week02学习总结

最新推荐文章于 2024-09-18 20:33:32 发布

小团子xie

最新推荐文章于 2024-09-18 20:33:32 发布

阅读量136

点赞数

分类专栏：算法与数据结构文章标签：算法数据结构

本文链接：https://blog.csdn.net/qq_36638170/article/details/106818400

版权

算法与数据结构专栏收录该内容

7 篇文章 0 订阅

订阅专栏

算法训练营第二周学习笔记

问题

第2周第5课 | 哈希表、映射、集合

哈希表 Hash table
- 定义：哈希表（Hash table），也叫散列表，是根据关键码值（Key value）而直接进行访问的数据结构。它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫作散列函数（Hash Function），存放记录的数组叫作哈希表（或散列表）。
- 工程实践：
  - 电话号码簿
  - 用户信息表
  - 缓存（LRU Cache）
  - 键值对存储（Redis）
- 散列函数的特点：
  - 确定性
  - 散列碰撞（collision）
  - 不可逆性
  - 混淆特性
- Map: key-value对，key不重复
- Set：不重复元素的集合

第2周第6课 | 树、二叉树、二叉搜索树的实现特性

链表Linked List是特殊化的Tree，Tree是特殊化的图Graph。

树 Tree
二叉树 Binary Tree：每个节点最多有两个子树的树结构。
- 二叉树遍历
  - 前序（Pre-order）：根-左-右
  - 中序（In-order）：左-根-右
  - 后序（Post-order）：左-右-根
- 示例代码：

Python
class TreeNode:
	def __init__(self, val):
		self.val = val
		self.left, self.right = None, None
		
	def preorder(self, root):
		if root:
			self.traverse_path.append(root.val)
			self.preorder(root.left)
			self.preorder(root.right)
			
	def inorder(self, root):
		if root:
			self.inorder(root.left)
			self.traverse_path.append(root.val)
			self.inorder(root.right)

	def postorder(self, root):
		if root:
			self.postorder(root.left)
			self.postorder(root.right)
			self.traverse_path.append(root.val)

二叉搜索树 Binary Search Tree
- 定义：也称二叉排序树、有序二叉树（Ordered Binary Tree）、排序二叉树（Sorted Binary Tree），是指一颗空树或者具有下列性质的二叉树：
  - 左子树上所有节点的值均小于它的根节点的值；
  - 右子树上所有节点的值均大于它的根节点的值；
  - 以此类推：左、右子树也分别为二叉查找树（重复性）。
- 中序遍历：升序遍历

第2周第6课 | 堆和二叉堆、图

堆 Heap
- 定义：可以迅速找到一堆树中的最大或最小值的数据结构。
- 将根节点最大的堆叫作大顶堆或大根堆，根节点最小的堆叫作小顶堆或小根堆。常见的堆有二叉堆、菲波那切堆等。
- 假设是大顶堆，则常见操作（API）：
  - find-max: O(1)
  - delete-max: O(logN)
  - insert(create): O(logN) or O(1)
- 不同实现的比较
- 堆的实现代码
二叉堆 Binary Heap
- 二叉堆性质：通过完全二叉树来实现（注意：不是二叉搜索树）
  - 完全二叉树是指根和叶子节点都是满的，除了最下面一级。
  - 一棵二叉树中，只有最下面两层结点的度可以小于2，并且最下一层的叶结点集中在靠左的若干位置上。这样的二叉树称为完全二叉树。
- 二叉堆（大顶）它满足下列性质：
  - 是一棵完全树；
  - 树中任意节点的值总是>=其子节点的值。
- 二叉堆实现细节：
  - 二叉堆一般都通过“数组”来实现
  - 假设“第一个元素”在数组中的索引为0的话，则父节点和子节点的位置关系如下：
    - 根节点（顶堆元素）是：a[0] ；
    - (01)索引为i的左孩子的索引是(2*i+1)；
    - (02)索引为i的右孩子的索引是(2*i+2)；
    - (03)索引为i的父节点的索引是floor((i-1)/2)，floor()函数向下取整。
  - Insert 插入操作 O(logN)
    - 新元素一律先插入到堆的尾部
    - HeapifyUp ：依次向上调整整个堆的结构（一直到根即可）
  - Delete Max - 删除操作O(logN)

注意：二叉堆是堆（优先队列Priority_queue）的一种常见且简单的实现；但是并不是最优的实现。

图的实现和特性
- 图的属性和分类
  - 图的属性
    - Graph（V, E）
    - V-vertex：点
    1. 度 - 入度和出度
    2. 点与点之间：连通与否
    - E - edge：边
    1. 有向和无向（单行线）
    2. 权重（边长）
- 基于图相关的算法
- DFS代码 - 递归写法

visited = set() # 和树中的DFS最大区别

def dfs(node, visited):
	if node in visited: # terminator
		# already visited
		return
	visited.add(node)
	# process  current node here.
	...
	for next_node in node.children():
		if not next_node in visited:
			dfs(next_node, visited)

BFS代码

def BFS(graph, start, end)：
	queue = []
	queue.append([start])
	
	visited = set() # 和树中的BFS的最大区别
	
	while queue:
		node = queue.pop()
		visited.add(node)
		process(node)
		nodes = generate_related_nodes(node)
		queue.push(nodes)