《数据结构与算法分析（Java语言描述）》读书笔记——图论、哈夫曼树和红黑树

1、拓扑排序

void topsort() throws CycleFoundException{
	Queue<Vertex> q = new Queue<>();
	// 序号
	int counter = 0;
	for each Vertex v:
		if(v.indegree == 0)
			q.add(v);
	while(!q.isEmpty()) {
		Vertex v = q.poll();
		v.topNum = ++ counter;
		for each Vertex w adjacent to v :
			if(-- w.indegree == 0)
				q.add(w);
	}
	if(counter != VETICES_NUM)
		throw new CycleFoundException();
}

2、最短路径算法

    就目前的算法，求从源s到目的地d的最短路径的复杂度，和求s到其他所有点的复杂度相同

    （1）Dijkstra 迪杰斯特拉算法

void dijkstra(Vertex s) {
	for each Vertex v{
		v.dist = Infinity;
		v.known = false;
	}
	s.dist = 0;
	while(there is an unknown vertex) {
		Vertex v = smallest unknown vertex;
		v.known = true;
		for each Vertex w adjacent to v{
			if(!w.known && v.dist + dvw < w.dist) {
				w.dist = v.dist + dvw;
				w.path = v;
			}
		}
	}
}

O(|E| + |V| * |V|)，E是边数，V是顶点数，如果用堆找最小距离的点复杂度是O(|E| + |V|log|V|)

|E|一般和|V| * |V|近似，复杂度总体上是O（n2），n是顶点数

    （2）Bellman-Ford（贝尔曼——福特算法）

boolean bellman_Ford(Vertex s) {
	for each Vertex v:
		v.dist = Infinity;
	s.dist = 0;
	// 对每条边松弛|V| - 1次
	for i in range(|V| - 1):
		for each edge Evu:
			if(u.dist > v.dist + duv) {
				u.dist = v.dist + duv;
				u.path = v;
			}
	// 如果没有松弛完毕说明有负值圈，返回false
	for each edge Euv:
		if(u.dist > v.dist + duv)
			return false;
	return true;
}

O（|V| * |E|），对每条边松弛|V| - 1次，O(n3)的复杂度

    （3）Floyd算法，动态规划算法

for(int k = 0; k < n; k ++) 
	for(int i = 0; i < n; i ++)
		for(int j = 0; j < n; j ++) {
			if(d[i][j] > d[i][k] + d[k][j]) {
				d[i][j] = d[i][k] + d[k][j];
				path[i][j] = k;
			}
		}

    O(n3)，n是边数。假设所有的点只能经由前k个点到达，k++直到k==n，动态规划

3、最小生成树算法

    （1）Prim算法

    类似Dijkstra，将如下中的v.dist + dvw改成v.dist，即不是路径最小，只是到树上任一节点的距离最小

if(!w.known && v.dist + dvw < w.dist) {
		w.dist = v.dist + dvw;
		w.path = v;
}

    （2）Kruskal算法

    利用并查集union-find，贪心算法，每次找到最小的边，如果边的两个端点有一个不在树上，则加上，如果都在树上继续找最小的边

4、哈夫曼树

    带权路径长度最短的二叉树，可用于编码，权值即为字符出现的次数

    每次取出两个权值最小的子树，生成新的子树，重复这一过程最后生成哈夫曼树

5、红黑树

    定义：根是黑色的，从根到每个null节点黑色节点数目相同，不能有连续的红色节点

    插入：新插入的节点（N）为红色

    （1）父亲节点为黑色则直接插入；

    （2）父节点为红色，叔节点为红色，反转父节点、叔节点、祖父节点颜色，递归向上插入；

    （3）父节点为红色，叔节点为黑色，则旋转进行调整（右图转化成了左图的情况，可以再次调整）

    删除：二叉树删除的实际是中序遍历的前驱，要删除某非叶子节点，实际上只是做了节点val的替换，实际删除了中序遍历的前驱（或者后继），所以红黑树实际被删除的节点的孩子数≤1

    （1）如果被删除的节点是红色，必定是叶子结点，直接删除即可

    （2）如果被删除的节点是黑色且有一个红色儿子（如果有子节点的话一定只有一个红色儿子），用红色儿子代替它并且染成黑色

    （3）如果被删除的节点是黑色且是叶子结点：

    【1】待删除节点D的兄弟节点S为红色

             转化为

    变成了兄弟节点为黑色的情况

    【2】待删除节点D的兄弟节点S为黑色，又分为四种情况

      &1 没有上色的节点表示红黑均可，如果SL为黑色，则一定是null节点

       转化为

    &2 兄弟节点S有红色儿子

    &2.1 兄弟节点S的左儿子SL为红色

                    转化为

    &2.2 兄弟节点S的右儿子SR为红色，SL为红色或者null，P为黑色或者红色都可，最后S与P原先的颜色一致

                

    &3 父节点为红色，兄弟节点为黑色

                转化为

    &4 父节点为黑色，兄弟节点为黑色

                     转化为

    删除D，将S变为红色，再将P作为要删除的节点（并不实际删除P），上溯