数据结构 考研复试常考知识点总结（mini版）

数据结构

数据结构三要素？

• 逻辑结构：线性和非线性结构；线性结构：线性表；非线性结构：树、图、集合
• 物理结构：顺序、链式、索引、散列表存储
• 数据运算：对数据的操作

三者关系：算法的设计取决于逻辑结构，而算法的具体实现依赖于它的存储结构。

如何理解：线性表和图的算法设计不同（逻辑结构）；而对于同一逻辑结构，如线性表，其不同物理实现（顺序表or链表），对应操作也不一样。(比如对一个线性表进行排序)

算法的五个特性？

算法是对特定问题解决步骤的描述，具有可行性、确定性、有穷性、输入、输出这五个特征

其它特征：正确性、可读性、健壮性（鲁棒性）

数据结构的内涵？讲的什么？

内涵：

• 从计算机的角度来讲，数据结构是计算机存储、组织数据的方式；
• 从数据的角度来讲呢，数据结构的内涵是相互之间存在一种或者多种特定关系的数据集合；

讲的内容：这门课给我们介绍了很多数据结构类型和操作方法，比如栈、队列、顺序表、链表二叉树、图，分析了他们特点和适用场景，让我们对数据如何在计算机中组织、存储有了更深刻的理解。

抽象数据类型是什么？

抽象数据类型ADT：通常是对数据的某种抽象，定义了数据的取值范围及其结构形式，以及对数据操作的集合。比如 程序设计语言中的整型int类型就是一个抽象数据类型。由如下三个部分构成：

• 数据对象（存储的是什么）
• 数据关系（逻辑关系）
• 基本操作（crud、参数列表、初始化、操作结果等）

栈和队列的区别？

栈：是只允许在一端进行插入删除的线性表，特点是先进后出，也就是先进栈的节点后面出，在表达式求值或者递归中会用到。

栈：是只允许在一端进行插，在另一端进行删除的线性表，特点是先进先出，在树的层次遍历和广度优先搜索中会用到。

介绍下优先级队列及其存储结构

优先队列是一个特殊的队列，它的元素出队顺序不是由入队时的顺序决定的，而是由元素的优先级别来决定，优先级越高的元素先出队

应用：用于操作系统的进程调度，让更紧急的进程先执行

结构：优先队列的内部结构一般用堆来实现

堆（空间）和栈（空间）的区别？

• 栈空间是由系统自动分配，用来存储局部变量（基本数据类型）、和对象的引用，空间连续，容量小速度快。每当一个函数被调用时，这个函数的调用信息和局部变量都会加入栈中。
• 而堆空间是由编程人员主动申请的，用来存储对象的实体，只有在new之后才会在堆空间产生对象，空间是链式存放的，不连续。

声明：引用数据类型时只是在栈中保存了一个引用数据类型，只有执行new之后才会在堆中创建对象的实体。

总结：分配方式、存储的数据内容、分配速度、更新频率、是否连续、是否造成碎片、线程是否私有问题都不同

介绍下深度优先搜索dfs？

bfs/dfs

dfs：对每一个可能的分支路径深入到不能再深为止（往尽量深去找），并且每个结点只能访问一次，所以要用visited数组保存访问记录。适合判断图中有没有环、拓扑排序、还有计算图中的联通分量个数（油田问题）

优点：能找出所有的解决路径；适合递归，内存需要较少；便于判断图中是否有环路。

缺点：寻找最短路径时要遍历所有的路径，时间复杂度大；深度比较高时效率低

介绍下广度优先搜索bfs？

bfs：就是优先搜索离根结点更近的，一层一层搜，每次遍历到一个结点之后就记录下和这个结点最近的几个点，存入队列里面，然后从队列里取元素遍历，直到队列为空。适合解决最短路径问题（迪杰斯特拉）还有最小生成树问题（克鲁斯卡尔）。

bfs优点：便于寻找最短路径；

缺点：内存耗费量大（需要开大量的数组单元用来存储状态）

请简述快速排序的思想？

首先，快速排序是基于分治思想的一种排序，是冒泡排序的改进。

过程：将第一个元素值作为基准值，将比它小的值依次移动到左边，比他更大的值移动到右边，划分成左右两个子序列；再按同样的方法，对子序列再进行移动、划分，直到每个子序列长度都为一，排序结束。

什么是哈夫曼树？

首先，介绍哈夫曼树之前要介绍带权路径长度是什么，带权路径长度是结点到根结点的距离乘以结点值。

哈夫曼树就是带权路径长度之和最小的二叉树，树中权值较大的节点离根较近（使得处理高权重的结点代价更小），可以应用于数据压缩当中，比如哈夫曼编码。

什么是红黑树？

是平衡二叉树的优化的一种优化，可以加快查找速度、比如jdk1.8版本之后的hashmap就是基于红黑树。

具体满足如下特点：

1. 结点非黑即红
2. 根结点是黑色的
3. 没有连续的红色结点，如果当前是红色，则两个结点都是黑色
4. 每个结点到其后代结点的路径中，黑色结点一样多

B树？

B是m叉平衡搜索数，是二叉平衡树的优化。

它要求：

• 每个整棵树绝对平衡，不能有高度差
• 每个结点最多有m棵子树，m-1个关键字
• 除根节点外，其它结点至少有m/2棵子树，m/2-1个关键字

B和B+树比较？

B+树是B树的优化

具体区别如下

• B+树的叶结点包含了所有关键字，分支结点只是起到一个索引的作用。而B树里面每个叶子结点和分支结点的作用一样。
• B+树结点的子树个数和关键字个数相等，而B树的是子树和关键字相互交替，子树更多一个。
• 查找效率上，B+树可以直接遍历叶子结点的链表来实现搜索，有利于范围查找。而且B+树分支结点不存放指针指针信息，同一区域可以存放更多的分支结点，I/O次数更少，查找效率更高。

图的存储结构？

邻接矩阵：用一个一维数组存储点信息，用一个二维数组存储边信息，这个二维矩阵就是领接矩阵。

特点：存储空间浪费，但查找速度快，很容易确定两个点之间是否有边，实现简单

领接表：由数组加链表的形式组成，数组用于存储结点信息，数组每个元素后跟着一个链表，存储这个结点的出度边。

特点：节省空间，但实现复杂，不利于确定两点之间是否有边，也不利于查找结点的入度

KMP思想

就对模式串进行分析，计算出对应的next数组，next数组存的是，模式串从第一个元素开始，分别到各个元素之间的子串，它们最长公共前后缀的长度。当某一次匹配失败时，就可以根据next数组的值，把模式串移动前后缀匹配的位置，从而跳过了一些不可能的情况，对比指针再主串上只会向后移动，所以时间复杂度可以达到O（m+n）

求最小生成树和最短路径的算法分别有哪些？

最小生成树：普利姆算法、克鲁斯卡尔算法

最短路径：迪杰斯特拉算法（单源）、弗洛伊德算法（多源）

然后再具体解释一下各算法 巴拉巴拉。。。