数据结构和算法总结

总结：by Seven
本文为数据结构和算法的知识总结，包括1，常见的数据结构(数组，链表，队列，栈，堆，树，图)，2，算法思想(蛮力，减治分治转治，贪心，动态规划) 3，排序算法，4，字符串算法等方面。具体的知识点和算法见其他系列文章。

1.数据结构

底层实现：数组array, 链表list

常用数据结构：

• 数组: 储存元素的地址连续，根据下标查找(偏移寻址)快

• 链表: 地址不连续，增加删除元素快。

• 队列queue：先进先出，对于树的层序遍历和图的BFS可以使用该结构

• 栈stack：先进后出，对于图的DFS(深度优先遍历)可以使用该结构

• 堆(优先队列)heap：

  • 优先队列，提供插入元素和删除最小元素，链表和二叉查找树都可以实现，但不是最好，堆实现最好

  • 任意非终端节点的值不大于左节点和右节点为最小堆。

  • 建堆方法1:O(n),全部放好，自底向上；

  • 建堆方法2:O(NlogN),每插入一个元素，变化一次

  • 删除最大元素：时间复杂度O(logN), 然后开始往下过滤.

  • 插入一个元素：O(logN), 插入到最后，然后开始网上滤.

• 树

  • 二叉树：

    ​ 二叉树的前序 中序 后续遍历；

  • 完全二叉树(应用:二叉堆)：

  • 二叉查找树：左子树<根节点<右子树

  • 平衡二叉查找树：

    • AVL树：左右旋，两次旋转，每次插入旋转的复杂度：logN
    • 红黑树：根节点是黑色，null是黑色，红节点的附近只能是黑色，单条路径上的黑色节点数量一样。保证了：如果黑色高度是n,则单条最短路线是n-1,最长路线是2(n-1).
    • 伸展树：splay tree

  • 2-3 tree:

    • 2-3 trees and 2-3-4 trees are search trees that allow more than one item to be stored in a tree node.

• 图

  • 图的表示

    • adjacency list, adjacency table 邻接矩阵 邻接表
    • Complexity: V+E,V*V (V为顶点数，E为边的数量)

  • 图的遍历：

    • 复杂度：n
    • 深度优先遍历(先序遍历，栈或递归)，
    • 广度优先遍历(层序遍历，队列)，
    • 通过遍历判断图是否有环：判断是否有back edge.

  • 图的拓扑排序：

    • 统计所有点的入度，从入度为0开始循环调用，放入队列中。

    • 深度遍历的栈实现，-

  • 图的最小生成树：

    • Prime’s Algorithm。贪婪算法，

    • Kruskal’s Algorithm

  • 图的最短路径：

    • Djisterla算法：单原点到所有点的最短路径。单原点非循环正权重最短路径。

  • 可达性和所有点对之间的最短距离

    • DP,3层for循环，以每个点作为垫脚石

      if (e[i][k] && e[k][j]) {
          e[i][j] = true
      }
      

2.常见算法思想

• 蛮力

• 减治分治转治

  • 减治：decrease and conquer, 将每个大问题减少为更小的问题，
  • 分治：divide and conquer, 将每个大问题分为两个或以上更小的问题。
  • 转治：transfer and conquer, 将大问题转化为其他问题解决，预先排序。
  • 区别：
    • 减治将一个问题转化为一个更小的问题，如二分查找法
    • 分治将一个问题转化为多个更小的问题，如

• 贪心:总是认为当前是最好的，

  • Prim算法: 图的最小生成树,
    • 用一个数组记录所有点的到任意一个起始点的距离，初始值为无穷
    • 初始化一个最小堆，将该数组放入
    • 依次弹出最小堆的最小点，更新该点到邻接点的距离，在循环
  • 图的djesterla 图的单源点最短路径
    • 和Prim算法类似，
    • 第三步更新该点到邻接点的距离为累加值
  • Huffman encoding for data compression:
    • 每次取频率最低的两个字母作为一个新的组合
    • 根据概率为所有元素进行构造树编码，概率高的编码少，效率高。

• 动态规划

  • dynamic programming 多阶段决策过程的最优化理论。我们想要解决一个递归关系，而递归涉及到重叠的实例。通过组合子实例的最优解，可以得到实例的最优解。

  • Fibonacci, bottom-up;

  • Coin-row problem: S(n)= {s(n-1),s(n-2)+Vn};

    ​ 有一排硬币，只能选择不相邻的硬币，求最大价值。

  • the Knapsack problem:

  ​
  $$f[i][v]=max(f[i-1][v],f[i-1][v-w[i]]+val[i])$$

  • 自顶向下求解最大值，问题：重复计算

  • 方法1：自下向上求出所有的最大值，存在浪费，

  • 方法2：自上向下求出的值进行记录，避免重复计算。

  • Warshall’s Algorithm: Computing the transitive closure of a directed graph

    • 计算一个图中，经过k步哪些点是连通的。
    • 三次循环，第一层，从1到k,第二三层，矩阵求积。

  • Floyd–Finding shortest distances in weighted directed graphs

• 递归迭代

  • 递归和栈(先进后出)在一定程度上可以转换

3.树

4.图

5.排序算法

需要重点掌握熟练写出来的算法是：1 5 6 7.

• 1.冒泡排序bubble sort，依次交换向后放
• 2.选择排序selection sort，每次比较选择最小的下标放在开头，减少了交换的次数
• 3.插入排序insection sort，减治算法，减变治排序
• 4.希尔排序Shell sort,减治法，减少每次减少的数值，直到1.
• 5.快速排序quick sort，快速排序的基本思想是：采取分而治之的思想，把大的拆分为小的，每一趟排序，把比选定值小的数字放在它的左边，比它大的值放在右边；重复以上步骤，直到每个区间只有一个数。此时数组已经排序完成。
• 6.归并排序merge sort，归并排序的基本思想：分治，一分二，然后比较大小合并到一起
• 7.堆排序 heap sort,找堆最大值N×logN
• 特定问题排序：8. Sorting by counting: 数字很多，但种类很小，hashing思想，数字的种类作为index,计算每个index的数量，进行排序。 复杂度：N

6.字符串算法

1. Horspool’s String Search Algorithm：

2. 其他字符串匹配算法：

3. hashing： 通过时间换空间的最佳例子。