径上，红色节点的数量小于黑色节点的数量。
接下来我们再看，由第五条性质可知，根节点到任一叶子节点路径上的黑色节点数都是相同的，这个数值有个名称叫做黑高，那么我们可以推出：根节点到任一叶子节点的简单路径，所经过的节点数量距离都大于等于黑高、且小于黑高的二倍。

至此我们发现，只要满足上面说的那5个性质，树的深度就能得到很好的限制，对于任何一个树中节点，它的左子树和右子树之间的深度只差不会超过100%，这种树的平衡性已经比较优秀了，足以让我们在O(logN)的内查找到所需要的值。

红黑树的删除与插入

红黑树的插入和删除比较复杂，这里有一篇写的比较好的文章，作为引用

散列查找 hash查找

散列表（Hash Table），⼜称哈希表。是⼀种数据结构，特点是：数据元素的关键字与其存储地址直接相关

把key值映射到hash表的过程称为散列函数，常⻅的散列函数：除留余数法 —— H(key) = key % p

当有两个key映射到相同的hash值时，我们称之为哈希冲突，可以使用“拉链法”解决这种冲突，也就是邻接表，如下图所示，

也可以用开放定址法解决冲突，当插入元素存在hash冲突时把它存放在邻近的空位置里，如下图中的1、68、27，他们的hash值本来都是1，但因为冲突所以变成了2 3 4。

如何确定具体存放在哪个相邻位置里，与查找哈希表时的探测方法有关：
①线性探测法—— di = 0, 1, 2, 3, …, m-1；即发⽣冲突时，每次往后探测相邻的下⼀个单元是否为空。我们把冲突的元素存储在高于当前hash地址且最邻近的空位置里，如下图中的1、68、27，他们的hash值本来都是1，但因为冲突所以变成了2 3 4。
②平⽅探测法。当di = 02, 12, -12, 22, -22, …, k2, -k2时，称为平⽅探测法，⼜称⼆次探测法其中k≤m/2。我们把冲突的元素存储当前hash地址加减k ^ 2的位置。
③伪随机序列法。di 是⼀个伪随机序列，如 di= 0, 5, 24, 11, …

排序

插入排序

将元素插入有序区间时，可使用二分查找来优化。

希尔排序

希尔排序：先将待排序表分割成若⼲形如 L[i, i + d, i + 2d,…, i + kd] 的“特殊”⼦表，对各个⼦表分别进⾏直接插⼊排序。缩⼩增量d，重复上述过程，直到d=1为⽌。
初始增量选择n/2，每次迭代增量减半

冒泡排序

按照某种大小规则连续交换相邻两个元素的位置，使最大或最小的元素冒泡到序列首部或尾部，然后对剩余序列重复冒泡操作。

快速排序

在一段序列中随便选一个数，不妨计这个数为v，然后对序列元素进行一系列交换操作，使v左边的元素均小于v，v右边的元素均大于v。这样就把序列分成了三段，左边的都小于v，中间的都等于v，右边的都大于v，对左右子序列递归上述操作，即可完成排序。

排序不稳定。不适用链表。

时间复杂度=O(n*递归层数)
最好时间复杂度=O(nlog2n)
最坏时间复杂度=O(n2)
平均时间复杂度=O(nlog2n)

空间复杂度=O(递归层数)
最好空间复杂度=O(log2n)
最坏空间复杂度=O(n)

若序列原本就有序或逆序，则时、空复杂度最⾼（可优化，尽量选择可以把数据中分的枢轴元素。）

选择排序

遍历一个序列，选出最小的数把它挪动到序列头部。然后对除首部以外的剩余序列迭代上述操作，即可完成排序。

堆排序

堆是一种完全二叉树，对于每一个子树来说，都满足这样一个性质：子树的根节点的值是该子树所有结点的最大值或最小值。

用顺序表存堆比较方便。

堆的插入和删除就是简单的pushup和pushdown操作，建立堆可以看作是把一系列元素插入一个空堆。

借助堆的特性实现排序，称作堆排序。

归并排序

归并排序的内容：对于一个序列，把它分成左右两部分，然后对左右子序列分别递归调用归并排序，然后把左右两个有序的子序列合并为一个有序的序列。

基数排序

假设关键字可以拆成d个部分，每个部分可能取得r个值，总共有n个元素，那么：

• 需要 r 个辅助队列，空间复杂度 = O®
• ⼀趟分配O(n)，⼀趟收集O®，总共 d 趟分配、收集，总的时间复杂度=O(d(n+r)）

外部排序

指要排序的数据存储在外存中，也就是磁盘中。

磁盘的读/写以“块”为单位数据读⼊内存后才能被修改修改完了还要写回磁盘

排序总结

只要涉及到可能打破两个相等元素的原本次序关系的，都是不稳定排序
比如选择排序，把后面最大的元素替换到开头去，那么开头的那个元素和与它相等的其他元素之间的次序就可能被打乱了。