数据结构与算法 第四天 线性表——链表结构(二)

声明:所有理论笔记来源于《大话数据结构》

线性表的链式存储结构

1 线性表的顺序存储结构
    定义:用一组任意的存储单元存储线性表的数据元素,这组存储单元可以时连续的,也可以是不连续的。
    为了表示每个数据元素ai与其本身的信息之外,还需存储一个指示其直接后继的信息(即直接后继的存储位置)。我们把存储数据元素信息的域称为数据域,把存储直接后继位置的域称为指针域。指针域中存储的信息称作指针域或链。这两部分信息组成数据元素ai的存储映像,称为节点(Node)。
    我们把连表中第一个结点的存储位置叫做头指针。线性表最后一个结点指针为“空”。
    有时候为了方便地对链表进行操作,会在单链表的第一个结点前附设一个结点,称为头结点。头结点数据域可以不存储任何信息

    线性表的顺序存储的结构代码。

    typedef int ElemType;   //ElemType类型根据实际情况而定,这里假设为int
    typedef struct Node{
        ElemType data;
        struct Node *next;
    } Node;
    typedef struct Node *LinkList;  //定义LinkList

    结点由存放数据元素的数据域和存放后继结点地址的指针域组成。

2 顺序存储结构的插入与删除
    2.1 获取链表第i个数据的算法思路:
        1.声明一个指针p指向链表第一个结点,初始化j从1开始;
        2.当j<i时,就遍历链表,让p的指针向后移动,不断指向下一个结点,j累加1;
        3.若到链表末尾p为空,则说明第i个结点不存在;
        4.否则查找成功,返回结点p的数据。

    代码:
    #define Ok 1
    #define ERROR 0
    #define TRUE 1
    #define FALSE 0
    typedef int Status;
    /*
     * 初始条件:顺序线性表L已存在,1<= i <= ListLength(L)
     * 操作结果:用e返回L中第i个数据元素的值
     */
    Status GetElem(SqList L, int i, ElemType *e){
        int j;
        LinkList p; //声明一个指针p
        p = L->next;    //让p指向链表L的第一个结点
        j = 1;  //j为计数器
        while(p && j < i){  //p不为空且计数器j还没有等于i,循环继续
            p = p->next;    //让p指向下一个结点
            ++j;
        }

        if(!p || j > i){
            return ERROR;   //第i个结点不存在
        }

        *e = p->data;   //取第i个结点的数据

        return OK;
    }

    由于这个算法的时间复杂度取决于i的位置,当i=1时,则不需要遍历,第一个就取出来了,而当i=n时则遍历n-1次才可以。因此最坏情况的时间复杂度时O(n)。
    由于单链表的结构中没有定义表长,所以不能事先知道要循环多少次,因此也就不方便使用for循环。器主要核心思想就是“工作指针后移”,这其实也是很多算法的常用技术。

    2.2 单链表的插入
        单链表第i个数据插入结点的算法思路:
            1. 声明一指针p指向链表头结点,初始化j从1开始;
            2. 当j<i时,就遍历链表,让p的指针向后移动,不断指向下一结点,j累加1;
            3. 若到链表末尾p为空,则说明第i个结点不存在;
            4. 否则查找成功,在系统中生成一个空结点s;
            5. 将数据元素e赋值给s->data;
            6. 单链表的插入标准语句s->next = p->next; p->next = s;
            7. 返回成功

        实现代码如下
        /* 初始条件: 顺序线性表L已存在, 1<=i<=ListLength(L),
         * 操作结果: 在L中第i个位置之前插入新的数据元素e,L的长度加1
         */
        Status ListInsert(SqList *L, int i, ElemType e){
            int j;
            LinkList p, s;
            p = *L;
            j = 1;

            //寻找第i-1个结点,因为是插入第一个位置可以没有元素,所以判断p是否为空
            while(p && j < i){
                p = p->next;
                ++j;
            }

            if(!p || j > i){
                return ERROR;   //第i个结点不存在
            }
            s = (LinkList)malloc(sizeof(Node)); //生成新结点(C标准函数)
            s->data = e;
            s->next = p-next;   //将p的后继结点赋值给s的后继
            p->next = s;    //将s赋值给p的后继
            return OK;
        }

    2.3 删除操作
        单链表第i个数据删除结点的算法思路:
            1. 声明一指针p指向链表头结点,初始化j从1开始;
            2. 当j<i时,就遍历链表,让p的指针向后移动,不断指向下一结点,j累加1;
            3. 若到链表末尾p为空,则说明第i个结点不存在;
            4. 否则查找成功,将欲删除的结点p->next赋值给q;
            5. 单链表的删除标准语句p->next = q->next;
            6. 将q结点中的数据赋值给e,作为返回;
            7. 释放q结点;
            8. 返回成功。
        实现代码如下:
        /**
          * 初始条件:顺序线性表L已存在, 1 <= i <= ListLength(L)
          * 操作结果:删除L的第i个数据元素,并用e返回其值,L的长度减1
          */
        Status ListDelete(SqList *L, int i, ElemType *e){
            int j;
            LinkList p, q;
            p = *L;
            j = 1;
            //遍历寻找第i-1个结点,因为是删除,至少需要有一个元素,所以判断p->next是否存在
            //p->next是头指针,也就是第一个实际结点的位置
            while(p->next && j < i){
                p = p->next;
                ++j;
            }
            if(!(p->next) || j > i){
                return ERROR;   //第i个结点不存在
            }
            q = p->next;
            p->next = q->next;  //将q的后继赋值给p的后继
            *e = q->data;   //将q结点中的数据给e
            free(q);        //让系统回收此结点,释放内存
            return OK;
        }

        插入和删除的时间复杂度都是O(n)。如果在我们不知道第i个结点的指针位置,单链表数据结构在插入和删除操作上,与线性表的顺序结构是没有太大优势的。但如果,我们希望从第i个位置,插入10个结点,对与顺序存储结构意味着,每一次插入都需要移动n-i个结点,每次都是O(n)。而单链表,我们只需要在第一次时,找到第i个位置的指针,此时为O(n),接下来只是简单地通过赋值移动指针而已,时间复杂度都是O(1)。显然,对于插入或删除数据越频繁的操作,单链表的效率优势就越是明显。

    2.4 单链表的整表创建
        单链表整表创建的算法思路:
        1. 声明一指针p和计数器变量i;
        2. 初始化一空链表L;
        3. 让L的头结点的指针指向NULL,即建立一个带头结点的单链表;
        4. 循环:
            a 生成一新结点赋值给p;
            b 随机生成一数字赋值给p的数据域p->data;
            c 将p插入到头结点与前一新结点之间。
        实现代码如下:
        //随机产生n个元素的值,建立带表头结点的单链线性表L(头插法)
        void CreateListHead(LinkList *L, int n){
            LinkList p;
            int i;
            srand(time(0)); //初始化随机数种子
            *L = (LinkList)malloc(sizeof(Node));
            (*L)->next = NULL;  //先建立一个带头结点的单链表
            for(i = 0; i < n; i++){
                p = (LinkList)malloc(sizeof(Node)); //生成新结点
                p->data = rand() % 100 + 1; //随机生成100以内的数字
                p->next = (*L)->next;
                (*L)->next = p; //插入到表头
            }
        }

        尾插法实现如下
        //随机产生n个元素的值,建立带表头结点的单链表L(尾插法)
        void CreateListTail(LinkList *L, int n){
            LinkList p, r;
            int i;
            srand(time(0)); //初始化随机数种子
            *L = (LinkList)malloc(sizeof(Node));
            r = *L;     //r为指向尾部的结点
            for(i = 0; i < n; i++){
                p = (Node *)malloc(sizeof(Node));   //生成新结点
                p->data = rand() % 100 + 1; //随机生成100以内的数字
                r = p;  //将当前的新结点定义为表尾终端的结点
                r->next = p;    //将表尾终端结点的指针指向新结点
            }
            r->next = NULL;
        }

    2.5 单链表的整表删除
        单链表整表删除的算法思路如下:
        1. 声明一结点p和q;
        2. 将第一个结点赋值给p;
        3. 循环:
            a 将下一个结点赋值给q;
            b 释放p;
            c 将q赋值给p。

        算法实现如下:
        //初始条件:顺序线性表L已存在,操作结果:将L重置为空表
        Status ClearList(LinkList *L){
            LinkList p, q;
            p = (*L)->next; p指向第一个结点
            while(p){   //没到表尾
                q = p->next;
                free(p);
                p = q;
            }
            (*L)->next = NULL;  //头结点指针域为空
            return OK;
        }
3. 实现中遇到的问题
    3.1 插入元素后打印,无限打印0?
        q = (LinkList)malloc(sizeof(Node)); //生成新结点
        q->data = e;
        q->next = p->next;  //把p的后继给新生成元素的后继
        p->next = p;    //把新生成元素作为p的后继

        在实现插入的时候最后把p赋给了p->next,正确的应该把q赋给->next.
        难道这就是书中用s不用q的原因?

 

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至重要。以下是深度学习的一些键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值