程序=数据结构+算法,记录学习复习的过程中遇到的问题,与总结。
1 稀松数组
稀疏数组不保存默认数组的默认值,因为我们知道默认值就是0,只需要保存我们需要的数据,这样就能用小数组来存。稀疏数组为n行3列的二维数组,第1行存的是原数组的信息,几行几列有效数(不为零)的个数;从第2行开始,则是保存的数组有效(不为零)的信息,依次为有效数的行列以及数值,如下:
稀疏数组为~~~~
11 11 3
1 2 1
2 3 2
4 5 2
所以稀疏数组n行 = 有效个数 + 1,稀疏数组将大部分为0的数据省略,因为我们知道默认的就是0,比如在一个很大的矩阵里,只有几个有效的个数,用稀疏数组保存,节省空间,可以用在棋盘、矩阵的保存。
2 队列
队列,先进先出,后进后出,
数组模拟队列,需要的参数,
maxSize最大队列的最大容量, front=-1指向队列头部,rear =-1指向队列尾,arr数组模拟队列。
队列满rear =maxSize-1,队列空rear=front。
进队判断是否已经满,然后队尾rear++;
出队判断队列是否已经空,然后队首front++;
数组模拟队列有问题,存满后再全部取出来,无法再次存数据。因为最后rear = = front = = maxSize-1,队列已满。
需要改变front与rear的赋值方式,初始化0,使其能够形成循环的队列。
队满(rear + 1) % maxSize == front,
队空rear = = front,
进队判断是否已经满,然后队尾 rear = (rear + 1) % maxSize,
出队判断队列是否已经空,然后队首front = (front + 1) % maxSize;使rear、front能够构成环状。
3 链表
java来模拟链表,在类里面放类,就像是套娃,一层套一层,
3.1 单向链表
单向链表的节点里用1个节点类来存放下1个节点类;
3.1.1 求单向链表中节点的个数
//求单链表的有效长度
public static int getLength(HeroNode node){
HeroNode temp = node;
if(temp.next == null){
return 0;
}
int count = 0;
while(temp.next != null){
count++;
temp = temp.next;
}
return count;
}
3.1.2 求单链表中倒数k个节点
//求单链表倒数k个节点
public static HeroNode findLastNode(HeroNode head, int index){
if(head.next == null){
return null;
}
//第一次遍历得到链表的长度
int length = getLength(head);
if(index < 0 || index > length){
return null;
}
//第二次遍历取节点
HeroNode temp = head.next;
for(int i=0;i<length-index;i++){
temp = temp.next;
}
return temp;
}
3.1.3 单链表的反转
public static void reverseList(HeroNode head){
//只有头节点和有一个节点,不用反转
if(head.next == null || head.next.next == null){
return;
}
//2个节点及以上反转,从头到尾依次遍历,依次取下节点,另一个头节点(reverseHead)指向该节点,该节点指向reverseHead的下一个节点
HeroNode current = head.next;
HeroNode next = null;
HeroNode reverseHead = new HeroNode(0, "", "");
while(current != null){
next = current.next;
current.next = reverseHead.next;
reverseHead.next = current;
current = next;
}
//将头节点交换
head.next = reverseHead.next;
}
3.1.4 从尾到头打印单链表
将链表逆序输出,1,可以将其反转,再依次打印,但是会破坏原链表的结构 2,使用栈,进行打印
以下反转会破坏原链表的结构
使用栈,先进后出,逆序打印
public static void reversePrint(HeroNode head){
if(head.next == null){
System.out.println("链表为空~~");
}
Stack<HeroNode> stack = new Stack<HeroNode>();
HeroNode temp = head.next;
while(temp != null){
stack.push(temp);
temp = temp.next;
}
System.out.println(stack.size());
//错误写法,pop后,stack.size就会减少,i++又自增
// for (int i=0;i<stack.size();i++) {
// System.out.println(stack.pop());
// }
while(stack.size() > 0){
System.out.println(stack.pop());
}
}
3.1.5 合并2个有序单链表
合并2个有序链表,普通方式,比较大小后拆下来,再组装上去;使用递归的方式。
package cn.qiuhao.datasructure.linkedlist;
//合并2个有序单链表
public class MergeTwoSingleLinkedListed {
public static void main(String[] args) {
LinkNode node1 = new LinkNode(1);
LinkNode node2 = new LinkNode(2);
LinkNode node3 = new LinkNode(3);
LinkNode node4 = new LinkNode(4);
LinkNode node5 = new LinkNode(5);
node1.next = node3;
node3.next = node5;
node2.next = node4;
//LinkNode node = mergeTwoList(node1, node2);
LinkNode node = mergeTwoList2(node2, node1);
while (node != null) {
System.out.print(node.data + " ");
node = node.next;
}
}
/**
* 递归方式合并两个单链表
*
* @param head1 有序链表1
* @param head2 有序链表2
* @return 合并后的链表
*/
public static LinkNode mergeTwoList(LinkNode head1, LinkNode head2) {
//递归结束条件
if (head1 == null) {
return head2;
}
if (head2 == null) {
return head1;
}
//合并后的链表
LinkNode head = null;
if (head1.data > head2.data) {
//把head较小的结点给头结点
head = head2;
//继续递归head2
head.next = mergeTwoList(head1, head2.next);
} else {
head = head1;
head.next = mergeTwoList(head1.next, head2);
}
return head;
}
/**
* 非递归方式
*
* @param head1 有序单链表1
* @param head2 有序单链表2
* @return 合并后的单链表
*/
public static LinkNode mergeTwoList2(LinkNode head1, LinkNode head2) {
if (head1 == null || head2 == null) {
return head1 != null ? head1 : head2;
}
//合并后单链表头结点
LinkNode head = head1.data < head2.data ? head1 : head2;
LinkNode cur1 = head == head1 ? head1 : head2;
LinkNode cur2 = head == head1 ? head2 : head1;
LinkNode pre = null;//cur1前一个元素
LinkNode next = null;//cur2的后一个元素
while (cur1 != null && cur2 != null) {
//第一次进来肯定走这里
if (cur1.data <= cur2.data) {
pre = cur1;
cur1 = cur1.next;
} else {
next = cur2.next;
pre.next = cur2;
cur2.next = cur1;
pre = cur2;
cur2 = next;
}
}
pre.next = cur1 == null ? cur2 : cur1;
return head;
}
}
class LinkNode{
public int data;
public LinkNode next;
public LinkNode(int data) {
super();
this.data = data;
}
}
3.2 双向链表
双向链表里节点里用2个节点类来存放下1个节点类和上一个节点类;
3.3 单向循环链表
单向循环链表,尾指针指向头指针,单向循环链表可以用于出圈问题。单向链表在遍历时,头节点不能动,需要辅助节点temp指针来进行遍历,如果做删除操作,temp指针遍历到要删除位置的上一个节点,判断条件则为,temp.next.no == no,如果遍历到要删除元素的位置,则无法进行删除,因为丢失了上一个节点的信息。
3.3.1 约瑟夫问题
约瑟夫出圈问题,例如5个人,从1开始数,数2下,1、2到2,与数7下,1、 2、3、 4、 5、 1、 2,不同,7多了一圈,虽然第一次都是到2,但是随着人数出圈,圈内人数越来越少,两者的结果完全不同,出圈顺序也不同。除非不出圈,只是数数,人数5,7与2相差正好一周期,那无所谓。
3.3.1.1 使用2个指针
使用单循环链表,用2个指针,删除当前元素的位置指针first,出圈的元素即就是要删除的元素,与删除前一个元素的位置指针last,删除时让last指向first.next元素,首先遍历找到指向head头节点的指针也就是last,然后first指针指向头节点,这是从头节点开始,如果开始数不为1,如果从startNo开始,那么就让这2个指针依次移动startNo-1次(在找last指针时可以优化,如果startNo从1开始,就需要遍历到最后找last,如果startNo不是从1开始,在挪动startNo-1次操作时,就能找到last节点),元素出圈打印后,进行删除,先让first元素向下移动一个元素,然后让last指向first,当last==first元素时,则圈内只有一个元素;
/**
* startNo 从第几个小孩开始数
* countNums 表示数几下
* nums 表示最开始小孩的个数
* @author: qiuhao
* @date: 2021年1月20日
*
*/
public void countBoy(int startNo, int countNums, int nums){
if(first == null || startNo < 1 || startNo > nums || countNums < 1){
System.out.println("参数有误,请重新输入。");
}
//需要一个辅助指针,使其找到环形链表的最后
Boy1 helper = first;
//如果从1开始,是需要遍历到最后一个节点
if(startNo == 1){
while(true){
if(helper.getNext() == first){
break;
}
helper = helper.getNext();
}
//从 startNo 个开始,先挪动 startNo - 1次;
for(int i=0;i< startNo-1;i++){
first = first.getNext();
helper = helper.getNext();
}
}else{
//如果不是从1开始,helper就是那么遍历到第 startNo 个节点前一个节点
Boy1 another = first;
for(int i=0;i< startNo-1;i++){
first = first.getNext();
helper = another;
another = another.getNext();
}
}
while(true){
if(helper == first){
break;
}
for(int j=0;j<countNums-1;j++){
first = first.getNext();
helper = helper.getNext();
}
System.out.printf("小孩%d出圈\n", first.getNo());
//以下都一样
//first = first.getNext();
//helper.setNext(first);
helper.setNext(first.getNext());
first = first.getNext();
}
System.out.printf("最后留在圈中的小孩编号%d \n", first.getNo());
}
3.1.3.2 使用1个指针
也可以使用一个指针进行优化,先从startNo开始,挪动后,先用指针找到出圈元素的上一个元素,移动次数countNum-2次,即这里 countNum 分为2种情况,>=2时,不影响,<2时其实就是1,数一下,直接遍历就能得到出圈顺序。出圈问题,数countNum下,则需要移动的其实是countNum - 1下,从1开始,数3下,1、2、3,实际从1开始只需要移动2下。
/**
* startNo 从第几个小孩开始数
* countNums 表示数几下
* nums 表示最开始小孩的个数
* @author: qiuhao
* @date: 2021年1月20日
*
*/
public void countBoy(int startNo, int countNums, int nums){
if(first == null || startNo < 1 || startNo > nums || countNums < 1){
System.out.println("参数有误,请重新输入。");
}
//从 startNo 个开始,先挪动 startNo - 1次;
for(int i=0;i< startNo-1;i++){
first = first.getNext();
}
//数一下的话,需要找到最后一个节点,让first从最后一个开始,直接遍历,不用删除节点
if(countNums == 1) {
Boy2 temp = first;
while(true){
System.out.printf("小孩%d出圈\n", temp.getNo());
if(temp.getNext() == first){
break;
}
temp = temp.getNext();
}
return;
}else {
while(true){
if(first.getNext() == first){
break;
}
//如果数3下,移动2次当节点,上一个节点丢失,需要helper指针辅助,
//如果只移动到出圈的上一个节点,则移动的是 countNums-2次
//数一下的话,需要找到最后一个节点
if(countNums >= 2) {
for(int j=0;j<countNums-2;j++){
first = first.getNext();
}
System.out.printf("小孩%d出圈\n", first.getNext().getNo());
}
first.setNext(first.getNext().getNext());
first = first.getNext();
}
System.out.printf("最后留在圈中的小孩编号%d \n", first.getNo());
}
}
4 栈
栈、先进后出,后进先出
中缀表达式转后缀表达式,使用栈进行计算器计算字符串表达式,要复习。
4.1 数组模拟栈
package cn.qiuhao.datasructure.stack;
import java.util.Scanner;
public class ArrayStackDemo {
public static void main(String[] args) {
//测试一下ArrayStack 是否正确
//先创建一个ArrayStack对象->表示栈
ArrayStack stack = new ArrayStack(4);
String key = "";
boolean loop = true; //控制是否退出菜单
Scanner scanner = new Scanner(System.in);
while(loop) {
System.out.println("show: 表示显示栈");
System.out.println("exit: 退出程序");
System.out.println("push: 表示添加数据到栈(入栈)");
System.out.println("pop: 表示从栈取出数据(出栈)");
System.out.println("请输入你的选择");
key = scanner.next();
switch (key) {
case "show":
stack.list();
break;
case "push":
System.out.println("请输入一个数:");
int value = scanner.nextInt();
stack.push(value);
break;
case "pop":
try {
int res = stack.pop();
System.out.printf("出栈的数据是 %d\n", res);
} catch (Exception e) {
// TODO: handle exception
System.out.println(e.getMessage());
}
break;
case "exit":
scanner.close();
loop = false;
break;
default:
break;
}
}
System.out.println("程序退出~~~");
}
}
//定义一个 ArrayStack 表示栈
class ArrayStack {
private int maxSize; // 栈的大小
private int[] stack; // 数组,数组模拟栈,数据就放在该数组
private int top = -1;// top表示栈顶,初始化为-1
//构造器
public ArrayStack(int maxSize) {
this.maxSize = maxSize;
stack = new int[this.maxSize];
}
//栈满
public boolean isFull() {
return top == maxSize - 1;
}
//栈空
public boolean isEmpty() {
return top == -1;
}
//入栈-push
public void push(int value) {
//先判断栈是否满
if(isFull()) {
System.out.println("栈满");
return;
}
top++;
stack[top] = value;
}
//出栈-pop, 将栈顶的数据返回
public int pop() {
//先判断栈是否空
if(isEmpty()) {
//抛出异常
throw new RuntimeException("栈空,没有数据~");
}
int value = stack[top];
top--;
return value;
}
//显示栈的情况[遍历栈], 遍历时,需要从栈顶开始显示数据
public void list() {
if(isEmpty()) {
System.out.println("栈空,没有数据~~");
return;
}
//需要从栈顶开始显示数据
for(int i = top; i >= 0 ; i--) {
System.out.printf("stack[%d]=%d\n", i, stack[i]);
}
}
}
4.2 链表模拟栈
链表模拟栈,push节点到链表的最后,有问题,显示的时候不好遍历,应该每次添加到head节点的下一个节点,然后顺序遍历。
package cn.qiuhao.datasructure.stack;
/**
* 链表模拟栈,push节点添加到head节点的下一个节点,然后顺序遍历
* @author: qiuhao
* @date: 2021年1月21日
*
*/
public class LinkedListStackDemo2 {
public static void main(String[] args) {
LinkedListStack2 stack = new LinkedListStack2(5);
LinkedListNode2 node1 = new LinkedListNode2(1, "张三");
LinkedListNode2 node2 = new LinkedListNode2(2, "李四");
LinkedListNode2 node3= new LinkedListNode2(3, "王五");
LinkedListNode2 node4= new LinkedListNode2(4, "黑刘");
LinkedListNode2 node5= new LinkedListNode2(5, "廖起");
LinkedListNode2 node6= new LinkedListNode2(6, "吴撒");
System.out.println("栈内元素~~~");
stack.list();
stack.push(node1);
stack.push(node2);
stack.push(node3);
stack.push(node4);
stack.push(node5);
stack.push(node6);
System.out.println("栈内元素~~~");
stack.list();
System.out.printf("出栈~~~~");
stack.pop();
System.out.printf("出栈~~~~");
stack.pop();
System.out.println("栈内元素~~~");
stack.list();
}
}
// 链表模拟栈
class LinkedListStack2 {
// 栈的最大数量
public int maxSize;
// 定义一个头节点
LinkedListNode2 head = new LinkedListNode2(0, "");
public LinkedListStack2(int maxSize) {
super();
this.maxSize = maxSize;
}
// 栈满,判断节点的个数
public boolean isFull() {
LinkedListNode2 temp = head;
int count = 0;
while (true) {
if (temp.next == null) {
break;
}
temp = temp.next;
count++;
}
return count == maxSize;
}
// 栈空
public boolean isEmpty() {
return head.next == null;
}
// 入栈
public void push(LinkedListNode2 node) {
if (isFull()) {
System.out.println("栈满,不能入栈。");
return;
}
LinkedListNode2 cur = head.next;
head.next = node;
node.next = cur;
cur = node;
}
// 出栈
public void pop() {
if (isEmpty()) {
System.out.println("\n栈空,没有数据~\n");
return;
}
LinkedListNode2 cur = head.next;
System.out.println(cur);
cur = cur.next;
head.next = cur;
}
// 显示栈数据
public void list() {
if (isEmpty()) {
System.out.println("栈空,没有数据~");
return;
}
LinkedListNode2 cur = head.next;
while(cur != null){
System.out.println(cur);
cur = cur.next;
}
}
}
class LinkedListNode2 {
public int num;
public String name;
public LinkedListNode2 next;
public LinkedListNode2(int n, String name) {
this.num = n;
this.name = name;
}
@Override
public String toString() {
return "LinkedListNode2 [num=" + num + ", name=" + name + "]";
}
}
4.3 使用数组栈模拟计算器
4.4 逆波兰计算器
4.5 中缀转后缀表达式
5 递归
递归需要遵守的重要规则
执行一个方法时,就创建一个新的受保护的独立空间(栈空间)
方法的局部变量是独立的,不会相互影响, 比如n变量
如果方法中使用的是引用类型变量(比如数组),就会共享该引用类型的数据.
递归必须向退出递归的条件逼近,否则就是无限递归,出现StackOverflowError,死龟了:)
当一个方法执行完毕,或者遇到return,就会返回,遵守谁调用,就将结果返回给谁,同时当方法执行完毕或者返回时,该方法也就执行完毕。
5.1 迷宫问题
package cn.qiuhao.datasructure.recursion;
/**
* @ClassName: MiGong.java
* @Description: 使用递归,迷宫回溯,找通路
* @author qiuhao
* @date 2021年1月23日
*
*/
public class MiGong {
public static void main(String[] args) {
//先创建一个二维数组,模拟迷宫
//地图
int [][] map = new int[8][7];
//使用1表示墙
//左右全部置为1
for(int i=0;i<7;i++) {
map[0][i] = 1;
map[7][i] = 1;
}
//上下全部置为1
for(int i=0;i<8;i++) {
map[i][0] = 1;
map[i][6] = 1;
}
//设置挡板
map[3][1] = 1;
map[3][2] = 1;
// 输出地图
System.out.println("地图的情况");
for (int i = 0; i < 8; i++) {
for (int j = 0; j < 7; j++) {
System.out.print(map[i][j] + " ");
}
System.out.println();
}
//使用递归回溯给小球找路
setWay(map, 1, 1);
//setWay2(map, 1, 1);
//输出新的地图, 小球走过,并标识过的递归
System.out.println("小球走过,并标识过的 地图的情况");
for (int i = 0; i < 8; i++) {
for (int j = 0; j < 7; j++) {
System.out.print(map[i][j] + " ");
}
System.out.println();
}
}
//使用递归回溯来给小球找路
//说明
//1. map 表示地图
//2. i,j 表示从地图的哪个位置开始出发 (1,1)
//3. 如果小球能到 map[6][5] 位置,则说明通路找到.
//4. 约定: 当map[i][j] 为 0 表示该点没有走过 当为 1 表示墙 ; 2 表示通路可以走 ; 3 表示该点已经走过,但是走不通
//5. 在走迷宫时,需要确定一个策略(方法) 下->右->上->左 , 如果该点走不通,再回溯
/**
*
* @param map 表示地图
* @param i 从哪个位置开始找
* @param j
* @return 如果找到通路,就返回true, 否则返回false
*/
public static boolean setWay(int[][] map, int i, int j) {
if(map[6][5] == 2) { // 通路已经找到ok
return true;
} else {
if(map[i][j] == 0) { //如果当前这个点还没有走过
//按照策略 下->右->上->左 走
map[i][j] = 2; // 假定该点是可以走通.
if(setWay(map, i+1, j)) {//向下走
return true;
} else if (setWay(map, i, j+1)) { //向右走
return true;
} else if (setWay(map, i-1, j)) { //向上
return true;
} else if (setWay(map, i, j-1)){ // 向左走
return true;
} else {
//说明该点是走不通,是死路
map[i][j] = 3;
return false;
}
} else { // 如果map[i][j] != 0 , 可能是 1, 2, 3
return false;
}
}
}
//修改找路的策略,改成 上->右->下->左
public static boolean setWay2(int[][] map, int i, int j) {
if(map[6][5] == 2) { // 通路已经找到ok
return true;
} else {
if(map[i][j] == 0) { //如果当前这个点还没有走过
//按照策略 上->右->下->左
map[i][j] = 2; // 假定该点是可以走通.
if(setWay2(map, i-1, j)) {//向上走
return true;
} else if (setWay2(map, i, j+1)) { //向右走
return true;
} else if (setWay2(map, i+1, j)) { //向下
return true;
} else if (setWay2(map, i, j-1)){ // 向左走
return true;
} else {
//说明该点是走不通,是死路
map[i][j] = 3;
return false;
}
} else { // 如果map[i][j] != 0 , 可能是 1, 2, 3
return false;
}
}
}
}
5.2 八皇后问题
疑惑:判断是否在同一条斜线上,使用斜率方式Math.abs(a)/Math.abs(b)= =1无法求解。
解:斜率为1思路没有问题,但是在java中,除法3/2==1,被除数应该强转成float或者double类型,否则 Math.abs(a) == Math.abs(b)是不等的条件。
八皇后问题实际上就是找出每一种可能的形式,8*8的棋盘,从棋盘左下角,第1行第1列开始放,每次放的皇后,都和前面放的所有的皇后进行判断,判断是否满足条件,如果满足就继续放,注意每次放皇后的时候都是进行了循环的,在递归的时候只要不满足,就会返回上一层,继续下一次循环。当第1行第1列这种情况找完了,就继续循环放,第1行第2列开始找。
package cn.qiuhao.datasructure.recursion;
/**
* @ClassName: Queen8.java
* @Description: 8皇后问题,2个皇后不能再同一行,同一列,同一斜线,有多少种摆法
* 注意判断斜率的话,被除数要是float或者double类型,整型3/2==1
* @author qiuhao
* @date 2021年1月24日
*
*/
public class Queen8 {
//定义一个max表示共有多少个皇后
int max = 8;
//定义数组array, 保存皇后放置位置的结果,比如 arr = {0 , 4, 7, 5, 2, 6, 1, 3}
int[] array = new int[max];
static int count = 0;
static int judgeCount = 0;
public static void main(String[] args) {
//测试一把 , 8皇后是否正确
Queen8 queen = new Queen8();
queen.check(0);
System.out.printf("一共有%d解法", count);
System.out.printf("一共判断冲突的次数%d次", judgeCount); // 1.5w
}
//编写一个方法,放置第n个皇后
//特别注意: check 是 每一次递归时,进入到check中都有 for(int i = 0; i < max; i++),因此会有回溯
private void check(int n) {
if(n == max) { //n = 8 , 其实8个皇后就既然放好
print();
return;
}
//依次放入皇后,并判断是否冲突
for(int i = 0; i < max; i++) {
//先把当前这个皇后 n , 放到该行的第1列
array[n] = i;
//判断当放置第n个皇后到i列时,是否冲突
if(judge(n)) { // 不冲突
//接着放n+1个皇后,即开始递归
check(n+1); //
}
//如果冲突,就继续执行 array[n] = i; 即将第n个皇后,放置在本行得 后移的一个位置
}
}
//查看当我们放置第n个皇后, 就去检测该皇后是否和前面已经摆放的皇后冲突
/**
*
* @param n 表示第n个皇后
* @return
*/
// private boolean judge(int n) {
// judgeCount++;
// for(int i = 0; i < n; i++) {
// // 说明
// //1. array[i] == array[n] 表示判断 第n个皇后是否和前面的n-1个皇后在同一列
// //2. Math.abs(n-i) == Math.abs(array[n] - array[i]) 表示判断第n个皇后是否和第i皇后是否在同一斜线
// // n = 1 放置第 2列 1 n = 1 array[1] = 1
// // Math.abs(1-0) == 1 Math.abs(array[n] - array[i]) = Math.abs(1-0) = 1
// //3. 判断是否在同一行, 没有必要,n 每次都在递增
// if(array[i] == array[n] || Math.abs(n-i) == Math.abs(array[n] - array[i]) ) {
// return false;
// }
// }
// return true;
// }
//注意判断斜率的话,被除数要是float或者double类型,整型3/2==1
private boolean judge(int n) {
judgeCount++;
for (int i = 0; i < n; i++) {
if (array[n] == array[i] || ((Math.abs((n - i)) / (float)(Math.abs(array[n] - array[i])) == 1))) {
return false;
}
}
return true;
}
//写一个方法,可以将皇后摆放的位置输出
private void print() {
count++;
for (int i = 0; i < array.length; i++) {
System.out.print(array[i] + " ");
}
System.out.println();
}
}
6 八大排序
冒泡、选择、插入、希尔、快速、归并、基数、堆排序
6.1 冒泡排序
冒泡排序(Bubble Sorting)的基本思想是:通过对待排序序列从前向后(从下标较小的元素开始),依次比较相邻元素的值,若发现逆序则交换,使值较大的元素逐渐从前移向后部,就象水底下的气泡一样逐渐向上冒。
因为排序的过程中,各元素不断接近自己的位置,如果一趟比较下来没有进行过交换,就说明序列有序,因此要在排序过程中设置一个标志flag判断元素是否进行过交换。从而减少不必要的比较。
冒泡排序慢、但是很稳定;时间复杂度 O(n^2),
10个数,比较9趟,第1趟比较9次,第2趟比较8次,第3趟比较7次,
n个数,比较n-1趟,每一趟比较n-1-i 次。
每次比完一趟,最大的数就会移动到最后。
冒泡排序可以优化,在一趟排序中,一次交换都没有发生过,则代表已经完成了排序,提前break
public static void bubbleSort(int[] arr) {
int temp = 0; // 临时变量
boolean flag = false; // 标识变量,表示是否进行过交换
for (int i = 0; i < arr.length - 1; i++) {
for (int j = 0; j < arr.length - 1 - i; j++) {
// 如果前面的数比后面的数大,则交换
if (arr[j] > arr[j + 1]) {
flag = true;
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
//System.out.println("第" + (i + 1) + "趟排序后的数组");
//System.out.println(Arrays.toString(arr));
if (!flag) { // 在一趟排序中,一次交换都没有发生过
break;
} else {
flag = false; // 重置flag!!!, 进行下次判断
}
}
}
6.2 选择排序
选择式排序也属于内部排序法,是从欲排序的数据中,按指定的规则选出某一元素,再依规定交换位置后达到排序的目的。
选择排序(select sorting)也是一种简单的排序方法。它的基本思想是:第一次从arr[0]arr[n-1]中选取最小值,与arr[0]交换,第二次从arr[1]arr[n-1]中选取最小值,与arr[1]交换,第三次从arr[2]arr[n-1]中选取最小值,与arr[2]交换,…,第i次从arr[i-1]arr[n-1]中选取最小值,与arr[i-1]交换,…, 第n-1次从arr[n-2]~arr[n-1]中选取最小值,与arr[n-2]交换,总共通过n-1次,得到一个按排序码从小到大排列的有序序列。
选
//选择排序
public static void selectSort(int[] arr) {
//在推导的过程,我们发现了规律,因此,可以使用for来解决
//选择排序时间复杂度是 O(n^2)
for (int i = 0; i < arr.length - 1; i++) {
int minIndex = i;
int min = arr[i];
for (int j = i + 1; j < arr.length; j++) {
if (min > arr[j]) { // 说明假定的最小值,并不是最小
min = arr[j]; // 重置min
minIndex = j; // 重置minIndex
}
}
// 将最小值,放在arr[0], 即交换
if (minIndex != i) {
arr[minIndex] = arr[i];
arr[i] = min;
}
//System.out.println("第"+(i+1)+"轮后~~");
//System.out.println(Arrays.toString(arr));// 1, 34, 119, 101
}
}
择排序是,让当前元素 去找 当前元素后最小的那个数。
6.3 插入排序
插入排序(Insertion Sorting)的基本思想是:把n个待排序的元素看成为一个有序表和一个无序表,开始时有序表中只包含一个元素,无序表中包含有n-1个元素,排序过程中每次从无序表中取出第一个元素,把它的排序码依次与有序表元素的排序码进行比较,将它插入到有序表中的适当位置,使之成为新的有序表。
//插入排序
public static void insertSort(int[] arr) {
int insertVal = 0;
int insertIndex = 0;
//使用for循环来把代码简化
for(int i = 1; i < arr.length; i++) {
//定义待插入的数
insertVal = arr[i];
insertIndex = i - 1; // 即arr[1]的前面这个数的下标
// 给insertVal 找到插入的位置
// 说明
// 1. insertIndex >= 0 保证在给insertVal 找插入位置,不越界
// 2. insertVal < arr[insertIndex] 待插入的数,还没有找到插入位置
// 3. 就需要将 arr[insertIndex] 后移
while (insertIndex >= 0 && insertVal < arr[insertIndex]) {
arr[insertIndex + 1] = arr[insertIndex];// arr[insertIndex]
insertIndex--;
}
// 当退出while循环时,说明插入的位置找到, insertIndex + 1
//这里我们判断是否需要赋值 如果要插入的位置没有移动,则表示 insertVal == arr[insertIndex]
if(insertIndex + 1 != i) {
arr[insertIndex + 1] = insertVal;
}
//System.out.println("第"+i+"轮插入");
//System.out.println(Arrays.toString(arr));
}
}
插入排序是找的当前元素,把当前元素拿去和前面的排。
6.4 希尔排序
希尔排序是希尔(Donald Shell)于1959年提出的一种排序算法。希尔排序也是一种插入排序,它是简单插入排序经过改进之后的一个更高效的版本,也称为缩小增量排序。
希尔排序法基本思想
希尔排序是把记录按下标的一定增量分组,对每组使用直接插入排序算法排序;随着增量逐渐减少,每组包含的关键词越来越多,当增量减至1时,整个文件恰被分成一组,算法便终止。
移位法,交换位置,效率低。
public static void shellSort(int[] arr) {
int temp = 0;
int count = 0;
// 根据前面的逐步分析,使用循环处理
for (int gap = arr.length / 2; gap > 0; gap /= 2) {
for (int i = gap; i < arr.length; i++) {
// 遍历各组中所有的元素(共gap组,每组有个元素), 步长gap
for (int j = i - gap; j >= 0; j -= gap) {
// 如果当前元素大于加上步长后的那个元素,说明交换
if (arr[j] > arr[j + gap]) {
temp = arr[j];
arr[j] = arr[j + gap];
arr[j + gap] = temp;
}
}
}
//System.out.println("希尔排序第" + (++count) + "轮 =" + Arrays.toString(arr));
}
}
交换法
//对交换式的希尔排序进行优化->移位法
public static void shellSort2(int[] arr) {
int count = 0;
// 增量gap, 并逐步的缩小增量
for (int gap = arr.length / 2; gap > 0; gap /= 2) {
// 从第gap个元素,逐个对其所在的组进行直接插入排序
for (int i = gap; i < arr.length; i++) {
int temp = arr[i];
int j = i - gap ;
while (j >= 0 && temp < arr[j]) {
//移动
arr[j + gap] = arr[j];
j -= gap;
}
//当退出while后,就给temp找到插入的位置
if(j + gap != i){
arr[j + gap] = temp;
}
// for(;j>=0;j-=gap) {
// if(temp < arr[j]) {
// arr[j+gap] = arr[j];
// }else {
// break;
// }
// }
// if(j+gap != i) {
// arr[j+gap] = temp;
// }
}
//System.out.println("希尔排序第" + (++count) + "轮 =" + Arrays.toString(arr));
//System.out.println("希尔排序第" + (++count) + "轮 ");
}
}
希尔排序是插入排序的优化版,分为交换法与移位法,交换法每个数都要交换位置效率低,移位法移动元素的位置,没有进行交换的繁琐操作,所以效率快的多。希尔排序 arr.length/2=gap(步长), 10/2=5,步长5,组数5,每组2个元素。
6.5 快速排序
快速排序(Quicksort)是对冒泡排序的一种改进。基本思想是:通过一趟排序将要排序的数据分割成独立的两部分,其中一部分的所有数据都比另外一部分的所有数据都要小,然后再按此方法对这两部分数据分别进行快速排序,整个排序过程可以递归进行,以此达到整个数据变成有序序列
快速排序分2种,分别为中轴在前面与中轴在中间
6.5.1 中轴在中间
中轴在中间
public static void quickSort(int[] arr,int left, int right) {
int l = left; //左下标
int r = right; //右下标
//pivot 中轴值
int pivot = arr[(left + right) / 2];
int temp = 0; //临时变量,作为交换时使用
//while循环的目的是让比pivot 值小放到左边
//比pivot 值大放到右边
while( l < r) {
//在pivot的左边一直找,找到大于等于pivot值,才退出
//while( arr[l] <= pivot) 这个地方不能取<=,取=可能会导致l<r时,l和r都位于中轴的同侧, 例如 {9,9,9,9,10,-1};
while( arr[l] < pivot) {
l += 1;
}
//在pivot的右边一直找,找到小于等于pivot值,才退出
//while(arr[r] >= pivot) 这个地方不能取<=,取=可能会导致l<r时,l和r都位于中轴的同侧, 例如 {9,9,9,9,10,-1};
while(arr[r] > pivot) {
r -= 1;
}
//如果l >= r说明pivot 的左右两的值,已经按照左边全部是
//小于等于pivot值,右边全部是大于等于pivot值
if( l >= r) {
break;
}
//交换
temp = arr[l];
arr[l] = arr[r];
arr[r] = temp;
//注意这个地方是为了打破死循环,且防止下标越过中轴的下标,防止l、r下标跑到中轴的同一侧,
//这样lr还是和中值比较交换,但是lr确在一侧,导致未被了中轴左边比它小,中轴右边比它大的思想。
//如果交换完后,发现这个arr[l] == pivot值 相等 r--, 前移
if(arr[l] == pivot) {
r -= 1;
}
//如果交换完后,发现这个arr[r] == pivot值 相等 l++, 后移
if(arr[r] == pivot) {
l += 1;
}
}
// 如果 l == r, 必须l++, r--,否则为出现栈溢出;将l、r错开,l、r作为下次递归的条件
if (l == r) {
l += 1;
r -= 1;
}
//向左递归
if(left < r) {
quickSort(arr, left, r);
}
//向右递归
if(right > l) {
quickSort(arr, l, right);
}
}
疑惑:中轴在中间的时候,判断的时候的疑惑,左边= =中轴值,移动右边的下边,右边= =中轴值,移动左边的下边,为何不是左边相等后,移动左边,右边相等后,移动右边,这样会报错。
解:中轴在中间的时候,是为了保证移动的下标左边l与右边r只会汇聚在中轴值下标处,不会让他们交叉。这里做的这个判断是为了,打破死循环的僵局,如果arr[l]与arr[r]都等于中轴值,那么下次循环就会陷入死循环;相等情况下标往同侧移动的话,如果只有一方等于,另一方不等于的话,等于的这一方下标在同侧向中轴移动时,理想的情况下是,l和r在中轴下标重合,这样是没有问题的,但是假如l先到达了中轴,r还未达到中轴,下次判断的时候那么l就又会移动,注意这个时候l就越过了中轴,l与r都在中轴值的右侧了,进行交换时,就没有意义了,违背了快排中轴值左边全部比它小,右边全部比它大的思想。
中轴值取中间数的时候,第一个while内的那2个while条件, while( arr[l] < pivot) 与 while(arr[r] > pivot)都不能取等于,举例数据 {9,9,9,9,10,-1}。
必须保证 l 和 r 移动,只能相聚在中轴处,如果越过了中轴,l和r都位于中轴的同侧,再进行交换比较就没有意义了。if(arr[l] = = pivot) 与 if(arr[r] = = pivot) 做判断是为了打破死循环的僵局,但是必须移动的是对面的下标,如果移动同侧下标,也会出现下标越界的情况,严禁l与r在中轴同侧,只能汇聚在中轴处。
6.5.2 中轴在左边
中轴在左边,取第一个数。以下代码测试没有问题,总结完基数排序后,再举了一个例子,竟然错了,说明有时候算法测试的时候,很有可能测试数据刚好就漏掉了你没判断到的情况,错误示例:int[] arr = {9,9,8,-1};
public static void quickSort1(int[] arr,int left, int right) {
int pivot = arr[left];
while(left < right) {
while(left < right && arr[right] >= pivot) {
right--;
}
arr[left] = arr[right];
while(left < right && arr[left] <= pivot) {
left++;
}
arr[right] = arr[left];
}
arr[left] = pivot;
if(left < right-1) {
quickSort1(arr, left, right-1);
}
if(right+1 < right) {
quickSort1(arr, left+1, right);
}
}
正确代码如下,left 与 right应该记录下来,不应该直接移动,造成位置丢失。
public static void quickSort1(int[] arr,int left, int right) {
int l = left;
int r = right;
int pivot = arr[left];
while(l < r) {
while(l < r && arr[r] >= pivot) {
r--;
}
arr[l] = arr[r];
while(l < r && arr[l] <= pivot) {
l++;
}
arr[r] = arr[l];
}
arr[l] = pivot;
if(left < r-1) {
quickSort1(arr, left, r-1);
}
if(r+1 < right) {
quickSort1(arr, r+1, right);
}
}
测试取左边比取中间速度要快,随机1000w个数,取中间排序大致1.2s,取左边大致1s。
中轴取左边第一个数时,
判断条件 while(left < right && arr[right] >= pivot) 与 while(left < right && arr[left] <= pivot)
arr[right] >= pivot 与 arr[left] <= pivot 这里必须取到等于,如果不取等于,举例数据 int[] arr = {5,5,5,5,5,5}; 会陷入死循环;
其次,判断left < right 不能少,因为while刚开始进来是 left < right ,可能第一个while后,right–后可能就会越界了,right<left, 举例数据,int[] arr = {5,5,5,5,5,5};
总结:
中轴取中间,下标l与r必须相聚在中轴处,l与r不能越界,不能在中轴同侧,当判断值与中轴值相等时,则移动对面的下标,防止越界。
中轴取左边,下标 left < right, 防止 right-- 与 left++越界。
6.6 归并排序
归并排序(MERGE-SORT)是利用归并的思想实现的排序方法,该算法采用经典的分治(divide-and-conquer)策略(分治法将问题分(divide)成一些小的问题然后递归求解,而治(conquer)的阶段则将分的阶段得到的各答案"修补"在一起,即分而治之)。
归并排序思想
合并相邻有序子序列:我们需要将两个已经有序的子序列合并成一个有序序列,比如上图中的最后一次合并,要将[4,5,7,8]和[1,2,3,6]两个已经有序的子序列,合并为最终序列[1,2,3,4,5,6,7,8]。
// 分+合方法
public static void mergeSort(int[] arr, int left, int right, int[] temp) {
if (left < right) {
int mid = (left + right) / 2; // 中间索引
// 向左递归进行分解
mergeSort(arr, left, mid, temp);
// 向右递归进行分解
mergeSort(arr, mid + 1, right, temp);
// 合并
merge(arr, left, mid, right, temp);
}
}
/**
* 合并的方法
*
* @param arr 排序的原始数组
* @param left 左边有序序列的初始索引
* @param mid 中间索引
* @param right 右边索引
* @param temp 做中转的数组
*/
public static void merge(int[] arr, int left, int mid, int right, int[] temp) {
int i = left; // 初始化i, 左边有序序列的初始索引
// 初始化j, 右边有序序列的初始索引 这个地方必须取mid+1,不然会下标越界
// 例如数组{0,1},left=0, right=1, mid如果为0,在第一个while后, count已经移位置, temp[count++] = arr[j++]; count会越界
int j = mid+1;
int count = 0; // 指向temp数组的当前索引
// (一)
// 先把左右两边(有序)的数据按照规则填充到temp数组
// 直到左右两边的有序序列,有一边处理完毕为止
while (i <= mid && j <= right) {// 继续
// 如果左边的有序序列的当前元素,小于等于右边有序序列的当前元素
// 即将左边的当前元素,填充到 temp数组
// 然后 t++, i++
if (arr[i] <= arr[j]) {
temp[count++] = arr[i++];
} else { // 反之,将右边有序序列的当前元素,填充到temp数组
temp[count++] = arr[j++];
}
}
// (二)
// 把有剩余数据的一边的数据依次全部填充到temp
while (j <= right) { // 左边的有序序列还有剩余的元素,就全部填充到temp
temp[count++] = arr[j++];
}
while (i <= mid) { // 右边的有序序列还有剩余的元素,就全部填充到temp
temp[count++] = arr[i++];
}
// (三)
// 将temp数组的元素拷贝到arr
// 注意,并不是每次都拷贝所有
count = 0;
// 第一次合并 tempLeft = 0 , right = 1 // tempLeft = 2 right = 3 // tL=0 ri=3
// 最后一次 tempLeft = 0 right = 7
while (left <= right) {
arr[left++] = temp[count++];
}
// 错误写法
// while(count<temp.length) {
// arr[left++] = temp[count++];
// }
}
总结:在合并的时候,mid必须取 (left+right)/2 + 1,如果没有+1,会导致count越界,数据举例{0,1};left=0, right=1, mid如果为0,在第一个while后, i等于1,count等于1,count已经移位置, 判断while (j <= right)时 j等于0;j<=1,temp[count++] = arr[j++]; count会越界,temp[1]=arr[0]; temp[2]=arr[1];这个地方不+1思想就不对,左边取值[left, mid],右边取值[mid+1, right],牢记。
while (left <= right) 在最后循环赋值给arr时,实际上是从最里层开始,最里层分解后就2个数,第一次合并也就2个数,写成 while(count<temp.length),temp数组每次都是arr.length的,所以会导致下标越界。
6.7 基数排序
将所有待比较数值统一为同样的数位长度,数位较短的数前面补零。然后,从最低位开始,依次进行一次排序。这样从最低位排序一直到最高位排序完成以后, 数列就变成一个有序序列。
1、基数排序是对传统桶排序的扩展,速度很快。
2、基数排序是经典的空间换时间的方式,占用内存很大, 当对海量数据排序时,容易造成 OutOfMemoryError 。
3、基数排序是稳定的。[注:假定在待排序的记录序列中,存在多个具有相同的关键字的记录,若经过排序,这些记录的相对次序保持不变,即在原序列中,r[i]=r[j],且r[i]在r[j]之前,而在排序后的序列中,r[i]仍在r[j]之前,则称这种排序算法是稳定的;否则称为不稳定的]。
public static void radixSort(int []arr) {
//计算出数组的最大值
int max = arr[0];
for(int i=1; i<arr.length; i++) {
if(arr[i] > max) {
max = arr[i];
}
}
System.out.println("最大元素是:" + max);
//得到最大数是几位数
int maxSize = (max + "").length();
//定义一个二维数组,表示10个桶, 每个桶就是一个一维数组
//说明
//1. 二维数组包含10个一维数组
//2. 为了防止在放入数的时候,数据溢出,则每个一维数组(桶),大小定为arr.length
//3. 名明确,基数排序是使用空间换时间的经典算法
int[][] bucket = new int[10][arr.length];
//为了记录每个桶中,实际存放了多少个数据,我们定义一个一维数组来记录各个桶的每次放入的数据个数
//可以这里理解
//比如:bucketElementCounts[0] , 记录的就是 bucket[0] 桶的放入数据个数
int []indexArr = new int[10];
//最大数有多少位,就要循环多少次
int temp;
for(int j=0, n=1; j < maxSize; j++, n*=10) {
//放进桶里
for(int i=0;i<arr.length;i++) {
//得到个位、十位、百位
temp = arr[i] / n % 10;
//放入到对应的桶中
bucket[temp][indexArr[temp]++] = arr[i];
}
//从桶里取出来
int count = 0;
for(int i=0;i<indexArr.length;i++) {
for(int k=0;k<indexArr[i];k++) {
arr[count++] = bucket[i][k];
}
//下标数组取出来后就置0,下次还要用
indexArr[i] = 0;
}
}
}
注意每次根据下标数组取出桶中元素放入原数组后,应该将其下标置为0,下次放入桶中的元素,还需要再次记录。
java.lang.OutOfMemoryError这个错误我相信大部分开发人员都有遇到过,产生该错误的原因大都出于以下原因:JVM内存过小、程序不严密,产生了过多的垃圾。
导致OutOfMemoryError异常的常见原因有以下几种:
1、内存中加载的数据量过于庞大,如一次从数据库取出过多数据; 2. 集合类中有对对象的引用,使用完后未清空,使得JVM不能回收; 3. 代码中存在死循环或循环产生过多重复的对象实体; 4. 使用的第三方软件中的BUG; 5. 启动参数内存值设定的过小;
6.8 常用排序算法总结与对比
相关术语解释:
1、稳定:如果a原本在b前面,而a=b,排序之后a仍然在b的前面;
2、不稳定:如果a原本在b的前面,而a=b,排序之后a可能会出现在b的后面;
3、内排序:所有排序操作都在内存中完成;
4、外排序:由于数据太大,因此把数据放在磁盘中,而排序通过磁盘和内存的数据传输才能进行;
5、时间复杂度: 一个算法执行所耗费的时间。
6、空间复杂度:运行完一个程序所需内存的大小。
7、n: 数据规模
8、k: “桶”的个数
9、In-place: 不占用额外内存
10、Out-place: 占用额外内存
7 线性查找
线性查找,前提是整体必须的有序。
7.1 二分法查找
找到中间下标mid,比较mid的值与查找的值,改变左右区间,使用递归进行查找。
/**
*
* @param arr
* 数组
* @param left
* 左边的索引
* @param right
* 右边的索引
* @param findVal
* 要查找的值
* @return 如果找到就返回下标,如果没有找到,就返回 -1
*/
public static int binarySearch(int[] arr, int left, int right, int findVal) {
// 当 left > right 时,说明递归整个数组,但是没有找到
if (left > right) {
return -1;
}
int mid = (left + right) / 2;
int midVal = arr[mid];
if (findVal > midVal) { // 向 右递归
return binarySearch(arr, mid + 1, right, findVal);
} else if (findVal < midVal) { // 向左递归
return binarySearch(arr, left, mid - 1, findVal);
} else {
return mid;
}
}
7.2 插值查找
插值查找是对二分查找的优化,mid的是不再是二分得到,而是通过findValue计算得到。
int mid = left + (right - left) * (findVal - arr[left]) / (arr[right] - arr[left]);
但是感觉不严谨,如果数据量大,查找的数也很大,每次计算的mid,和下次调用mid+1再次计算出的mid一样,会造成栈溢出。也不清楚到底mid应该取一个什么范围的值合适,如果有懂的朋友,希望告知。
//说明:插值查找算法,也要求数组是有序的
/**
*
* @param arr 数组
* @param left 左边索引
* @param right 右边索引
* @param findVal 查找值
* @return 如果找到,就返回对应的下标,如果没有找到,返回-1
*/
public static int insertValueSearch(int[] arr, int left, int right, int findVal) {
//注意:findVal < arr[0] 和 findVal > arr[arr.length - 1] 必须需要
//否则我们得到的 mid 可能越界
if (left > right || findVal < arr[0] || findVal > arr[arr.length - 1]) {
return -1;
}
// 求出mid, 自适应
int mid = left + (right - left) * (findVal - arr[left]) / (arr[right] - arr[left]);
int midVal = arr[mid];
if (findVal > midVal) { // 说明应该向右边递归
return insertValueSearch(arr, mid + 1, right, findVal);
} else if (findVal < midVal) { // 说明向左递归查找
return insertValueSearch(arr, left, mid - 1, findVal);
} else {
return mid;
}
}
7.3 斐波拉契查找
斐波拉契(黄金分割)查找,主要来源于斐波拉契数列,将数组的下标,按照斐波拉契数列来进行分割查找。mid=low+F(k-1)-1,F代表斐波拉契数列。
对F(k-1)-1的理解:
1、由斐波那契数列 F[k]=F[k-1]+F[k-2] 的性质,可以得到 (F[k]-1)=(F[k-1]-1)+(F[k-2]-1)+1 。该式说明:只要顺序表的长度为F[k]-1,则可以将该表分成长度为F[k-1]-1和F[k-2]-1的两段,即如上图所示。从而中间位置为mid=low+F(k-1)-1。
2、类似的,每一子段也可以用相同的方式分割。
3、但顺序表长度n不一定刚好等于F[k]-1,所以需要将原来的顺序表长度n增加至F[k]-1。这里的k值只要能使得F[k]-1恰好大于或等于n即可,由以下代码得到,顺序表长度增加后,新增的位置(从n+1到F[k]-1位置),都赋为n位置的值即可(超出部分直接赋最后一个数的值)。
while(n>fib(k)-1)
k++;
代码如下:
package cn.qiuhao.datasructure.search;
import java.util.Arrays;
/**
*
* @Description: 斐波那契查找
* @author: qiuhao
* @date: 2021年2月1日
*
*/
public class FibonacciSearch {
public static int maxSize = 20;
public static void main(String[] args) {
int [] arr = {1,8, 10, 89, 1000, 1234};
System.out.println("index=" + fibSearch(arr, 1024));// 0
}
//因为后面我们mid=low+F(k-1)-1,需要使用到斐波那契数列,因此我们需要先获取到一个斐波那契数列
//非递归方法得到一个斐波那契数列
public static int[] fib() {
int[] f = new int[maxSize];
f[0] = 1;
f[1] = 1;
for (int i = 2; i < maxSize; i++) {
f[i] = f[i - 1] + f[i - 2];
}
return f;
}
//编写斐波那契查找算法
//使用非递归的方式编写算法
/**
*
* @param a 数组
* @param key 我们需要查找的关键码(值)
* @return 返回对应的下标,如果没有-1
*/
public static int fibSearch(int[] a, int key) {
int low = 0;
int high = a.length - 1;
int k = 0; //表示斐波那契分割数值的下标
int mid = 0; //存放mid值
int f[] = fib(); //获取到斐波那契数列
//获取到斐波那契分割数值的下标
while(high > f[k] - 1) {
k++;
}
//因为 f[k] 值 可能大于 a 的 长度,因此我们需要使用Arrays类,构造一个新的数组,并指向temp[]
//不足的部分会使用0填充
int[] temp = Arrays.copyOf(a, f[k]);
//实际上需求使用a数组最后的数填充 temp
//举例:
//temp = {1,8, 10, 89, 1000, 1234, 0, 0} => {1,8, 10, 89, 1000, 1234, 1234, 1234,}
for(int i = high + 1; i < temp.length; i++) {
temp[i] = a[high];
}
// 使用while来循环处理,找到我们的数 key
while (low <= high) { // 只要这个条件满足,就可以找
mid = low + f[k - 1] - 1;
if(key < temp[mid]) { //我们应该继续向数组的前面查找(左边)
high = mid - 1;
//为甚是 k--
//说明
//1. 全部元素 = 前面的元素 + 后边元素
//2. f[k] = f[k-1] + f[k-2]
//因为 前面有 f[k-1]个元素,所以可以继续拆分 f[k-1] = f[k-2] + f[k-3]
//即 在 f[k-1] 的前面继续查找 k--
//即下次循环 mid = f[k-1-1]-1
k--;
} else if ( key > temp[mid]) { // 我们应该继续向数组的后面查找(右边)
low = mid + 1;
//为什么是k -=2
//说明
//1. 全部元素 = 前面的元素 + 后边元素
//2. f[k] = f[k-1] + f[k-2]
//3. 因为后面我们有f[k-2] 所以可以继续拆分 f[k-2] = f[k-3] + f[k-4]
//4. 即在f[k-2] 的前面进行查找 k -=2
//5. 即下次循环 mid = f[k - 1 - 2] - 1
k -= 2;
} else { //找到
//需要确定,返回的是哪个下标
if(mid <= high) {
return mid;
} else {
return high;
}
}
}
return -1;
}
}
while(high > f[k] - 1) {
k++;
}
最大的下标 要大于 f[k] - 1,实际上是为了保证数组的长度能够满足一个斐波拉契数列,不能让这个长度在数列2个数的中间,这样长度就不满足。
int [] arr = {1,8, 10, 89, 1000, 1234};
斐波拉契数列为:
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584, 4181, 6765];
如arr数组,最大下标为5,如果 hight > f[k],则k==4,发f[k]==5,这个下标还不满足最大下标6,不能将数组下标构造成一个斐波拉契数列,所以条件是 while(high > f[k] - 1);这里求出来的f[k],如果大于数组的长度,那么数组就自动补齐,补数组的最后一位数,使得数组的长度(下标)能够满足斐波拉契数列。
如果 key < temp[mid];则mid向左移动一位,k–,将 f[k-1] 分成 f[k-2] + f[k-3] 两段,即只需要将k-1,下次循环时, mid = low + f[k - 1 - 1] - 1;
if(key < temp[mid]) {
high = mid - 1;
k--;
如果 key > temp[mid];则mid向右移动一位,k -= 2;将 f[k-2] 分成 f[k-3] + f[k-4] 两段,即只需要将k-2,下次循环时, mid = low + f[k - 1 - 2] - 1;
if(key > temp[mid]) {
high = mid + 1;
k -= 2;
8 哈希表
散列表(Hash table,也叫哈希表),是根据关键码值(Key value)而直接进行访问的数据结构。也就是说,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。这个映射函数叫做散列函数,存放记录的数组叫做散列表。
package cn.qiuhao.datasructure.hashtab;
import java.util.Scanner;
/**
*
* @Description: 模拟hash表
* @author: qiuhao
* @date: 2021年2月3日
*
*/
public class HashTabDemo {
public static void main(String[] args) {
// 创建哈希表
HashTab hashTab = new HashTab(7);
// 写一个简单的菜单
String key = "";
Scanner scanner = new Scanner(System.in);
while (true) {
System.out.println("add: 添加雇员");
System.out.println("list: 显示雇员");
System.out.println("find: 查找雇员");
System.out.println("exit: 退出系统");
key = scanner.next();
switch (key) {
case "add":
System.out.println("输入id");
int id = scanner.nextInt();
System.out.println("输入名字");
String name = scanner.next();
// 创建 雇员
Emp emp = new Emp(id, name);
hashTab.add(emp);
break;
case "list":
hashTab.list();
break;
case "find":
System.out.println("请输入要查找的id");
id = scanner.nextInt();
hashTab.findEmpById(id);
break;
case "exit":
scanner.close();
System.exit(0);
default:
break;
}
}
}
}
//创建HashTab 管理多条链表
class HashTab {
private EmpLinkedList[] empLinkedListArray;
private int size; // 表示有多少条链表
// 构造器
public HashTab(int size) {
this.size = size;
// 初始化empLinkedListArray
empLinkedListArray = new EmpLinkedList[size];
// 这里要分别初始化每个链表
for (int i = 0; i < size; i++) {
empLinkedListArray[i] = new EmpLinkedList();
}
}
// 添加雇员
public void add(Emp emp) {
// 根据员工的id ,得到该员工应当添加到哪条链表
int empLinkedListNO = hashFun(emp.id);
// 将emp 添加到对应的链表中
empLinkedListArray[empLinkedListNO].add(emp);
}
// 遍历所有的链表,遍历hashtab
public void list() {
for (int i = 0; i < size; i++) {
empLinkedListArray[i].list(i);
}
}
// 根据输入的id,查找雇员
public void findEmpById(int id) {
// 使用散列函数确定到哪条链表查找
int empLinkedListNO = hashFun(id);
Emp emp = empLinkedListArray[empLinkedListNO].findEmpById(id);
if (emp != null) {// 找到
System.out.printf("在第%d条链表中找到 雇员 id = %d\n", (empLinkedListNO + 1), id);
} else {
System.out.println("在哈希表中,没有找到该雇员~");
}
}
// 编写散列函数, 使用一个简单取模法
public int hashFun(int id) {
return id % size;
}
}
//表示一个雇员
class Emp {
public int id;
public String name;
public Emp next; // next 默认为 null
public Emp(int id, String name) {
super();
this.id = id;
this.name = name;
}
}
//创建EmpLinkedList ,表示链表
class EmpLinkedList {
// 头指针,执行第一个Emp,因此我们这个链表的head 是直接指向第一个Emp
private Emp head; // 默认null
// 添加雇员到链表
// 说明
// 1. 假定,当添加雇员时,id 是自增长,即id的分配总是从小到大
// 因此我们将该雇员直接加入到本链表的最后即可
public void add(Emp emp) {
// 如果是添加第一个雇员
if (head == null) {
head = emp;
return;
}
// 如果不是第一个雇员,则使用一个辅助的指针,帮助定位到最后
Emp curEmp = head;
while (true) {
if (curEmp.next == null) {// 说明到链表最后
break;
}
curEmp = curEmp.next; // 后移
}
// 退出时直接将emp 加入链表
curEmp.next = emp;
}
// 遍历链表的雇员信息
public void list(int no) {
if (head == null) { // 说明链表为空
System.out.println("第 " + (no + 1) + " 链表为空");
return;
}
System.out.print("第 " + (no + 1) + " 链表的信息为");
Emp curEmp = head; // 辅助指针
while (true) {
System.out.printf(" => id=%d name=%s\t", curEmp.id, curEmp.name);
if (curEmp.next == null) {// 说明curEmp已经是最后结点
break;
}
curEmp = curEmp.next; // 后移,遍历
}
System.out.println();
}
// 根据id查找雇员
// 如果查找到,就返回Emp, 如果没有找到,就返回null
public Emp findEmpById(int id) {
// 判断链表是否为空
if (head == null) {
System.out.println("链表为空");
return null;
}
// 辅助指针
Emp curEmp = head;
while (true) {
if (curEmp.id == id) {// 找到
break;// 这时curEmp就指向要查找的雇员
}
// 退出
if (curEmp.next == null) {// 说明遍历当前链表没有找到该雇员
curEmp = null;
break;
}
curEmp = curEmp.next;// 以后
}
return curEmp;
}
}
9 树
为什么需要树这种数据结构?
1、数组存储方式的分析
优点:通过下标方式访问元素,速度快。对于有序数组,还可使用二分查找提高检索速度。
缺点:如果要检索具体某个值,或者插入值(按一定顺序)会整体移动,效率较低
2、链式存储方式的分析
优点:在一定程度上对数组存储方式有优化(比如:插入一个数值节点,只需要将插入节点,链接到链表中即可, 删除效率也很好)。
缺点:在进行检索时,效率仍然较低,比如(检索某个值,需要从头节点开始遍历)
树存储方式的分析能提高数据存储,读取的效率, 比如利用 二叉排序树(Binary Sort Tree),既可以保证数据的检索速度,同时也可以保证数据的插入,删除,修改的速度。
树的常用术语(结合示意图理解):
1、节点
2、根节点
3、父节点
4、子节点
5、叶子节点 (没有子节点的节点)
6、节点的权(节点值)
7、路径(从root节点找到该节点的路线)
8、层
9、子树
10、树的高度(最大层数)
11、森林 :多颗子树构成森林
9.1 二叉树
树有很多种,每个节点最多只能有两个子节点的一种形式称为二叉树。
二叉树的子节点分为左节点和右节点。
9.1.1 二叉树遍历
二叉树遍历分为前序遍历、中序遍历、后续遍历;
前序遍历: 先输出父节点,再遍历左子树和右子树
中序遍历: 先遍历左子树,再输出父节点,再遍历右子树
后序遍历: 先遍历左子树,再遍历右子树,最后输出父节点
小结: 看输出父节点的顺序,就确定是前序,中序还是后序
//编写前序遍历的方法
public void preOrder() {
System.out.println(this); //先输出父结点
//递归向左子树前序遍历
if(this.left != null) {
this.left.preOrder();
}
//递归向右子树前序遍历
if(this.right != null) {
this.right.preOrder();
}
}
//中序遍历
public void infixOrder() {
//递归向左子树中序遍历
if(this.left != null) {
this.left.infixOrder();
}
//输出父结点
System.out.println(this);
//递归向右子树中序遍历
if(this.right != null) {
this.right.infixOrder();
}
}
//后序遍历
public void postOrder() {
if(this.left != null) {
this.left.postOrder();
}
if(this.right != null) {
this.right.postOrder();
}
System.out.println(this);
}
9.1.2 二叉树查找
前序查询、中序查找、后续查找
//前序遍历查找
/**
*
* @param no 查找no
* @return 如果找到就返回该Node ,如果没有找到返回 null
*/
public HeroNode preOrderSearch(int no) {
System.out.println("进入前序遍历");
//比较当前结点是不是
if(this.no == no) {
return this;
}
//1.则判断当前结点的左子节点是否为空,如果不为空,则递归前序查找
//2.如果左递归前序查找,找到结点,则返回
HeroNode resNode = null;
if(this.left != null) {
resNode = this.left.preOrderSearch(no);
}
if(resNode != null) {//说明我们左子树找到
return resNode;
}
//1.左递归前序查找,找到结点,则返回,否继续判断,
//2.当前的结点的右子节点是否为空,如果不空,则继续向右递归前序查找
if(this.right != null) {
resNode = this.right.preOrderSearch(no);
}
return resNode;
}
//中序遍历查找
public HeroNode infixOrderSearch(int no) {
//判断当前结点的左子节点是否为空,如果不为空,则递归中序查找
HeroNode resNode = null;
if(this.left != null) {
resNode = this.left.infixOrderSearch(no);
}
if(resNode != null) {
return resNode;
}
System.out.println("进入中序查找");
//如果找到,则返回,如果没有找到,就和当前结点比较,如果是则返回当前结点
if(this.no == no) {
return this;
}
//否则继续进行右递归的中序查找
if(this.right != null) {
resNode = this.right.infixOrderSearch(no);
}
return resNode;
}
//后序遍历查找
public HeroNode postOrderSearch(int no) {
//判断当前结点的左子节点是否为空,如果不为空,则递归后序查找
HeroNode resNode = null;
if(this.left != null) {
resNode = this.left.postOrderSearch(no);
}
if(resNode != null) {//说明在左子树找到
return resNode;
}
//如果左子树没有找到,则向右子树递归进行后序遍历查找
if(this.right != null) {
resNode = this.right.postOrderSearch(no);
}
if(resNode != null) {
return resNode;
}
System.out.println("进入后序查找");
//如果左右子树都没有找到,就比较当前结点是不是
if(this.no == no) {
return this;
}
return resNode;
}
在递归查找的时候,如果后面的代码还有递归的操作,那么得判断返回的这个节点,是不是为空,不为空返回,为空则继续执行后面的递归,而不能直接将节点return,直接return就返回了空,而没有继续执行后面的递归
9.1.3 二叉树删除
删除操作,是找到要删除的上一个节点,根据上一个节点来判断,如果找到删除节点,是不能进行超出操作的,因为无法得知上一个节点的信息。
//递归删除结点
//1.如果删除的节点是叶子节点,则删除该节点
//2.如果删除的节点是非叶子节点,则删除该子树
public void delNode(int no) {
//思路
/*
* 1. 因为我们的二叉树是单向的,所以我们是判断当前结点的子结点是否需要删除结点,而不能去判断当前这个结点是不是需要删除结点.
2. 如果当前结点的左子结点不为空,并且左子结点 就是要删除结点,就将this.left = null; 并且就返回(结束递归删除)
3. 如果当前结点的右子结点不为空,并且右子结点 就是要删除结点,就将this.right= null ;并且就返回(结束递归删除)
4. 如果第2和第3步没有删除结点,那么我们就需要向左子树进行递归删除
5. 如果第4步也没有删除结点,则应当向右子树进行递归删除.
*/
//2. 如果当前结点的左子结点不为空,并且左子结点 就是要删除结点,就将this.left = null; 并且就返回(结束递归删除)
if(this.left != null && this.left.no == no) {
this.left = null;
return;
}
//3.如果当前结点的右子结点不为空,并且右子结点 就是要删除结点,就将this.right= null ;并且就返回(结束递归删除)
if(this.right != null && this.right.no == no) {
this.right = null;
return;
}
//4.我们就需要向左子树进行递归删除
if(this.left != null) {
this.left.delNode(no);
}
//5.则应当向右子树进行递归删除
if(this.right != null) {
this.right.delNode(no);
}
}
9.2 顺序存储二叉树
从数据存储来看,数组存储方式和树的存储方式可以相互转换,即数组可以转换成树,树也可以转换成数组。
数组和二叉树可以相互转换,数组也可以用二叉树的前序、中序、后续的遍历方式进行遍历,递归的判断条件,即 2 * n + 1 和 2 * n + 2;
//中序遍历
public void preOrder(int index) {
//如果数组为空,或者 arr.length = 0
if(arr == null || arr.length == 0) {
System.out.println("数组为空,不能按照二叉树的前序遍历");
}
//输出当前这个元素
System.out.println(arr[index]);
//向左递归遍历
if((index * 2 + 1) < arr.length) {
preOrder(2 * index + 1 );
}
//向右递归遍历
if((index * 2 + 2) < arr.length) {
preOrder(2 * index + 2);
}
}
9.3 线索化二叉树
利用线索二叉树进行中序遍历时,不必采用堆栈处理,速度较一般二叉树的遍历速度快,且节约存储空间。
n个结点的二叉链表中含有n+1 【公式 2n-(n-1)=n+1】 个空指针域。利用二叉链表中的空指针域,存放指向该结点在某种遍历次序下的前驱和后继结点的指针(这种附加的指针称为"线索")
这种加上了线索的二叉链表称为线索链表,相应的二叉树称为线索二叉树(Threaded BinaryTree)。根据线索性质的不同,线索二叉树可分为前序线索二叉树、中序线索二叉树和后序线索二叉树三种
一个结点的前一个结点,称为前驱结点。
一个结点的后一个结点,称为后继结点。
9.3.1 线索化二叉树
中序线索化二叉树,需要一个辅助节点,指向当前节点的前驱节点;需要定义左右节点的类型,以此来区分是指向是子树还是前驱、后继节点;在线索化左子树的时候,如果遇到节点的左指向为null,那么这个节点就是前驱指针指向的位置,设置类型;在遍历右子树时,需要前驱节点右指针为空的节点,也就是如果没有指向子树,就让这个空的指针指向当前节点;在每次递归后,都要将前驱节点指向当前节点,是为了记录前驱节点的位置。
public void threadedNodes(HeroNode1 node) {
//如果node==null, 不能线索化
if(node == null) {
return;
}
//(一)先线索化左子树
threadedNodes(node.getLeft());
//(二)线索化当前结点[有难度]
//处理当前结点的前驱结点
//以8结点来理解
//8结点的.left = null , 8结点的.leftType = 1
if(node.getLeft() == null) {
//让当前结点的左指针指向前驱结点
node.setLeft(pre);
//修改当前结点的左指针的类型,指向前驱结点
node.setLeftType(1);
}
//处理后继结点
if (pre != null && pre.getRight() == null) {
//让前驱结点的右指针指向当前结点
pre.setRight(node);
//修改前驱结点的右指针类型
pre.setRightType(1);
}
//!!! 每处理一个结点后,让当前结点是下一个结点的前驱结点
pre = node;
//(三)在线索化右子树
threadedNodes(node.getRight());
}
9.3.2 线索化二叉树遍历
二叉树线索化后,就不能再用以前的方式遍历,因为左指针可能指向的子树也可能是前驱节点,会造成无限递归,需要根据前驱、后继节点来遍历。
从根节点开始,用辅助指针,根据类型找到第一个前驱节点,这个节点也就是原来中序遍历的第一个输出节点;然后就继续找后继节点,如果当前结点的右指针指向的是后继结点,就一直输出;如果不是,则让辅助指针往后挪。这种遍历不需要使用递归,直接从根节点往下走开始遍历,遍历更快。
//遍历线索化二叉树的方法
public void threadedList() {
//定义一个变量,存储当前遍历的结点,从root开始
HeroNode1 node = root;
while(node != null) {
//循环的找到leftType == 1的结点,第一个找到就是8结点
//后面随着遍历而变化,因为当leftType==1时,说明该结点是按照线索化
//处理后的有效结点
while(node.getLeftType() == 0) {
node = node.getLeft();
}
//打印当前这个结点
System.out.println(node);
//如果当前结点的右指针指向的是后继结点,就一直输出
while(node.getRightType() == 1) {
//获取到当前结点的后继结点
node = node.getRight();
System.out.println(node);
}
//替换这个遍历的结点
node = node.getRight();
}
}
9.4 堆排序
1、堆排序是利用堆这种数据结构而设计的一种排序算法,堆排序是一种选择排序,它的最坏,最好,平均时间复杂度均为O(nlogn),它也是不稳定排序。
2、堆是具有以下性质的完全二叉树:每个结点的值都大于或等于其左右孩子结点的值,称为大顶堆, 注意 : 没有要求结点的左孩子的值和右孩子的值的大小关系。
3、每个结点的值都小于或等于其左右孩子结点的值,称为小顶堆
4、大顶堆
5、小顶堆
小顶堆:arr[i] <= arr[2i+1] && arr[i] <= arr[2i+2] // i 对应第几个节点,i从0开始编号。
6、一般升序采用大顶堆,降序采用小顶堆 。
堆排序的基本思想是:
1、将待排序序列构造成一个大顶堆
2、此时,整个序列的最大值就是堆顶的根节点。
3、将其与末尾元素进行交换,此时末尾就为最大值。
4、然后将剩余n-1个元素重新构造成一个堆,这样会得到n个元素的次小值。如此反复执行,便能得到一个有序序列了。
堆排序是树结构的应用,之前说过二叉树可以以数组的形式进行遍历。首先就是需要构造一个大顶堆,其次就是将最顶端的值与数组元素最后一个值进行交换,这样最大的值就到了数组的最后,依次将n-1个元素再次进行排序。
public static void heapSort(int arr[]) {
int temp = 0;
//完成我们最终代码
//将无序序列构建成一个堆,根据升序降序需求选择大顶堆或小顶堆
for(int i = arr.length / 2 -1; i >=0; i--) {
adjustHeap(arr, i, arr.length);
}
/*
* 2).将堆顶元素与末尾元素交换,将最大元素"沉"到数组末端;
3).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。
*/
for(int j = arr.length-1;j >0; j--) {
//交换
temp = arr[j];
arr[j] = arr[0];
arr[0] = temp;
adjustHeap(arr, 0, j);
}
//System.out.println("数组=" + Arrays.toString(arr));
}
//将一个数组(二叉树), 调整成一个大顶堆
/**
* 功能: 完成 将 以 i 对应的非叶子结点的树调整成大顶堆
* 举例 int arr[] = {4, 6, 8, 5, 9}; => i = 1 => adjustHeap => 得到 {4, 9, 8, 5, 6}
* 如果我们再次调用 adjustHeap 传入的是 i = 0 => 得到 {4, 9, 8, 5, 6} => {9,6,8,5, 4}
* @param arr 待调整的数组
* @param i 表示非叶子结点在数组中索引
* @param lenght 表示对多少个元素继续调整, length 是在逐渐的减少
*/
public static void adjustHeap(int arr[], int i, int lenght) {
int temp = arr[i];//先取出当前元素的值,保存在临时变量
//开始调整
//说明
//1. k = i * 2 + 1 k 是 i结点的左子结点
for(int k = i * 2 + 1; k < lenght; k = k * 2 + 1) {
if( k + 1 < lenght && arr[k] < arr[k+1]) { //说明左子结点的值小于右子结点的值
k++; // k 指向右子结点
}
if(arr[k] > temp) { //如果子结点大于父结点
arr[i] = arr[k]; //把较大的值赋给当前结点
i = k; //!!! i 指向 k,继续循环比较
} else {
break;//! 退出循环,进行下一个非叶子节点
}
}
//当for 循环结束后,我们已经将以i 为父结点的树的最大值,放在了 最顶(局部)
arr[i] = temp;//将temp值放到调整后的位置
}
因为数组是无序的,不满足堆排序的要求,所以需要先构建一个大顶堆,int i = arr.length / 2 -1,从这个节点开始,也就是最后一个非叶子节点开始构建;这里不是很好理解,因为是从下至上,从右至左进行构建的,所以最后构建出来就满足大顶堆的条件;当遍历到上层节点时,上层节点的左右子节点其实就是来自之前遍历所交换上去的节点,巧妙的是,如果上层节点与子节点进行了交换,那么又会从子节点的位置开始向下去找,来保证大顶堆每个节点的值都大于或等于其左右孩子节点的值。一个for控制的是节点的纵向——节点与左右子节点的比较,一直往下比;一个for控制的是横向,从右到左,从下到上遍历每一个非叶子节点。当构建好了大顶堆,那么最顶端的元素就是最大的数,与数组最后的元素进行交换,这样就将最大的排到后面;然后将最后一个值排除,反复进行比较,最终得到有序的数组。