数据结构下2

四、字典树   Trie  单词查找树   前缀树

        解决字符串类型的问题：1.单词查找

                                                2.字符串排序

        构建复杂度：O(NxM)

        查找复杂度：O(M)

        优点：查找高效、利用了前缀节省空间

        缺点：空间复杂度高

        适用场景：通常前缀重合多才好用

                          对指针存数据不友好，对CPU缓存不友好

                        适合前缀查找、自动补全

                        单纯查找字符串是否存在，用hash表反而更好

        编程技巧： 用数组实现树

扩展：  双数组字典树

        优化字典树存储稀疏的问题

        base数组：解决如何冲突？

        check数组：亲子鉴定 保存父指针      正负号确定独立成词

应用： 离线构造，在线查询

缺点：构造时间非常长、使用场景固定

扩展2： 马拉车算法   O（N）

        解决回文串处理问题：1、暴力

                                            2、二分+hash

                                            3、马拉车算法，回文子串

                                            4、回文自动机

五、字符串匹配算法

        1、朴素匹配算法  BF算法   O(NxM)

        2、hash匹配算法  RK算法 O(N)   最坏O(NxM)

                计算子串O(N)

                对比O(n - m + 1)

        3、KMP算法  O(N+M)

                缓存信息

                next数组

        4、Sunday算法  O(N) 最坏O(NxM)

               简单

        5、SHIFT-AND算法   O(N)

                转换 + 二进制

六、AC自动机

        在Trie中加入失败指针，通过路径压缩优化

        找S中包含哪些给定子串

        匹配的时间复杂度O(N)    最坏O（高度 x 词数）

七、哈夫曼编码

                贪心算法  

                借助堆创建哈夫曼树

                哈夫曼编码是最优的变长编码

扩展3： LRU缓存机制

        最近最少机制

        实现：链表存储 + hash表查询    

八、图论

        最小生成树算法   

                从带权图中抽出一颗生成树，使得边的权值最小

               1. kruscal算法    O(ElogE)    E:边数

                        1.sort边   2、遍历边   3. 边的两个点加入T

               2. Prim算法      O(V^2)    V:定点数

       最短路问题

                求一个起点到其余各个顶点的最短路径

                Dijkstra算法        O(V^2 + E)

                {S = 点集}    {T = 空集}

                （1）每次从S中找一个最近点放入T中

                （2）然后进行松弛操作，更新距离

                （3）直到S为空