多维数组:线性表中的数据元素可以是线性表,但所有元素的类型相同。
数组
定义:数组是由一组类型相同的数据元素构成的有序集合,每个元素受n(n≥1)个线性关系的约束,并称该数组为 n 维数组。
元素本身可以具有某种结构,属于同一数据类型;数组是一个具有固定格式和数量的数据集合。
二维数组是数据元素为线性表的线性表。
基本操作:
⑴ 存取:给定一组下标,读出对应的数组元素;
⑵ 修改:给定一组下标,存储或修改与其相对应的数组元素。
存取和修改操作本质上只对应一种操作——寻址。
设一维数组的下标的范围为闭区间[l,h],每个数组元素占用 c 个存储单元,则其任一元素 ai 的存储地址可由下式确定:
Loc(ai)=Loc(al)+(i-l)×c
常用的映射方法有两种:
按行优先:先行后列,先存储行号较小的元素,行号相同者先存储列号较小的元素。
按列优先:先列后行,先存储列号较小的元素,列号相同者先存储行号较小的元素。
n 维数组
LOC ( i1, i2, …, in ) = a + ( i1m2m3*…mn + i2m3m4…mn+ ……+ in-1mn + in ) * l
矩阵的压缩存储
特殊矩阵:矩阵中很多值相同的元素并且它们的分布有一定的规律。
稀疏矩阵:矩阵中有很多零元素。
压缩存储的基本思想是:
⑴ 为多个值相同的元素只分配一个存储空间;
⑵ 对零元素不分配存储空间。
对称矩阵
特点:aij=aji,只存储下三角部分的元素。
对于下三角中的元素aij(i≥j), 在一维数组中的下标k与i、j的关系为:
k=i×(i-1)/2+j-1 。
上三角中的元素aij(i<j),因为aij=aji,则访问和它对应的元素aji即可,即:
k=j×(j-1)/2+i -1。
三角矩阵
只存储上三角(或下三角)部分的元素。
矩阵中任一元素aij在数组中的下标k与i、j的对应关系:
k=(i-1)×(n+n-i+2)/2+j-i , i<=j
k=n×(n+1) /2 , i>j
对角矩阵
对角矩阵:所有非零元素都集中在以主对角线为中心的带状区域中,除了主对角线和它的上下方若干条对角线的元素外,所有其他元素都为零。
稀疏矩阵的压缩存储
将稀疏矩阵中的每个非零元素表示为:
(行号,列号,非零元素值)——三元组
template <class T>
struct element
{
int row, col; //行号,列号
T item //非零元素值
};
三元组表:将稀疏矩阵的非零元素对应的三元组所构成的集合,按行优先的顺序排列成一个线性表。
存储结构定义:
const int MaxTerm=100;
template <class T>
struct SparseMatrix
{
T data[MaxTerm]; //存储非零元素
int mu, nu, tu; //行数,列数,非零元个数
};
十字链表
采用链接存储结构存储三元组表,每个非零元素对应的三元组存储为一个链表结点。
十字链表结点类的定义
template<class T>
class OLNode
{
public:
int row,col;
T element;
OLNode<T>* right,*down;
public:
OLNode(){right=NULL;down=NULL;};
};
广义表
广义表(列表): n ( 0 )个表元素组成的有限序列,记作:
LS = (a0, a1, a2, …, an-1)
LS是表名,ai是表元素,它可以是表 (称为子表),可以是数据元素(称为原子)。
n为表的长度。n = 0 的广义表为空表
广义表与线性表的区别
线性表的成分都是结构上不可分的单元素。
广义表的成分可以是单元素,也可以是有结构的表。
线性表是一种特殊的广义表。
广义表不一定是线性表,也不一定是线性结构。
头尾表示法
template <class T>
struct GLNode {
Elemtag tag;
union {
T data;
struct{
GLNode *hp, *tp;
} ptr;
};
};