DSA: 向量

向量是线性结构

Abstract Data Type

Data Structure

Vector模板类



copyFrom()

向量
可扩充向量






平均分析 vs. 分摊分析

(c) 无序向量

Template Vector { … };
T是指定Vector中的元素的类型
比如：Vector< int > myVector;
Vector myVector2;
Vector myVector3;

Vector forest;



为什么shrunk的条件是_size/_capacity < 1/4而不是1/2呢？仔细想想



保留下来的都是它之前没有出现过的
挖掘算法的不变性和单调性
不变性：在当前元素V[i]的前缀V[0,i)中，各元素彼此互异
初始i=1时自然成立；其余的一般情况，…


遍历

• 遍历向量，统一对各元素分别实施visit操作
  如何指定visit操作？如何将其传递到向量内部？

• 利用函数指针机制，只读或局部性修改
  template
  void Vector

• 利用函数对象机制，可全局性修改
  template template
  void Vector::traverse(VST& visit) // 函数对象
  { for (int i = 0; i< _size; i++) visit (_elem[i]); }

遍历：实例
比如，为统一将向量中所有元素分别加一，只需…

首先，实现一个可使单个T类型元素加一的类
template // 假设T可直接递增或已重载操作符“++”
struct Increase { // 函数对象：通过重载操作符“（）”实现
virtual void operator()(T & e) { e++; } // 加一
};

(d1) 有序向量：唯一化

无序：比对
有序 ：比较

有序性及其甄别

低效算法
观察：在有序向量中，重复的元素必然相互紧邻构成一个区间
因此，每一区间只需保留单个元素即可

低效算法：复杂度
高效算法：
反思：低效的根源在于，同一元素可作为被删除元素的后继多次前移

(d2) 有序向量：二分查找

版本A：查找长度
如何更为精细地评估查找算法的性能？
考查关键码的比较次数，即查找长度（search length）
通常，需分别针对成功与失败查找，从最好、最坏、平均等角度评估
比如，成功、失败时的平均查找长度均大致为O(1.50·log n)

(d3) 有序向量：Fibonacci查找

(d4) 有序向量：二分查找（改进）

分析：
与版本B的差异：
1）待查找区间宽度缩短至0而非1时，算法才结束
2）转入右侧子向量时，左边界作mi+1

单调性，显而易见…

(d5) 有序向量：插值查找

原理与算法
假设：已知有序向量中各元素随机分布的[规律]
比如：均匀且独立的随机分布

(e) 气泡排序

(f) 归并排序