BAT 常规算法，认识一下

一、二叉树

---

1.1 二叉树按层遍历

• 1、针对二叉树的宽度优先遍历
• 2、宽度优先遍历常使用队列结构
• 3、面试中，该类题目常对换行有所要示，如将行号也打印出来

题目一：给定一棵二叉树的头节点head，请按照现在大家看到的这种格式打印。要求打印成：

  按层序遍历结果为右侧：

Java 代码实现：

    // 层序遍历
    // 时间复杂度：O(n)
    // 空间复杂度：O(n)
    public List<List<Integer>> levelOrder(TreeNode root) {
        List<List<Integer>> res = new LinkedList<>();
        if (root == null) return res;
        Queue<TreeNode> queue = new LinkedList<>();
        queue.offer(root);
        while (!queue.isEmpty()) {
            int size = queue.size();
            List<Integer> list = new LinkedList<>();
            for (int i = 0; i < size; i++) {
                TreeNode poll = queue.poll();
                list.add(poll.val);
                if (poll.left != null) queue.offer(poll.left);
                if (poll.right != null) queue.offer(poll.right);
            }
            res.add(list);
        }

        return res;
    }

---

1.2 二叉树序列化与反序列化

1. 二叉树     ——>    字符串 （序列化）
2. 字符串     ——>    二叉树 （反序列化）

序列化的方式：

1. 根据先序遍历序列化
2. 根据中序遍历序列化
3. 根据后序遍历序列化
4. 按层序列化

案例一：

二叉树被记录成文件的过程叫作二叉树的序列化，通过文件内容重建原来二叉树的过程叫作二叉树的反序列化。给定一棵二叉树的头节点head，并已知二叉树节点值的类型为32位整型。请设计一种二叉树序列化和反序列化的方案，并用代码实现。

案例一答案：

1. 假设序列化结果为str，初始时str为空字符串。
2. 先序遍历二叉树时如果遇到空节点，在str末尾加上 “#!”。
3. 如果遇到不为空的节点，假设节点值为3，就在str的末尾加上 "3!"。

注意：如果不用特殊符号表示值的结束，则这两棵树的序列化结果为：123###，说明不用特殊字符表示节点值结束的话，会产生歧义。

反序列化：一棵二叉树通过先序遍历得到的结果，如何进行反序列化。

1. 选择用什么样的遍历方式序列化，就选择用什么样的方式反序列化。
2. 一棵树序列化的结果是唯一的，唯一的结果生成的二叉树也是唯一的。

---

二、排序

时间复杂度为O(n^2)：冒泡排序、选择排序、插入排序

2.1 冒泡排序

冒泡排序算法思想：

• 时间复杂度为O(n^2)
• 空间复杂度为O(1)

实现代码：

 

---

2.2 选择排序

选择排序算法思想：

• 时间复杂度为O(n^2)
• 空间复杂度为O(1)

实现代码：

 

---

2.3 插入排序

插入排序算法思想：

• 时间复杂度为O(n^2)
• 空间复杂度为O(1)

实现代码：

 

---

时间复杂度：O(N*logN)：归并排序、快速排序、堆排序、希尔排序

2.4 归并排序

归并排序算法思想：

• 时间复杂度为O(N*logN)
• 空间复杂度为O(1)

实现代码：

 

---

2.5 快速排序

快速排序算法思想：

• 时间复杂度为O(N*logN)
• 空间复杂度为O(1)

实现代码：

 

---

2.6 堆排序

堆排序算法思想：

• 时间复杂度为O(N*logN)
• 空间复杂度为O(1)

实现代码：

 

---

2.7 希尔排序

希尔排序算法思想：改进版的插入排序，不断改良步长。希尔排序的关键是步长的选择

• 时间复杂度为O(N*logN)
• 空间复杂度为O(1)

实现代码：

 

---

时间复杂度为O(N)的排序算法，不是基于比较的排序算法，思想来自于桶排序：计数排序、基数排序

2.8 计数排序

计数排序算法思想：

• 时间复杂度为O(N*logN)
• 空间复杂度为O(1)

适用场景：数据在一定的范围

实现代码：

 

---

2.9 基数排序

基数排序算法思想：

• 时间复杂度为O(N*logN)
• 空间复杂度为O(1)

实现代码：

 

---

经典排序算法的空间复杂度

• O(1)：插入排序、选择排序、冒泡排序、堆排序、希尔排序
• O(logN) ~ O(N)：快速排序
• O(N)： 归并排序
• O(M)：计数排序、基数排序

---

经典排序算法的稳定性

稳定性的概念：

假定待排序的记序列中，存在多个具有相同的关键字的记录，若经过排序，这些记录的相对次序保持不变，称这种排序算法是稳定的，否则称为不稳定的。

稳定的排序概念：

冒泡排序、插入排序、归并排序、计数排序、基数排序、桶排序

不稳定的排序算法：

选择排序、快速排序、希尔排序、堆排序

---

补充说明一：排序算法无绝对优劣

通常不能随便说哪种排序算法好。这个和要排序的元素相关。例如对人的年龄排序或者身高排序，因为这种数据范围通常比较小，可以考虑采用计数排序。但是对于均匀分布的整数，计数排序就不合适了。除非面试题特别说明，否则认为要排序的数据范围是均匀分布的。

补充说明二：为什么叫快速排序

快速排序之所以叫快速排序，并不代表它比堆排序和归并排序优良。在最好的情况下，它的渐进复杂度与 堆排序 和 归并排序 是相同的。只是快速排序的常量系数比较小而已。

补充说明三：工程上的排序

1. 工程上的排序是综合排序。
2. 数组较小时，插入排序。
3. 数组较大时，快速排序 或 其它 O(N*logN) 的排序。

---

排序案例一：

已知一个几乎有序的数组，几乎有序是指，如果把数组排好顺序的话，每个元素移动的距离不超过K，并且K相对于数组长度来说很小。请问选择什么方法对其排序比较好。

思路：

时间复杂度为O(N) 的排序算法：计数排序、基数排序，不基于比较排序算法的限制，不适用所有情况。

时间复杂度为O(N^2) 的排序算法：冒泡排序、选择排序。这两个排序算法与数组原始序列无关；插入排序，插入排序的过程与原始顺序有关每个元素移动距离不超过K，对于本题来说，插入排序O(N*K)

时间复杂度为O(N*logN) 的排序算法：快速排序，与数组原始顺序无关。归并排序，与数组原始顺序无关。

答案：改进后的堆排序，数组排序完毕，每得到一个数O(logK)，总共N个数，整体时间复杂度O(N*logK)

---

排序案例二：

判断数组中是否有重复值。必须保证额外空间复杂度为O(1)。

思路：如果没有空间复杂度限制，用哈希表实现。哈希表实现，时间复杂度O(N)，空间复杂度为O(N)。考察经典排序算法，空间复杂度限制。

答案：先排序，排序后相等的值会贴在一起。然后判断。堆排序，需要改写成非递归实现的版本（经典的堆排序是递归）