一、线性表
(1)顺序结构
#define MAXSIZE 100
Typedef struct{
Elemtype * elem; //存储空间的基地址
Int length; //当前长度
}Sqlist;
查找:O(1)
插入:O(n)
删除:O(n) //通过下标直接找到待操作元素,主要时间花在移动元素上。
(2)链式结构
//1、单链表
Typedef struct Lnode{
Elemtype data;
Struct Lnode *next;
}Lnode,*LinkList;
查找:O(n)
插入:O(n) //主要时间用于找到插入元素的位置
删除:O(n) //主要时间用于找到待删除元素的位置
两者的区别在于顺序结构的要求一片连续的存储空间,而链式的结构的不要求存储空间连续。
这里顺便提及线性表的查找算法的时间复杂度:
算法 | 时间复杂度 |
---|---|
顺序查找 | O(n) |
折半查找 (同样使用于线性表的链式存储结构) | O(log2n) |
分块查找(块间无序,快内有序) | O(log2n) < O() < O(n) |
二、二叉树
(1)普通二叉树
同样也有顺序存储结构和二叉链表(或三叉链表)存储结构,这里只考虑二叉链表结构。
//二叉链表的存储结构
//一个数据域,两个指针域(左孩子和右孩子)
Typesef Struct BiNode{
Elemtype data;
Struct BiNode *lchild;
Struct BiNode *rchild;
}BiNode,*BiTree;
遍历二叉树:O(n) (空间复杂度也为O(n))
树表的查找
(1)二叉排序树结构
//二叉排序树
typedef struct {
keyType key;
InfoType otherinfo;
}Elemtype;
typedef struct BSTNode{
Elemtype data;
Struct BSTNode *lchild,*rchild;
}BSTNode,*BSTree;
创建:O(log2n)
查找:O(log2n)
插入:O(log2n)
删除:O(log2n) //虽然在算法上步骤比较繁琐,但是其基本过程好事查找,所以时间复杂度为O(log2n)
以上都是其最好的时间复杂度,最坏的情况是O(n)
(2)平衡二叉树
AVL(平衡二叉树)是一种特殊的排序二叉树,其所有的左子树和右子树的高度差的绝对值不大于1。
因为虽然上面说排序二叉树的时间复杂度是O(log2n),但事实上,当遇到数据呈线性排列时,那么创建出来的排序二叉树也就是线性的,几何上呈一条斜线,此时的查找速度就是O(n)了。AVL就是为了避免这种情况而诞生的,所以其时间复杂度实际上也是O(log2n)。
(3)红黑树
事实上,平衡二叉树虽然好,但是条件过于严苛,在创建AVL和AVL的插入和删除等操作上都需要进行比较大的变动,从而增加执行时间,红黑树就很好的解决了这个问题,这也是为什么现在大多的编译器中的内置容器都采用红黑树的原因。
红黑树是一颗近似平衡的树,各操作的时间复杂度为:
创建:O(logn)
查找:O(logn)
插入:O(logn)
删除:O(logn)
note:之前一直搞不懂O(log2n)和O(logn)的区别,但是感觉其实底数应该不是太重要,去查了一下发现其实可以不用管底数,可以把他们当作是一类时间复杂度进行处理。
算法时间复杂度为log(n)时,不同底数对应的时间复杂度的倍数关系为常数,不会随着底数的不同而不同,因此可以将不同底数的对数函数所代表的时间复杂度,当作是同一类复杂度处理,即抽象成一类问题。
以上内容仅是个人的学习笔记,如果觉得里面有任何描述不正确的地方欢迎指出讨论~
另外关于 图 结构的,以后复习到了再进行补充。