数据结构与算法

数据结构复习重点

P1数据结构定义

定义:数据结构是描述数据对象和数据对象之间关系的统称

分类：线性结构、非线性结构

数据结构是分层的：

逻辑结构、物理结构、操作及其实现

软件是需要分层次的

P2递归

P2递归（物理过程)

程序自己调用自己的过程

把复杂的问题展开为更小的问题的求解

软工一递归的三角模型不错

压栈->压栈->压栈… ->出栈->出栈->出栈

迭代：

利用变量的原值推算出变量的新值

递归中一定有迭代，迭代不一定是递归

P3算法复杂度

算法：为解决某个问题而进行的一系列操作

空间复杂度 + 时间复杂度

难以精准地得出时间复杂度以及空间复杂度的确切值：数量级

代码优化降低复杂度

大O表示法：上界

Ω表示法：下界

θ表示法：折中——考试使用

P4线性表

逻辑结构 + 物理结构 + 实现

线性表是对象或者值得集合

包含一些基本方法

数组

请求连续内存

查询特定项的复杂度为O(1)

查找某个数的时间复杂度O(n)

删除、插入均为O(n)

链表

不是连续内存

单链表、双链表

查找特定项的时间复杂度为O(n)

移除节点的复杂度为O(1)（其实说法感觉并不准确，毕竟得先查找前一项）

查找前一项的复杂度为O(n)

一些应用

循环链表、双链表一般不考

栈

先进后出

单链表、数组实现栈

栈的使用

队列

先进先出

P5树

树的高度：层数 - 1（如果根为高度0）

二叉树

性质：

n个结点的二叉树之间有n-1条边

第i层的节点数最多是2^i个

如果一棵二叉树有n0个树叶，并且结点度数为2的节点有n2个，则n0=n2+1个

有n个结点的二叉树的高度最大为n-1，最小为log2(n+1)(向上取整)-1

满二叉树

排满

完全二叉树

尽可能排满

物理实现

数组实现

链表实现

*遍历*

深度优先遍历：先序遍历、中序遍历、后序遍历（递归）

广度优先遍历（按层的顺序自上而下自左往右遍历）

存储方式

广义表（不考）

双亲表示法

左子女-右兄弟表示（较为重要）

森林的遍历

1.根据左子女-右兄弟转化为一棵二叉树进行遍历

2.依据树的顺序依次进行相对应的遍历

线索二叉树

目的：加快二叉树的遍历

特点：在树的节点中加入指针

n个结点的二叉树有2n个链域，其中真正有用的是n–1个，其它n+1个都是空域(null)。为了充分利用结点中的空域，使得对某些运算更快，如前驱或后继等运算。

霍夫曼树

构建增长数

计算权重之和，取最小

霍夫曼算法（没太理解课件表达的意思）

思想：权大的外结点靠近根，权小的远离根

算法：从m个权值中找出两个最小值W1，W2构成

霍夫曼编码（应用多）

左0右1

划分二进制编码

搜索树

二叉搜索树

删除算法：

1.本身不属于树，无需操作

2.属于树：

• 无子树：直接删除
• 一棵子树：直接连接
• 两棵子树：选取左子树最大节点或右子树最小节点作为新节点

算法复杂度：O(log2 n)

索引二叉树

leftsize = 左子树大小 + 1

AVL树

AVL树是一棵二叉搜索树

加入平衡因子，即一个节点左右子树高度差不能超过1

AVL树插入：从下往上递归进行旋转处理

**算法思想：**插入一个新结点后，需要从插入位置沿通向根的路径回溯，检查各结点左右子树的高度差，如果发现某点高度不平衡则停止回溯。要确定节点位于外侧还是内侧，决定进行单旋还是双旋

无论哪种情况，内侧、外侧都是针对出现不平衡的节点而言的

左外侧加高：右下旋

右外侧加高：左下旋

左内侧加高：左下旋 + 右下旋（两次旋转的节点不同

右内侧加高：右下旋 + 左下旋

AVL树插入具体步骤：

1.正确插入

2.向上找到最小不平衡树

3.判别插入是在该不平衡树外侧还是内侧

4.根据判定结果，进行单旋或者双旋

AVL树删除

方法：与二叉搜索树一样，不过需根据平衡因子进行调整

B树（粗略了解）

平衡m路搜索树

满足性质：

每个根节点至少两个子女

所有内节点都至少有m/2个子节点（连一半都占不满，简直不像话O(∩_∩)O）

所有外节点必须在同一层

P6散列函数

取余、平方取中、乘法杂凑

散列表冲突问题

• 线性探测（会产生堆积问题）+n
• 二次探测（平方）+n^2
• 双散列哈希 hash1(k) = d hash2(k) = c;if d is not empty,try d + c, d + 2c…(必要时可能进行rehash)
• 分离链接（相当于每个对应编号后面增加长串链表）

P7优先级队列

一个优先级队列是0个或者更多元素的集合。每一个元素都有一个优先级或者值

进入队列的时候有优先级，出队列优先出高优先级的.

• 以下我们确定元素的优先级是通过数字的大小来确定

分类：最小优先级队列、最大优先级队列

最大优先级队列

物理实现：Heap（最大堆），最大堆是一棵完全二叉树，每一个节点的值都大于它的子节点

插入算法：插入在末端，依次与根节点比较大小，看是否需要互换，算法复杂度log2 n

删除算法：将根删除，用最末尾元素替代树根，并进行比较

优先级队列应用

堆排序

求第K个小的元素：N*log N

P7排序

虽然是重点但感觉考不了什么，算法大概看一下，复杂度记一下应该就行了

插入排序

从后向前比较，n^2，稳定的

折半插入排序

折半查找所需比较次数与初始排序无关，仅依赖于对象个数

n*log2 n，稳定

希尔排序

取一增量区间，对每组进行分别排序，并逐渐对半减少增量

与选择缩小的增量有关，不稳定

交换排序

冒泡排序

稳定

快速排序

取一个基准对象，将比它小的和比它大的分别划分在其两侧，在两边的子序列中继续重复相同操作

不稳定，n * log2 n

选择排序

不断选出最大的，不稳定， n^2

锦标赛排序

n*log2 n，稳定

堆排序

上一章节提及，稳定n * log2 n

秩排序

重新启用一个数组用以记录排名

基数排序

不断比较每一位的数字，从而达到排序的目的

归并排序

分治思想

将两个序列分别排序，每次取出各自最小元素进行比较，最后合并

n*log2 n，稳定

P8并查集

感觉不是很重要，一带而过，这部分离散数学应该也有涉及

物理实现：森林（多棵树）根节点存储0，其他节点存储根节点的值

对于并查集性能的一些优化

P9图论

离散数学也有涉及

有向图、无向图

顶点度数 = 出度 + 入度

度数之和 = 边数 * 2

连通图：环

加权图：给边分配权重

邻接矩阵：0和1表示

注意区别无向图和有向图

无向图的每个顶点的度数等于矩阵中每一行的和

有向图的邻接矩阵

• 出度对行求和
• 入度对列求和

加权图(网络)的邻接矩阵

• 注意使用的无穷表示没有通路

图的遍历：深度优先、广度优先

用邻接表：n+e

邻接矩阵：n^2

最小生成树

算法核心：贪心算法

Kruskal算法：

对所有边的权重进行排序，依次选择边，但保证不与先前选出的边构成回路，选取n-1条边

取最小边利用最小堆

时间复杂度有点鬼，算了，懒得记了

Prim算法：

选择一个起点，取与其他顶点权重最小的，将该其他顶点拉入己方，重复上述操作，直至所有顶点均在我方

n^3

优化：以后抽空研究研究

最短路径

核心算法：贪心算法

Dijkstra算法

先对起点到其余各个顶点权重进行排序，选取最小的，加入该点，比较通过改点起始点与其他剩余点的权重大小，再次选取最小的，加入改点，重复上述步骤

n^2

局限性：只适用于含非负权值的路径

贝尔曼-福特算法

n^3

通过遍历更新表格的形式

可适用于含负权值的路径

floyed算法

前提:各边权值均大于0的带权有向图

把有向图的每一个顶点作为源点，重复执行Dijkstra算法n次，执行时间为O(n^3)

活动网络（常考）

AOV网络

先决条件，用弧表示活动间的优先关系

AOV网中，不能出现有向环

拓扑排序

有环图无拓扑排序

算法思想：从图中选择一个入度为0节点输出，删除此节点及其所有出边，重复上述过程，如果最后还有节点，但入度非0，说明原图存在环路

算法实现：AOV网用邻接表来实现数组count存放各顶点的入度，并且为了避免每次从头到尾查找入度为0的顶点，建立入度为0的顶点栈，栈顶指针为top，初始化时为-1

AOE网络（没太看懂）

用边表示活动的网络(AOE网络, Activity On Edge Network)又称为事件顶点网络

有唯一入度为0的开始节点，同时有唯一出度为0的结束节点

• 目的: 利用事件顶点网络，研究完成整个工程需要多少时间 加快那些活动的速度后，可使整个工程提前完成。
• 关键路径：具有从开始顶点(源点)->完成顶点(汇点)的最长的路径

排序算法 线性表（数组、单链表、栈......） 循环链表、双链表一般不考 广义表不考 遍历（常考）、线索化二叉树、AVL树算法流程 开放地址 散列表 邻接多重表不考 五个算法的算法流程 活动网络（常考） 拓扑排序、关键路径算法 快速排序

ps:考完总结，基本往年卷，早知道不整理费那么多时间了，没太看懂的AOE网络考了，学习还是得注意方方面面啊，有问题不能逃避。