树:
不做具体树的介绍
树是由结点和边组成的,不存在环的一种数据结构
树满足递归定义的特性。也就是说,如果一个数据结构是树结构,那么剔除掉根结点后,得到的若干个子结构也是树,通常称作子树。
二叉树中,每个结点最多有两个分支,即每个结点最多有两个子结点,分别称作左子结点和右子结点。
- 满二叉树,定义为除了叶子结点外,所有结点都有 2 个子结点。
- 完全二叉树,定义为除了最后一层以外,其他层的结点个数都达到最大,并且最后一层的叶子结点都靠左排列。
二叉树的储存方法:
- 链式储存法:像链表一样,每个节点有三个字段,一个储存数据,两外两个分别储存左右子节点的指针
- 顺序储存法:按照规律把节点存放在数组中(上到下,左到右)
顺序存储方法中,结点 X 的下标为 i,那么 X 的左子结点总是存放在 2 * i 的位置,X 的右子结点总是存放在 2 * i + 1 的位置。
完全二叉树浪费的仅仅是下标为0的储存位置,储存空间利用效率高。
树的基本操作
树的遍历方法:
- 前序遍历:对树中的任意结点来说,先打印这个结点,然后前序遍历它的左子树,最后前序遍历它的右子树。(中左右)
顺序:ABDECFG
- 中序遍历:对树中的任意结点来说,先中序遍历它的左子树,然后打印这个结点,最后中序遍历它的右子树。(左中右)
顺序:DBEAFCG
- 后序遍历:对树中的任意结点来说,先后序遍历它的左子树,然后后序遍历它的右子树,最后打印它本身。(左右中)
顺序:DEBFGCA
// 先序遍历
public static void preOrderTraverse(Node node) {
if (node == null)
return;
System.out.print(node.data + " ");
preOrderTraverse(node.left);
preOrderTraverse(node.right);
}
// 中序遍历
public static void inOrderTraverse(Node node) {
if (node == null)
return;
inOrderTraverse(node.left);
System.out.print(node.data + " ");
inOrderTraverse(node.right);
}
// 后序遍历
public static void postOrderTraverse(Node node) {
if (node == null)
return;
postOrderTraverse(node.left);
postOrderTraverse(node.right);
System.out.print(node.data + " ");
}
二叉树的遍历中,每个节点都被访问了,时间复杂度为O(n)。
增加和删除操作只需要通过指针建立连接关系,时间复杂度为O(1)
二叉树的特性:
- 在二叉查找树中的任意一个结点,其左子树中的每个结点的值,都要小于这个结点的值。
- 在二叉查找树中的任意一个结点,其右子树中每个结点的值,都要大于这个结点的值。
- 在二叉查找树中,会尽可能规避两个结点数值相等的情况。
- 对二叉查找树进行中序遍历,就可以输出一个从小到大的有序数据队列。
二叉树的查找操作:
- 首先判断根结点是否等于要查找的数据,如果是就返回。
- 如果根结点大于要查找的数据,就在左子树中递归执行查找动作,直到叶子结点。
- 如果根结点小于要查找的数据,就在右子树中递归执行查找动作,直到叶子结点。
"二分查找”所消耗的时间复杂度就可以降低为 O(logn)。
二叉树的插入操作:
从根结点开始,如果要插入的数据比根结点的数据大,且根结点的右子结点不为空,则在根结点的右子树中继续尝试执行插入操作。直到找到为空的子结点执行插入动作。二叉查找树插入数据的时间复杂度是 O(logn)
二叉树的删除操作:
- 情况1:要删除的结点是某个叶子结点,则直接删除,将其父结点指针指向 null
- 情况2:删除的结点只有一个子结点,只需要将其父结点指向的子结点的指针换成其子结点的指针
- 情况3:如果要删除的结点有两个子结点,则有两种可行的操作方式
- 找到这个结点的左子树中最大的结点,替换要删除的结点
- 找到这个结点的右子树中最小的结点,替换要删除的结点
例:
输入一个字符串,判断它在已有的字符串集合中是否出现过?
采用最暴力的办法:假设字符串集合包含了 n 个字符串,其中的字符串平均长度为 m。那么新来的一个字符串,需要与每个字符串的每个字符进行匹配。则时间复杂度为 O(nm)
在 nm 的复杂度中,存在很多的无效匹配。例如,输入 hxxx时 字符串集合中没有h 开头的,则不需要进行后续的匹配。
因此,如果可以通过对字符前缀进行处理,就可以最大限度地减少无谓的字符串比较,从而提高查询效率。这就是“用空间换时间”的思想,再利用共同前缀来提高查询效率。
们对字符串建立一个的树结构,它将字符串集合的前缀进行合并,每个根结点到叶子结点的链条就是一个字符串
这个树结构也称作 Trie 树,或字典树。它具有三个特点:
- 第一,根结点不包含字符;
- 第二,除根结点外每一个结点都只包含一个字符;
- 第三,从根结点到某一叶子结点,路径上经过的字符连接起来,即为集合中的某个字符串。
这个问题的解法可以拆解为以下两个步骤:
- 第一步,根据候选字符串集合,建立字典树。这需要使用数据插入的动作。
- 第二步,对于一个输入字符串,判断它能否在这个树结构中走到叶子结点。如果能,则出现过。