数据结构与算法总结

数据结构DS

DLSO

逻辑结构

集合，线性表，树，图

存储结构

顺序存储，链式存储，哈希/散列存储

算法

算法是计算机求解特定问题的有限步骤序列。
算法的五特性：有输入、有输出、有穷性、确定性、可行性
好的算法四特点：正确性、可读性、健壮性、高效性

算法性能标准

时间复杂度和空间复杂度
算法分析本质上是做上界O、下界\omega、确界\theta的分析，一般以上界为准，分为常数阶O(1)，对数阶O(log₂n)，线性阶O(n)，线性对数阶O(nlog₂n)，多项式阶，指数阶O(2ⁿ)
空间复杂度包括输入数据占用的空间，程序本身占用的空间，辅助变量占用的空间。

线性表

线性结构有唯一的第一元素和最后元素，除此之外的其他元素都有唯一的前驱和后继。顺序存储的线性表又叫顺序表，链式存储的线性表又叫链表。

顺序表

已知存储宽度和顺序表的起始地址，则可计算顺序表每个元素的存储地址。
顺序表的四大基础操作：插入，删除，查找（给值查地址，给地址查值）。

插入

需要向后依次偏移插入位置及之后的顺序表元素，时间复杂度O(n/2)

删除

需要向前依次偏移删除位置及之后的顺序表元素，时间复杂度为O((n-1)/2)

查找

给地址查值：时间复杂度为O(1)
给值查地址：时间复杂度为O((n+1)/2)

（单）链表

链表中每个节点由元素本身的值域和维护它逻辑关系的链域（即指针域）组成，指针指示后继元素存储位置。

特殊用法：头指针h指向头节点，头节点不存储数据，头节点的指针指向第一个元素a₁的位置。

增加头节点的原因：保护头指针，使得当链表为空时，头指针仍指向头节点。
链表的四大基础操作：插入，删除，查找（给值查地址，给地址查值）。

插入

只需修改待插入节点前一个及其本身的指针，时间复杂度O(2)

删除

只需修改待删除节点前一个指针，使其指向下一个节点，时间复杂度O(1)

查找

不同于顺序表的存储，查找链表元素及地址需要从头指针依次遍历，等概条件下时间复杂度为O((n+1)/2)

单链表变形结构

1. 单循环链表：链表尾部指针指向头节点，链表成环，任何节点都能通过指针找到另一个节点
2. 双向循环链表：拥有两个链域：前驱和后继，查找前后节点的时间复杂度为O(1)

就地逆置算法

1. 对于顺序表，使用temp变量在循环中交换中间元素两边i和n-1-i的值，时间复杂度O(n/2)，只用到temp一个额外空间，空间复杂度O(1)
2. 对于单链表，用到3个指针list、p、q，list指向旧链表的第一个元素，p指向新链表的第一个元素，q将旧链表取出的节点插入到新链表

运算受限的线性表

栈和队列都受到插入和删除的限制：栈的插入删除只能在线性表的一端进行，满足后进先出原则；队列的插入删除必须分别在线性表的两端进行，满足先进先出原则

栈

栈是特殊的线性表，固定的一端叫做栈底，活动的一端叫做栈顶，指向栈的最后一个元素，用top表示。

栈顶

栈底位置在栈底元素之下，a₁是栈底元素，位置为0，故栈底位置为-1，当top=-1时表示空栈，当top不为-1比如top=0时，表示栈中有一个元素且访问下标为0

栈的操作

栈的操作只有两个，入栈push和出栈pop，且都是在栈顶位置进行

满栈不能入，空栈不能出，前者会造成上溢，后者会造成下溢

队列

队列有两个指针，front和rear，front指向队头元素的前一个位置（类似栈底，与元素不在同一位置），rear指向队尾元素

当队列是空队列时，front和rear指向同一个空的空间

顺序队列的空满判定

当一系列元素入队出队后必然会导致rear指针指向队列存储空间尾端，此时若再有元素入队会产生假上溢，可使用模运算将新元素插入front前的位置，则rear将指向front前，当满队时rear与front指向同一个位置，与空队列定义相悖，产生空满判定问题。
三种解决方法：

1. 设置一个标志位flag（0/1）
2. 设置一个计数器counter
3. 少用（牺牲）一个元素的存储空间

链栈、链队列

链栈的实现只需限制链表的插入删除操作只能在链表头进行，即新建指针top指向链表头部节点。
链队列的实现需要限制插入只能在链表尾部进行，删除只能在链表头部进行，即新建rear指针指向队尾节点，队尾节点用front指针指向对头节点。

带尾指针的单循环链表天然就是一个链队列

树和二叉树

二叉树的递归定义：二叉树或为空树，或是由一个根节点加上两颗分别称为左子树、右子树的互不交叉的二叉树组成。

基本概念

节点的度：节点拥有的子树的个数
二叉树的度：二叉树中最大的节点度数，二叉树的度最大为2
二叉树的深度：二叉树中节点的最大层次数
叶子：度为0的节点称为叶子节点
孩子：节点子树的根
双亲：孩子节点的上层节点
子孙：以某节点为根的子树中任意节点
祖先：从根到某节点所经分支上的所有节点
节点的层次：根节点是第一层，孩子是第二层，孩子的孩子是第三层，以此递推。
兄弟：同一个双亲的孩子称为兄弟
堂兄弟：双亲在同一层的节点
满二叉树：除了叶子节点，其它节点度为2，且所有叶子节点位于同一层的二叉树
完全二叉树：一棵深度为k的有n个结点的二叉树，对树中的结点按从上至下、从左到右的顺序进行编号，如果编号为i（1≤i≤n）的结点与满二叉树中编号为i的结点在二叉树中的位置相同，则这棵二叉树称为完全二叉树。

二叉树的性质

1. 二叉树的第i层最多有2^i-1个节点。
2. 深度为k的二叉树上最多含2^k-1个节点
3. 对任意二叉树，设叶子数为n₀，度为2的节点数为n₂，则n₀=n₂+1
4. 具有n个节点的完全二叉树的深度为【log₂n】+1，即log₂n向下取整再加一

二叉树的遍历

三种递归遍历+一种非递归遍历：

1. 先序遍历：先访问根节点，再访问左子树，最后访问右子树
2. 中序遍历：先访问左子树，再访问根节点，最后访问右子树

#中序遍历Python
def inorder(root):
	if not root:
		return []
	return inorder(root.left)+[root.val]+inorder(root.right)
#返回以中序遍历的数组，若是二叉排序树，数组为升序

4. 后序遍历：先访问左子树，再访问右子树，最后访问根节点
5. 层序遍历：同一层从左到右进行遍历，遍历每一层

如果任意给定两种遍历关系，是否能重构唯一的二叉树？
答：中序遍历是必须的，另外一种三选一即可。

二叉树的三种经典算法

注：以下算法均用递归实现

1. 求二叉树深度
   空树：深度=0
   左右子树为空：深度=1
   其它：深度=1+max（左子树深度，右子树深度）
2. 求二叉树叶子节点个数
   空树：叶子数=0
   左右子树为空：叶子数=1
   其它：叶子数=左子树叶子数+右子树叶子数
3. 求二叉树节点个数
   空树：节点数=0
   其它：节点数=1+左子树节点数+右子树节点数

特殊的二叉树

二叉排序树BST

特点：节点左子树的所有元素值都小于该节点值，右子树的所有元素值都大于该节点值

对二叉排序树做中序遍历可得一个升序的序列，以此可判断一棵树是否是二叉排序树。

二叉排序树的构造过程：
二叉排序树的构造过程是一个查找和插入的过程，二叉排序树中添加任何的节点都是添加叶子的过程

二叉排序树的删除过程：

1. 删除叶子（度为0的节点）
   直接删除
2. 删除只有左子树或右子树的节点（度为1的节点）
   以其非空孩子节点替代
3. 删除既有左子树又有右子树的节点（度为2的节点）
   以其前驱节点替代，再删除前驱节点

前驱节点是待删除节点左孩子的最后一个右孩子，即中序遍历的前一个节点，可用while循环找出。

平衡二叉树AVL

查找二叉排序树中的元素时，发现可以调整树的结构使得平均查找长度ASL的值尽可能小，即降低二叉排序树的高度

特点：每个节点都有一个平衡因子，等于左子树深度-右子树深度，所有节点的平衡因子绝对值小于等于1

平衡二叉树的构造：

哈夫曼树