《大话数据结构》笔记

link：github链接

1.数据结构绪论

1.3数据结构起源

数据结构是一门研究非数值计算的程序设计问题中的操作对象，以及它们之间的关系和操作等相关问题的学科。

1.4基本概念和术语

数据/数据元素/数据项/数据结构

数据结构：相互之间存在一种或多种特定关系的数据元素的集合。

也就是数据的组织形式

1.5逻辑结构和物理结构

逻辑结构：集合，线性，树形，图形

物理结构：数据的逻辑结构在计算机中的存储形式

顺序存储和链式存储

1.6抽象数据类型

ADT abstract data type

指一个数学模型和在该模型上的一组操作

2.算法

算法：解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示为一个或多个操作。

2.2数据结构与算法关系

谈到算法是为了更好的理解数据结构

2.5算法的特性

输入（0/多）、输出（1/多）、有穷性（不会无限循环）、确定性（无二义性）、可行性（可编程）

2.6 算法设计的要求

正确性：语法，对合法的input产生正确的output，对不合法的input产生说明，考虑极端情况

可读性：便于阅读理解和交流

健壮性：不合法的input不会招致崩溃

时间效率高，存储量低

2.7算法效率的度量方法

事后统计/事前分析

与问题输入规模n的关系

2.8函数的渐进增长

判断算法效率时，系数和常数不重要，更关注最高阶项的阶数

2.9算法时间复杂度

大O记法：最高阶项，无系数

常数阶O（1）/线性阶O（n）/平方阶/对数阶

2.10常见的时间复杂度

1<logn<n<nlogn<n*n<2^n<n!<nn

2.11最坏情况与平均情况

无特指则分析最坏时间复杂度

2.12算法空间复杂度

可以以空间换时间

分析算法所用的辅助单元

3.线性表

零个或多个数据元素的有限序列

3.3线性表的抽象数据类型

初始化，是否为空，清空，按位置索引，按值定位，插入，删除，返回个数

3.4线性表的顺序存储结构

用一段地址连续的存储单元依次存储线性表的数据元素

描述顺序存储结构需要三个属性：起始位置，最大存储容量（capacity），当前长度（size）

数据的长度：sizeof 所占字节数

线性表长度：元素个数，size

线性表，随机存取结构，存取性能时间O（1）

3.5顺序存储结构的插入与删除

插入：插入位置之后的元素全都要后移，O（n）

删除：删除位置之后的元素全都要前移，O（n）

优缺点：

优点：无需为元素之间的逻辑关系额外增加存储空间，快速存取

缺点:插入删除复杂度高，长度变化时，难以确定空间容量，造成存储空间碎片。

3.6线性表的链式存储结构

特点：用一组任意的存储单元存储线性表数据元素，存储地址可以不连续。每个节点存储数据和后继节点的地址。

数据域/指针域

头指针：指向头节点的指针，，常为链表的名字，必不为空

头节点：dummy head，数据无意义，指针只想第一个数据元素，用来统一第一数据节点与其他节点的操作。不是必须要素。

p->data

p->next

3.7单链表的读取

读取特定元素需要从头节点开始找

复杂度O（n）

因为链表没有定义长度，多以只能用工作指针后移

3.8单链表的插入与删除

将s插入到p和p->next中：

new listnode s;

s->next=p->next;p->next=s;

将p->next从p和p->next->next中删除：

q=p->next;p->next=q->next;

free(q);

对于频繁插入/删除数据项的操作，链表相对于vector优势明显

3.9单链表的整表创建

生成节点-》插入

3.10单链表的整表删除

删除节点，释放节点

3.11链表与vector的优缺点

频繁查找用数组，频繁插入删除用list

数目变化大用list

3.12 静态链表

对于没有指针的语言，可用数组实现静态链表。每个数据节点存储数据和下一个元素的index。

插入/删除：将未被使用和已被删除的节点组成备用链表

优缺点：与数组相比，插入删除复杂度降低，但是未解决表长度不确定的问题以及失去了数组 O（1）存取的特性

3.13循环链表

尾节点指针指向头节点

3.14双向指针

data

*next

*prev

4.栈与队列

栈是限定仅在表尾进行插入和删除操作的线性表

队列是尾部插入，头部删除的线性表

4.2栈的定义

栈顶：允许插入删除

后进先出，LIFO，last in first out

入栈（压栈），出栈

4.3栈的抽象数据类型

操作：初始化，销毁，清空，判断是否为空，读栈顶，pop，push，size

4.4栈的顺序结构存储及实现

数组尾端做栈顶

4.5两栈共享空间

从数组的两端向中间靠拢，每次push检查两个栈顶会不会相遇

条件：两个栈的空间需求相反，数据类型相同

4.6栈的链式存储结构及实现

头指针作为栈顶指针，头结点不需要了

C语言会用链栈，因为没有动态数组

4.7栈的作用

简化程序设计，思考范围缩小，聚焦问题核心，高级语言基本都有栈的封装

4.8栈的应用–递归

斐波那契数列：兔子繁殖，出生两个月后，每对生一对

斐波那契数列直接递归

递归函数：直接调用自己或者间接调用自己的函数

递归函数要有终止条件

迭代使用循环结构

递归使用选择结构

迭代代码易懂，更消耗时间和内存（调用函数，栈帧开销）

调用时，函数的局部变量，参数值，返回地址都被压入栈中。

4.9栈的应用–四则运算表达式求值

后缀（逆波兰）表示法 RPN reverse polish notation

括号成对出现，用栈很合适

所有的符号在要运算的数字的后面出现，去掉了括号

运算规则：遇到数字进栈，遇到符号，栈顶弹出两个元素进行运算

中缀表达式转后缀表达式规则：数字输出，符号则判断与栈顶符号的优先级，右括号或优先级低于栈顶符号，则栈顶元素依次出栈（当前的是右括号，则截止到左括号出栈）输出，当前符号进栈。

计算机处理中缀表达式：1.转后缀2.后缀计算

4.10队列的定义

queue，fifo

先进先出，只可以在尾部插入，头部删除

应用：操作系统，客服系统

顺序存储：头指针队头元素，尾指针队尾元素的下一个位置，则front=rear时，空队列

假溢出？：循环队列解决

防止front=rear时有满或空两种情况：将满定义为front与rear差1时

队列满的条件：（rear+1）%queuesize==front

队列长度公式（rear-front+queuesize）%queuesize

时间复杂度不高，但面临数组溢出的问题

4.13 队列的链式存储结构及实现

单链表，只能尾进头出

空间上，链队列更灵活，时间上，循环队列更快些

5.串

string：字符串，0/多个字符组成的有限序列

空串

串的相邻字符有前驱和后继的关系

子串在主串中的位置时子串第一个字符在主串中的序号

串的比较：

更小：串头相同，更短者；第一个不同的字符ascii编码更小者。

线性表更关注单个元素操作：增删改查

串更多的是查找字串位置，得到指令位置子串，替换子串等

串的结尾有\0表示结束

c中串操纵为了防止溢出注意malloc和free

5.6朴素的模式匹配算法

子串的定位操作同非常乘坐串的模式匹配。

朴素：主串遍历，每个位置作为起始位置与子串尝试匹配，n主串长度，m子串长度，最坏O（n-m+1）*m

5.7KMP模式匹配算法

避免重复遍历

设计一个next数组表征子串自身的重复性，用来跳过不必要的比较。

next数组设计：

next【0】=0；

next【1】=1；

next【i（》=2）】看【0：i-1】的串的前缀和后缀有几个重和，n个重合则值为n+1

比较不等的情况下，子串指针通过next数组回溯，减少复杂度。o（m+n）

主串与子串之间存在许多“部分匹配”的情况下有优势。

next数组可改良解决子串头长重复字符的问题。将next【0】传递给身后与他相同字符对用的next值

改进的kmp：在计算next的同时，如果a位字符与他next指向的字符相等，则a的nextval指向b的nextval，不等则和naxt一样。

回文，s==reverse（s）

6.树

树：一个root，子树不相交

一对多的数据结构

度:节点拥有的子树数目

节点：根节点/内部节点（度>0）/叶节点（度为0）

节点之间的关系：子节点/父节点/兄弟节点/祖先/子孙

深度:root深度最浅

森林：互不相交的树的集合

6.4 树的存储结构

一个存储结构设计的是否合理，取决于该存储结构的运算是否合适，是否方便，时间复杂度好不好。

孩子兄弟表示法

node：data | first child | right brother

将树转化为二叉树

6.5 二叉树的定义

左子树和右子树次序不能任意颠倒

斜树：左/右斜树

满二叉树：内部节点度为2. 同等深度的二叉树里，满二叉树节点数最多。

完全二叉树：构造满二叉树的中间状态

6.6 二叉树的性质

1.第i层最多有2^（n-1）个结点

2.深度为k的二叉树，最多有2^k - 1 个结点

3.叶节点数=度为2的节点数+1

4.完全二叉树深度【log2N】 +1 //【】，向下取整

完全二叉树的层次排列：节点i，【i/2】是其父节点，2i是其左孩子，2i+1是其右孩子

6.7 二叉树的存储结构

完全二叉树可以用数组存储，普通的也可以，将不存在的节点用^无效数据表示来占坑

链式存储：data+*左孩子 + *右孩子 （还可以指向父节点，三叉链表）

6.8 遍历二叉树

前/中/后 序遍历：指访问根节点的次序，左一直在右前。比如后序遍历，左右中。

层次遍历

遍历方法把树的节点变成某种意义的线性序列。

前中后的遍历和迭代写法

根据前序和中序 或者 后序和中序 可以推导出另一种遍历顺序。但是前序+后序不能确定一颗二叉树。

6.9 二叉树的建立

递归，生成节点(new/malloc),节点赋值

6.10 线索二叉树

创建时就记住前驱和后继。

利用空地址（n个节点有n-1个边，但是有2n个指针域）来存储某种遍历次序下的前驱和后继节点的位置。

指向前驱和后继的指针称为线索。

线索二叉树是将二叉树转化为了双向链表

线索化

节点中增加两个bool变量，ltag和rtag，表征当前左右指针是否是左右孩子。

线索化就是在便利的过程中修改空指针，将空指针改为指向前驱或者后继。

应用场景：二叉树经常需要某种遍历序列的前驱和后继。

6.11 树、森林与二叉树的转换

树–》二叉树：长子兄弟表示法

森林–》二叉树：各自转成二叉树，后续树的根作为右孩子接到前边。

6.12 赫夫曼树及其应用

压缩编码方法：赫夫曼编码

根据数据出现的频率来编码，将频率高的数据用更短的bit来编码，前缀编码，所有编码不是另外编码的前缀。

最优树/赫夫曼树：带权路径长度最小的二叉树

书的路径长度是根到每一结点的路径长度之和

赫夫曼编码需要接收端配合

7.图

图：顶点和边构成的集合。

图形结构中，节点之间的关系是任意的。

线性表–》元素，树–》结点，图–》顶点vertex

图中不允许没有顶点，顶点集合有穷非空，边集可以是空的

各种图定义：无向边，有向边（弧）

无向边用（）来表示，有向边用<>来表示

简单图:没有顶点到其自身和重复的边

无向图中，如果任意两个顶点都存在边，则成称为无向完全图。n顶点–》n*（n-1）/2

稀疏图/稠密图

带权重的图通常称为网

子图，subgraph

顶点之间，相邻接，边与顶点相关联(依附)。顶点的度（degree）是与其相关联的边数。

有向图：入度和出度

顶点到顶点的路径不唯一

回路/环/简单环（只有头尾重复）

任意两个顶点都有路径（连通的），称为连通图。

连通分量：极大连通子图

有向图：强连通图，强连通分量

连通图的生成树：极小连通子图，包含n个顶点，n-1条边，构成树

7.4 图的存储结构

邻接矩阵:顶点用一维数组存储，边用二维邻接矩阵存储

无向图的边数组是一个对称矩阵

邻接矩阵处理稀疏图很浪费–》邻接表

邻接表：把数组和链表相结合的方法。

数组：存储顶点和第一个邻接点的指针，所以数组的每个entry都构成链表。

对于带权值的网，节点定义中再加一个weight即可

单链表创建：头插法

对于有向图来说，将邻接表（出度）和逆邻接表（入度）结合起来，十字链表（orthogonal list）

十字链表，顶点表节点结构：data|firstin|firstout

边表结点结构：tailvex|headvex|headlink|taillink

十字链表，容易求得顶点的入读和出度

邻接多重表：关注无向图的对边的操作，一条边在边表中用两个节点表示

边集数组：两个一维数组组成，一个存储顶点的信息，另一个存储边的信息

7.5 图的遍历

从图中某一顶点出发，遍历其他顶点，且每个顶点被访问一次，叫做图的遍历。

深度优先遍历（类似于树的前序遍历）/广度优先遍历（类似于树的层次遍历）

深度优先搜索+回溯，遍历图的顶点

对于点多边少的稀疏图来说，邻接表使算法的时间空间效率大大提高

bfs和dfs在时间复杂度上相同，不同的是对顶点访问顺序的不同

根据应用场景选择深度优先或者广度优先

7.6 最小生成树

构造连通网的最小代价生成树称为最小生成树。

普利姆算法（稠密图有优势），克鲁斯卡尔算法（稀疏图有优势）

prim算法：以顶点为起点，逐步找各顶点上最小权值的边来构建最小生成树。

kruskal算法：找最小权值的边来构建，利用边集数组结构

7.7 最短路径

迪杰斯特拉算法：dijkstra on*n

按路径长度递增的次序产生最短路径。一步步求出起点到终点之间顶点的路径。

弗洛伊德算法：floyd

二重循环初始化+三重循环权值修正

7.8 拓扑排序

有向无环图，顶点表示活动，弧表示活动之间的优先关系，AOV网。

拓扑排序，其实就是对一个有向图构造拓扑序列的过程。

7.9 关键路径

对一个流程图获得最短时间，就要分析他的拓扑关系，找到当中最关键的流程。

8.查找

查找表

关键字

静态查找表：

动态查找表：可做插入删除

编程优化：在查找方向的尽头放置哨兵，辨别错误

二分查找，斐波那契查找

8.5 线性索引查找

索引就是把一个关键字与它对应的记录相关联的过程。

线性索引 树形索引 多级索引

线性索引，索引表：稠密索引，分块索引，到排索引

稠密索引：数据集的每个记录对应一个索引项。索引项按关键码有序。

分块索引：对数据集分块，使其分块有序，然后对每个块建立索引。块内无序，快间有序。索引表的条目存储，最大关键码，块长，块首指针。查块用二分，块内遍历 。复杂度 根号n

倒排索引：由属性值查找该属性值的各记录地址，因此称为倒排。即建立一张表，记录此关键码和出现过次关键码的指针或者主关键码。（搜索引擎）

8.6 二叉排序树

二叉搜索树，左《root《右

插入删除：旋转，3+4操作

8.7 平衡二叉树（AVL树）

平衡因子：左子树高度-右子树高度，只会为-1，0，1

查找/插入/删除：o lgn

8.8 多路查找树（B树）

为了避免频繁访问磁盘而设计。

打破一个节点只存储一个元素的限制。

多路查找树multi-way-search-tree：每一个节点的孩子数可以多于两个，且每个节点可以存储多个元素。查找树，元素之间存在某种特定关系。

2-3树，2-3-4树，B树，B+树

2-3树：每个节点具有两个孩子或者三个孩子

2结点，1元素+2孩子，类似二叉搜索树，不过两个孩子同时出现或者同时缺失。

3结点，2元素+3孩子，同样有序

2-3插入的传播效应导致了根节点的拆分，则树的高度就会增加。

2-3-4树：还有4结点，3元素+4孩子

B树平衡的多路查找树，2-3，2-3-4，是B树的特例。结点最大的孩子数组称为B树的阶。

在B树的查找过程，就是顺指针查找结点和在节点中查找关键字的交叉过程。

B树如何减少访问外存的次数？

使B树的阶数和硬盘的页面大小匹配，采用类似页式管理的方法来管理数据结构，让根节点贮存在内存中，大大减少访问外存的次数。每次磁盘访问都可以获得最大数量的数据。

B树的数据结构就是为了内外存的数据交互准备的。

B+树：B树对下层结点的遍历需要频繁访问根节点。

改进：节点中增加一个指向中序遍历后继的指针（上一层节点中出现过）

8.9 散列表查找（哈希表）概述

直接通过key找到value

value/value的位置和key有映射关系。

散列表/哈希表

散列：面向查找的数据结构，记录之间没有逻辑关系。

存储和查找:通过哈希函数处理key，计算存储地址

设计一个简单/均匀/存储利用率高的散列表：

如何处理冲突？

8.10 散列函数的构造方法

好的散列函数：计算简单+地址均匀

常用方法：

1.直接定址法：线性函数：y=a*key+b

需要事先知道关键字的分布，适合查找表较小且连续的情况。

2.数字分析法：抽取数的某些位并作各种操作（环移，反转，互加）形成地址

通常适合处理key的数字位数较大的情况，也要求key均匀

3.平方取中法：平方，再取中间某些位

适合不知道关键字分布，且位数又不是很大的情况。

4.折叠法

将key从左到右分割成几段，叠加再取后几位

实现不需要知道key的分布，适合key位数较多的情况。

5.除留余数法：最常用

y=k mod p（p小于表长，最好为质数）

6.随机数法

y=random （key），适合key的长度不等时

选择散列函数参考：计算时间，关键字长度，散列表大小，关键字分布，查找频率

8.11 处理散列冲突的方法

1.开放定址法：

线性探测法，冲突了寻找临近位置是否为空并放入。

会出现堆积现象(不冲突的两个key争夺地址)

二次探测法：寻找新位置的步长由1-2-3改为1，-1，4，-4，9.。。两个方向，步长平方增长

随机探测法：探测的步长随机生成（查找时用相同的随机种子，所以没问题）

开放定址法在散列表未填满时，总能找到不发生冲突地址。常用。

2.再散列函数法：事先准备多个散列函数，发生冲突时，更换散列函数。

3.链地址法：将冲突的数据挂在同一个单链表上，冲突时加节点

4.公共溢出区法：将冲突的数据统一放置于溢出区

8.12 散列表查找实现

散列查找取决于：

散列函数是否均匀，处理冲突的方法，散列表的装填因子（利用率）

9.排序

排序的稳定性：两个相等的值排序完前后相对位置没变，则称为稳定。

内排序/外排序：排序过程中，待排序记录是否全部放置在内存中。

排序算法主要受：时间性能（比较和移动），辅助空间，算法时间复杂性

简单算法:冒泡，简单选择，直接插入

改进算法：希尔排序，堆排序，归并排序，快速排序

冒泡排序：两两比较相邻记录的关键字，如果反序则交换，知道没有反序的记录为止。

冒泡优化:增加flag，在i循环时判断，若某一遍i循环里没有发生交换，直接退出

选择排序：冒泡的改进，交换次数少，每次在未排序序列中找到最值，与未排序头交换，已排序+1，未排序-1。

On2 不稳定

插入排序:构建有序序列，对于未排序元素，从后往前扫描查找插入位置，找到后插入。

on2,在stl中作为快排的补充，数据较少时选择插入排序。数据基本有序速度很快。

希尔排序：

插入排序改进，插入排序每次与前面一个比较，然后再往前一个，而希尔排序每次往前K个。增量逐渐减小。

当增量为1的时候，希尔排序与插入排序就完全是一样的过程；

增量的选择比较关键，不稳定。

堆排序：对选择排序的改进

堆：root是最值，用数组表示堆

构建堆，弹出顶，重新构建堆

归并排序:采用分治思想，递归分成小的子序列，使子序列有序后再合并得到完全有序的序列

快速排序:选择基准，分区，递归处理