vb6实现union数据结构_算法之数据结构（下）【整理】

• 二叉树 Binary Tree

一个二叉树是有节点(node)组成的。 二叉树(binary Tree)中的每一个节点都包含一个“left” pointer, 一个“right” pointer, 和一个data element。 根节点指针(root pointer) 指向树的最顶点的那个节点(即root node). the left pointers and right pointers 递归的recursively)指向 两边的子树。

一个空指针(Null pointer) 可以代表一个没有element的二叉树(binary Tree)， 即empty Tree.。

binary tree 的正式的递归定义(formal recursive definition) 如下：

一个二叉树要么是一个empty tree(即一个空指针)(base case), 要么有一个单个节点， 其左右指针分别递归指向一个二叉树(binary tree)。

二叉树概念图

• 堆 Heap

堆就是用数组实现的二叉树，所有它没有使用父指针或者子指针。堆根据“堆属性”来排序，“堆属性”决定了树中节点的位置。

堆分为两种：最大堆和最小堆，两者的差别在于节点的排序方式。

在最大堆中，父节点的值比每一个子节点的值都要大。在最小堆中，父节点的值比每一个子节点的值都要小。这就是所谓的“堆属性”，并且这个属性对堆中的每一个节点都成立。

最大堆

这是一个最大堆，，因为每一个父节点的值都比其子节点要大。10 比 7 和 2 都大。7 比 5 和 1都大。

根据这一属性，那么最大堆总是将其中的最大值存放在树的根节点。而对于最小堆，根节点中的元素总是树中的最小值。堆属性非常的有用，因为堆常常被当做优先队列使用，因为可以快速的访问到“最重要”的元素。

注意：堆的根节点中存放的是最大或者最小元素，但是其他节点的排序顺序是未知的。例如，在一个最大堆中，最大的那一个元素总是位于 index 0 的位置，但是最小的元素则未必是最后一个元素。--唯一能够保证的是最小的元素是一个叶节点，但是不确定是哪一个。

• 并查集 Union Find

在计算机科学中，并查集是一种树型的数据结构，其保持着用于处理一些不相交集合(Disjoint Sets)的合并及查询问题。有一个联合-查找算法(union-find algorithm)定义了两个操作用于此数据结构：

Find：确定元素属于哪一个子集。它可以被用来确定两个元素是否属于同一子集。

Union：将两个子集合并成同一个集合。

为了更加精确的定义这些方法，需要定义如何表示集合。一种常用的策略是为每个集合选定一个固定的元素，称为代表，以表示整个集合。接着。Find(x)返回x所属集合的代表，而Union使用两个集合的代表作为参数。

• 字典树 Trie

又称单词查找树，Trie树，是一种树形结构，是一种哈希树的变种。典型应用是用于统计，排序和保存大量的字符串(但不仅限于字符串)，所以经常被搜索引擎系统用于文本词频统计。它的优点是：利用字符串的公共前缀来减少查询时间，最大限度地减少无谓的字符串比较，查询效率比哈希树高。