数据结构期末考试复习整理

写在前面：
本博客基于学校提供的教材书《数据结构——Java语言描述（第2版）》编写。原意是用于学校期末考的复习整理，也希望能对大家有所帮助！
此次整理是针对学校给出的考点，而不是针对数据结构整个课程的知识点整理。
博客中的页码为教材相关内容的对应页码。图片为原书的照片，代码基本为书上的原版代码，仅供参考。

一、填空题

度数与边数的关系

无向图和有向图

判空判满

连通图的点与边的关系

等等

二、程序填空

2.1 顺序表插入运算

public void insert(int i, Object x) throws Exception {
    if (curLen == listElem.length) {
        // 顺序表已满
        throw new Eception("顺序表已满");
    }
    if (i < 0 || i > curLen) {
        throw new Exception("插入位置不合法");
    }
    for (int j = curLen; j>i; j--) {
        // 元素后移
        listElem[j] = listElem[j - 1];
    }
    // 插入
    listElem[i] = x;
    curLen++;
}

2.2 统计二叉树中结点个数

public int countNode(BiTreeNode tree) {
    int count = 0;
    if (tree != null) {
        LinkQuene quene = new LinkQuene();
        // 根结点入队
        quene.offer(tree);
        while (!L.isEmpty()) {
            tree = (BiTreeNode) quene.poll();
            count++;
            if (T.lchild != null) {
                quene.offer(tree.lchild);
            }
            if (T.rchild != null) {
                quene.offer(tree.rchild);
            }
        }
    }
    return count;
}

2.3 顺序查找

public int seqSearch(Comparable key) {
    int i = 0, n = length();
    while (i<n && r[i].key.compareTo(key)!=0) {
        i++;
    }
    // 如果找到了那么会在i<n停下
    if (i < n) {
        return i;
    } else { // 如果一直找不到，那么最后会i>=n而退出循环
        return -1;
    }
}

2.4 堆排序调整堆算法

public void sift(int low, int high) {
    int i = low;
    int j = 2 * i + 1;
    Record temp = r[i];
    while (j < high) {
        // 如果右子结点小于左子结点，则对右子结点进行操作
        // 升序大顶堆，降序小顶堆。此处为小顶堆，小的在上大的在下
        if (j < high - 1 && r[j].key.compareTo(r[j + 1].key > 0)) {
            // j++换到右子结点
            j++;
        }
        if (temp.key.compareTo(rp[i].key) > 0) {
            r[i] = r[j];
            i = j;
            j = 2 * i + 1;
        } else {
            j = high + 1;
        }
    }
    r[i] = temp;
}

public void heapSort() {
    int n =this.curLen;
    RecordNode temp;
    // 创建堆
    for (int i = n/2-1; i>=0; i--) {
        sift(i, n);
    }
    /*
	将堆顶元素（最小的元素）与末尾元素交换，将最小元素"沉"到数组末端;
	重新调整结构，使其满足堆定义，然后继续交换堆顶元素与当前末尾元素，
	反复执行调整+交换步骤，直到整个序列有序。
	
	这里做的工作就是下面示意图表示的
	 */
    for (int i = n - 1; i > 0; i--) {
    	// 交换无序序列两端的元素
        temp = r[0];
        r[0] = r[i];
        r[i] = temp;
        // 剩余未排序的部分元素再次构建堆
        sift(0 ,i);
    }
}

三、问答题

3.1 排序

3.1.1 时间复杂度和空间复杂度

排序法	平均时间	最差时间	稳定性	额外空间	备注
冒泡	$O(n^2)$	$O(n^2)$	稳定	$O(1)$	适合少量数据
交换排序	$O(n^2)$	$O(n^2)$	不稳定	$O(1)$	适合少量数据
选择	$O(n^2)$	$O(n^2)$	不稳定	$O(1)$	适合少量数据
直接插入	$O(n^2)$	$O(n^2)$	稳定	$O(1)$	适合大部分数据已排序
基数	$O({\log }_{R}B)$	$O({\log }_{R}B)$	稳定	$O(n)$	B是真数(0-9)，R是基数(个十百)
希尔	$O(n\log n)$	$O(n^m),1<m<2$	不稳定	$O(1)$	m是所选分组
快速	$O(n\log n)$	$O(n^2)$	不稳定	$O(n\log n)$	适合较多数据
归并	$O(n\log n)$	$O(n\log n)$	稳定	$O(1)$	适合较多数据
堆	$O(n\log n)$	$O(n\log n)$	不稳定	$O(1)$	适合较多数据

稳定	不稳定
冒泡、直接插入、基数、归并	交换、选择、希尔、快速、堆

p241-262 四大排序算法，比较长，写在最后面

3.2 最小生成树

p215-220 克鲁斯卡尔算法 普里姆算法

构造最小生成树一定有下面两个特点：

1、尽量选取最小的权值的边，并且不能有回路

2、n个顶点只选取n-1条边。

3.2.1 克鲁斯卡尔算法

根据边的权值递增的方式，一次找出权值尽可能最小的边建立最小生成树。并且规定每次新增的边不能使生成树形成回路。直到找到n-1条边为止。

最小生成树不是唯一的。

3.2.2 普里姆（Prime）算法

不知道怎么说，看图好懂一些。

普里姆算法不同于克鲁斯卡尔算法，它更像是一棵树的生长过程，适合结点数量多的树构建最小生成树。

3.3 建立二叉排序树

p294 292-299

3.3.1 二叉排序树定义

1. 若左子树不为空，则左子树上所有结点的值均小于根结点的值。
2. 若右子树不为空，则右子树上所有结点的值均大于根结点的值。
3. 根结点的左右子树也都是二叉排序树。

3.4 哈希表处理冲突的方法：开放定址法的线性探测

p317

开放定址法是哈希表处理冲突的一种方法，它的基本思想是：当冲突发生时，形成一个地址序列，沿着这个序列逐个探测，知道找到一个“空”的开放地址，就将发生冲突的关键字存放在该地址。

开放定址法的一般形式为：
$$H_i=(H(key)+d_i)\%m,(i=1,2,\dots ,k(k\le m-1))$$
其中，H(key)是关键字的哈希函数，%是取模，m为哈希表长，di为每次再探测时的地址增量。

线性探测法即地址增量为$d_i=1,2,\dots ,m-1$的开放定址法，其中i为探测次数。这种方法在解决冲突的时候一，依次探测下一个地址，直到有空的地址后插入。若整个空间都找不到空余的地址，则产生溢出。

线性探测法很容易造成数据元素的“聚集”现象，即多个哈希地址不同的关键字都在争夺同一个后继哈希地址，这种现象对查找不利。

其根本原因是查找序列过分集中在发生冲突的存储单元后面，而没有在整个哈希表空间上分散开来。

3.5 BFS DFS

p208-209

3.5.1 广度优先搜索BFS

从图中的某个顶点V开始，先访问该顶点，在依次访问该顶点的每一个未被访问的邻接点$w_1,w_2,\dots$。然后按照邻接点的访问顺序访问$w_1,w_2,\dots$未被访问的子邻接点。

重复上述过程知道图中所有顶点都被访问为止。

3.5.2 深度优先搜索DFS

从图的某个顶点V开始访问，然后访问它的任意一个邻接点$w_1$，再从$w_1$出发，访问与$w_1$相邻且为被访问过的顶点$w_2$，再从$w_2$出发进行类似访问。如此进行下去，知道所有子结点的邻接点都被访问过。

之后，退回一步，回到上一个被访问的顶点（递归），看看是否还有其他未被访问的邻接点，如果有，则访问此结点，然后再次从该子结点出发，进行类似的访问操作。

重复以上操作，直到图中所有结点均被访问。

3.6 哈夫曼树的构造

哈夫曼算法：

假设$n$个叶结点的权值分别为$w_1,w_2,\dots ,w_n$，则

1. 由已知给定的$n$个权值$w_1,w_2,\dots ,w_n$，构造一个由$n$棵二叉树构成的森林$F$，森林中每一个结点单独作为一棵树（即每棵树仅有一个结点，就是根结点）。每棵树的权值分别为$w_1,w_2,\dots ,w_n$。
2. 在森林中选择根结点的权值最小和次小的两棵树，分部把它们作为左子树和右子树，构建一颗新的二叉树。该新二叉树的根结点权值为左右孩子的权值之和。
3. 将新二叉树的左右子树从森林中移除，将新产生的二叉树加入森林中
4. 重复上述两点，直到森林中只剩下一颗二叉树为之，这棵树就是哈弗曼树。

四、综合题

4.1 根据前中序遍历建立二叉树、森林

4.1.1根据前中序遍历建立二叉树

思路

1. 取先根遍历序列中第一个结点作为根结点
2. 在中根遍历序列中寻找根结点，确定根结点在中根遍历序列中的位置，设为$i(0\le i\le count)$，其中$count$为二叉树遍历序列的结点个数
3. 在中根遍历序列中确定：
   1. 根结点之前的 $i$ 个结点序列构成左子树的中根遍历序列
   2. 根结点之后的 $count-i-1$ 个结点序列构成右子树的中根遍历序列
4. 在先跟遍历序列中确定：
   1. 根结点之后 $i$ 个结点序列构成左子树的先跟遍历序列
   2. 剩下的 $count-i-1$ 个结点序列构成右子树的先跟遍历序列
5. 由上述3、4两个步骤又确定了左右子树的先根和中根遍历序列，递归构建完整的二叉树

图解

代码实现

/**
 * 通过前序遍历序列和中序遍历序列构建子树
 * @param preOrder 前序遍历序列
 * @param inOrder 中序遍历序列
 * @param preIndex 前序遍历序列索引
 * @param inIndex 中序遍历序列索引
 * @param count 当前子树的结点数
 */
public BinaryTreeNode(List<T> preOrder, List<T> inOrder, 
                      int preIndex, int inIndex, int count) {
	if (count > 0) {
		// 先获取根结点
		T r = preOrder.get(preIndex);
		
		// 寻找根结点在中根遍历序列中根的位置
		int i = 0;
		while (i < count) {
			if (r == inOrder.get(i + inIndex)) {
				break;
			}
			
			i++;
		}
		
		// 循环结束后，i就是根结点在中序遍历序列中的位置
		data = r;
		BinaryTreeNode<T> leftNode = new BinaryTreeNode<>(preOrder, inOrder, preIndex + 1, inIndex, i);
		if (leftNode.data != null) {
			left = leftNode;
		}
		BinaryTreeNode<T> rightNode = new BinaryTreeNode<>(preOrder, inOrder, preIndex + i + 1, inIndex + i + 1, count - i - 1);
		if (rightNode.data != null) {
			right = rightNode;
		}
	}
}

4.1.2 森林与二叉树之间的转换

树 $\Rightarrow$ 二叉树

p180

1. 加线
2. 删线
3. 旋转

根据算法可得，任何一棵树对应的二叉树的根节点右子树一定为空。

二叉树 $\Rightarrow$ 树

p180-181

逆过程

1. 加线
2. 删线
3. 旋转

二叉树 $\Rightarrow$ 森林

先把二叉树切分成子二叉树，再分别转为树

设$B$是一颗二叉树，$root$是$B$的根节点，$L$是$B$的左子树，$R$是右子树。并且$B$对应的森林$F(B)$中含有$n$棵树：$T_1,T_2,\dots ,T_n$，则二叉树$B$可按照如下规则转换成森林$B(F)$：

1. 若$B$为空，则$F(B)$为空森林
2. 若$B$不为空，则$F(B)$中第一棵树$T_1$的根节点为二叉树$B$中的根节点，$T_1$中根节点的子树森林由B的左子树$L$转换而成，即 F ( L ) = { T 11 , T 12 , … , T 1 m } F(L)=\{T_{11},T_{12},\dots,T_{1m}\} F(L)={T11​,T12​,…,T1m​}，B的右子树R转换成F(B)中其余树组成的森林，即 F ( R ) = { T 2 , … , T n } F(R)=\{T_2,\dots,T_n\} F(R)={T2​,…,Tn​}

4.2 将两个带头结点的循环链表合成一个循环链表

p50-51

五、排序算法

5.1 冒泡排序

• 时间复杂度：$O(n^2)$
• 空间复杂度：$O(1)$
• 稳定

public static void bubbleSort(int[] arr) {
    for(int i = 0; i < arr.length -1; i++) {
        for(int j = 0; j < arr.length - 1 - i; j++) {
            if(arr[j] > arr[j+1]) {
                //开始进行比较，如果arr[j]比arr[j+1]的值大，那就交换位置
                //保证大的数在后，小的数在前
                int temp = arr[j];
                arr[j] = arr[j+1];
                arr[j+1] = temp;
            }
        }
    }
}

5.2 选择排序

每一次都查询余下区间的极值并插入到有序序列的末端

• 时间复杂度：$O(n^2)$
• 空间复杂度：$O(1)$
• 不稳定

public static void selectSort(int[] arr) {
    
    for (int i = 0; i < arr.length; i++) {
        // 查找获取剩下区间的最小值下标
        int minIndex = i;
        for (int j = i + 1; j < arr.length; j++) {
            if (arr[j] < arr[minIndex]) {
                minIndex = j;
            }
        }
        // 下标发生改变则调换元素，
        // 否则说明当前元素在正确的位置上，不用调换
        if (minIndex != i) {
            int temp = arr[i];
            arr[i] = arr[minIndex];
            arr[minIndex] = temp;
        }
        
    }
}

5.3 直接插入排序

每一次将记录直接插入到有序序列的适当位置

• 时间复杂度：$O(n^2)$
• 空间复杂度：$O(1)$
• 稳定

不带监视哨

/**
 * 插入排序
 * @param arr
 */
public static void insertSort(int[] arr) {
	// 默认第一个数已经排序好，从下标1开始
	for (int i = 1; i < arr.length; i++) {
		// 将要插入的第i条记录暂存在temp中
		int insertValue = arr[i];
		// 将有序序列中比temp大的记录后移
		int j = i - 1;
		while ((j >= 0) && (insertValue < arr[j])) {
			arr[j+1] = arr[j];
			j--;
		}
		// 因为最后还有j--才退出循环，所以要j++
		arr[j+1] = insertValue;
	}
}

带监视哨

每一次都将要插入的数据放在arr[0]处

遍历到最后一轮时，j==0，则arr[0]==arr[k]，自动退出循环，省去判断下标越界的操作

/**
 * 直接插入排序-带监视哨
 * @param arr
 */
public static void insertSortWithGuard(int[] arr) {
	for (int i = 1; i < arr.length; i++) {
		// 将要插入的第i条记录暂存在arr[0]中，arr[0]作为监视哨
		arr[0] = arr[i];
		// 将有序序列中比temp大的记录后移
		int j = i - 1;
		// 遍历到最后一轮时，j\==0，则arr[0]\==arr[k]，自动退出循环
         // 省去判断下标越界的操作
		while (arr[0] < arr[j]) {
			arr[j+1] = arr[j];
			j--;
		}
		arr[j+1] = arr[0];
	}
}

5.4 希尔排序

又称缩小增量排序。每一次选择不同的增量，将数据划分成不同的组，每一次对单个组进行插入排序，并不断缩小增量，直到有序

• 时间复杂度：取决于增量的选择，区间：$[O(n^{1.3}),O(n^{2.0})]$
• 空间复杂度：$O(1)$
• 不稳定

/**
 * 希尔排序
 * @param arr
 * @param incres 增量数组increments
 */
public static void shellSort(int[] arr, int[] incres) {
	// 因为用得多所以不在循环内定义
	int temp;
	// 遍历增量数组，interval为间隔
	for (int interval : incres) {
		// 分组，进行插入排序
		for (int i = interval; i < arr.length; i++) {
			temp = arr[i];

			// 后移
			int j;
			for (j = i - interval; j >= 0 && temp < arr[j]; j -= interval) {
				arr[j + interval] = arr[j];
			}
			// 插入
			arr[j + interval] = temp;
		}
	}
}

5.5 快速排序

是冒泡排序的改进

通过一趟排序将要排序的数据分割成两部分，其中一部分的所有数据都比另一部分的所有数据小，然后再以同样的方法对两个子部分的数据进行快速排序，最终得到有序序列

• 时间复杂度：平均$O(n{\log }_{2}n)$
• 空间复杂度：递归$O({\log }_{2}n)$
• 不稳定

public static void quickSort(int[] arr) {
	quickSort(arr, 0, arr.length - 1);
}

/**
 * @param arr   排序数组
 * @param left  左哨兵
 * @param right 右哨兵
 */
public static void quickSort(int[] arr, int left, int right) {
	// 如果两个哨兵相遇，则结束循环
	if (left < right) {
		// 以最左边的数作为中心点(pivot)
		int i = left, j = right, pivot = arr[left];
		while (i < j) {
			// 从右向左找第一个小于x的数
			while (i < j && arr[j] >= pivot) {
				j--;
			}
			if (i < j) {
				// 退出循环有两种情况，i > j 或者 arr[j] < pivot
				// 如果能够进入该if语句说明是arr[j] < pivot，可以交换
				arr[i++] = arr[j];
			}
			// 从左向右找第一个大于等于pivot的数
			while (i < j && arr[i] < pivot) {
				i++;
			}
			if (i < j) {
				arr[j--] = arr[i];
			}
		}
		arr[i] = pivot;
		/*
		至此完成了一次移位调换
		int pivot = arr[i];
		arr[i++] = arr[j];
		arr[j--] = arr[i];
		...
		...
		arr[i] = pivot;
		 */
        
		// 递归调用
		quickSort(arr, left, i - 1);
		quickSort(arr, i + 1, right);
	}
}