数据结构-存储结构算法思想、理论、概述

数据结构

线性表

1.一般线性表-逻辑结构相邻

        顺序表-逻辑物理结构均相邻

                静态顺序表

                动态顺序表

        链表-逻辑结构相邻但物理结构不相邻、指针

                单链表

                双链表

                循环链表：循环单链表、循环双链表

                静态链表

                        应用-OS的FAT

                动态链表

2.带有特别要求的增删改查的线性表

除操作不同与一般线性表一样，可顺可链

        1.队列-FIFO先进必先出

应用：

1.树的层次遍历

2.图的广度优先遍历

3.OS的进程先来先服务FCFS；打印机啊，等等

分类：

1.一般队列

2.循环队列

3.双端队列

        2.栈-LIFO后进可选择先出

我觉得吧，LICFO更适合，后进可选择（前提在栈顶）先出。

应用：

1.括号匹配

 2.表达式求值运算；阶乘、斐波那契数列等等

 3.函数调用的递归栈

分类：

1.顺序栈

2.共享栈

3.链式栈

3.矩阵---一般顺序存储---逻辑上也非线性

存储先后寻址问题

        行优先:地址=loc+(i*N+j)*size

        列优先:地址=loc+(j*M+i)*size

可压缩：

1.一般稀疏矩阵的压缩

三元组：行值、列值、值

十字链表法

2.一维数组存储

2.1对称矩阵---每行个数呈递增数列

2.2泛上||下三角矩阵，泛就是常数c-每行个数呈递增数列

2.3三（带状）对角矩阵---i、j差值小于1

4.串

一维数组存储

1.模式匹配算法（暴力）

2.KMP-j

辅助：

一个一维数组

模式串对应位置的数组值为模式串的j指针

不匹配时候赋值，j=next[j]

3.KMP进一步优化算法---前提是模式串有重复的字符常量

j的进一步优化

 

失配时，j=next[j],且两个序号对应字母相同，它们的val值连坐。

辅助：

两个一维数组 

应用：

搜索文件、模糊搜索

非线性表

5.树、森林

1.一般情况用链式存储

2.点表+邻接表或者邻接矩阵

二叉树：

按完全二叉树的层次编号可用顺序表存储

一般情况用链式存储

1.树的分类、存储及性质

考点

2.树的操作

由1决定下列操作特征

2.1二叉树不同遍历搜索

先、中、后、层、深

2.2二叉树不同遍历序列、及由遍历序列还原（构造）二叉树

先、中、后、层、深；任何一个（先、后、层）+中还原唯一二叉树

2.3线索二叉树的遍历、及二叉树的线索化

不断找前驱直到null开始遍历；根据选择的遍历方法按左前驱右后继原则线索化。

2.4树和森林的转化、树和森林的遍历比较

森林、树转化为二叉树原则：左孩子右兄弟

2.5二叉排序树的遍历搜索、构造二叉排序树

左<根<右，先序遍历有序

2.6平衡二叉树的构造、平衡二叉树的平衡操作（可以与二叉排序树结合为平衡二叉排序树分类）

2.7哈夫曼树的特征、哈夫曼树的构造

根据其特征可以：使用最小堆构造哈夫曼树

根的值=其左子树叶子结点的和值+右子树的；

因此其到达叶子结点的路径不可能存在值相等的结点

2.8堆（完全二叉树）的特征、堆的构造

小根堆（根<=左，且<=右）

大根堆（根>=左，且>=右）

=是因为有相同的关键值情形，不过我们需要保证一直偏左或者偏右保证其稳定性不会改变

顺序表存储，然后从叶子开始比较交换排序思路

有重复的关键值怎么办？在此停留让他们交换完毕

因为其是二叉树树：删除某个结点，则将整个树的最右叶子结点补过去，之后矫正。

3.树的应用：

1.树形目录

2.图的最小生成树

遍历、构造结合了：

栈、队列、递归

6.图

1.点表+邻接表（不唯一）或者邻接矩阵（唯一）

2.十字链表

3.邻接多重表

点集不可空，边集可空

1.图的相关概念

有向图

无向图（环）

子图

连通问题：会考边数，即组合数问题

连通图（环）：连接的各个点均可从任一点开始到达其他点。

连通分量（环）：极大连通子图（有向图不一定有连通分量）；多少个连通分量就是多少棵生成树。

强连通分量：有向图中的极大强连通子图

生成树：极小连通子图（无回路，区别回路和环）

完全图（环）：线条数为两两组合（排列-有向）的组合数（排列数）。

有向无环图DAG

度：入度、出度

简单回路（除却起点终点，其他顶点不重复）对应简单路径

回路对应路径。

2.图与树的关系

1.生成树

生成树也是图，是子图，因此树是图的一种有向无环图

3.图的操作

1.BFS与DFS生成树、森林

2.最小生成树

3.最短路径算法

4.有向无环图---三类应用

可以把树看作图的中有向图中的一类。

生成树的要求不需要无环；

有向无环图之拓扑排序---要求无环，矩阵存储类上三角或下三角；

7.查找---增删改查重点工程

1.一般查找

 

 

2.B树查找与B+树查找

B+树叶子结点间有指针连接；

m阶的意义也不一样，与结点内的关键字个数限制不同，相同计算有向上取整；

 

3.散列查找

多个不同的散列函数，重复切换散列直至不冲突

Hi=RHi(key), i=1,2,…,k. RHi均是不同的散列函数，即在同义词产生地址冲突时计算另一个散列函数地址，直到冲突不再发生，这种方法不易产生“聚集”，但增加了计算时间；

8.排序-内部与外部排序

内部排序：

对N个记录进行归并排序，归并趟数的数量级是O(NlogN)。

r代表纵向深度

 绝对有序是对最终结果而言，相对是对本身而言

 动态规划：弗洛伊德算法（多点最最短路径）

分治思想：二叉树的中序遍历

外部排序：原理同归并排序（n个有序数组的归并）

进入的归并段的数量（k路）决定趟数，而归并内、间最开始都是两两元素归并，输入缓冲区与输出缓冲区（决定读写次数）有限制，所以意味着有最优方案：败者树，优化选择最小值

败者树就是一开始(构造堆)时间长，后面的短且一样，类似指令流水。

时间分析：内部排序时间相对较小忽略了

哈夫曼树：磁盘读取总次数=WPL*2；

归并趟数=log(k,r)上取整；k路归并、r个归并段；

（这个趟数是对N个记录,不是对缓冲区而言）

败者树深度=log(2,k)上取整；

归并段数量r=N/L上取整，N代表总记录大小，L代表工作区大小

败者树用于输出选择、与置换算法相结合进一步优化

 因为工作区的限制，所以不能随意定归并段大小不能随意：

 构造哈夫曼树有补0操作：补的个数为%(k-1)

K路归并与K路平衡归并