【软考】 8 数据结构

线性结构

每个元素最多只有一个出度和一个入度

• 顺序表、链表
• 栈、队列
• 串、KMP
• 数组
• 矩阵、特殊矩阵（对称矩阵、对角矩阵、三角矩阵）、稀疏矩阵（使用三元组存储）
• 广义表：0个或多个氮元素或子表组成的有限序列
  • 长度：最外层包含的元素的个数，空表长度为0
  • 深度：递归定义的重数为广义表的深度，即定义中括号的重数（原子的深度为0，空表的深度为1）
  • 表头：广义表的第一个表元素，可以是子表也可以是单元素
  • 表尾：除了第一个表元素之外的其他所有表元素构成的表
    • 非空广义表的表尾一定是一个表，即使表尾是单元素

树

• 二叉树
  • 第i层最多有$2^{i-1}$个节点
  • 高度为k的二叉树最多有$2^k-1$个节点
  • $n_0=n_2+1$
  • 具有n个节点的完全二叉树的深度为$\lfloor lo{g}_{2}n\rfloor +1$
  • 从1开始对二叉树节点编号，则：
    • $i>1$，双亲为$\lfloor \frac{i}{2}\rfloor$
    • 若$2i>n$则i无左孩子，否则左孩子为$2i$
    • 若$2i+1>n$则无右孩子，否则右孩子为$2i+1$
• 线索二叉树
  • $tag=0$说明指向的是左节点，否则指向直接前驱/后继（根据要求的遍历方式）
• 哈夫曼树
  • 带权路径长度
• 根据遍历构造原二叉树

图

• 邻接矩阵
• 邻接表
• DFS、BFS
• 最小生成树
  • Prim算法：从任意顶点出发，找出邻接的权值最小的边，此边的另一个节点自动加入树集合，然后从这个树集合的所有顶点中找出与其邻接的边全职最小的，再继续加入树集合
  • Kruscal算法：选取权值最小的n-1条边，每次选边检查是否会生成环路
• 拓扑排序
  • AOV网：每次寻找入度为0的点执行

算法

有穷性、确定性、可行性、输入、输出

时间复杂度

log一般出现在查找二叉树的算法中

查找

• 顺序查找
• 二分查找：无脑舍法
• 哈希
  • 解决冲突：线性探测、伪随机数法、再散列法

排序

• 直接插入排序：$O(n^2)$
• 希尔排序：增量序列排序，不稳定，$O(n^{1.3}-O(n^2))$
• 直接选择排序：不稳定，$O(n^2)$
• 堆排序：不稳定，$O(nlo{g}_{2}n)-O(nlo{g}_{2}n)$
• 冒泡排序：$O(n^2)$
• 快速排序：选轴，小于轴大于轴，然后递归，不稳定,$O(nlo{g}_{2}n)-O(n^2)$
• 归并排序：$O(nlo{g}_{2}n)-O(nlo{g}_{2}n)$
• 基数排序：$O(d(r+n))-O(d(r+n))$

算法思想

• 分治：递归
• 回溯：回溯剪枝
• 动态规划
• 贪心
• 分支限界
• 概率算法：允许结果以较小的概率出现错误，使运行速度大幅减小，要知道出错的概率
  • 数值概率算法：数值问题的求解
  • 蒙特卡洛算法：求问题的精确解
  • 拉斯维加斯算法：不会得到不正确的解
  • 舍伍德算法：总能求得问题的一个正确解
• 近似算法：放弃最优解，使用近似最优解代替，要知道与最优解的差别或比例的界限
• 数据挖掘算法：
  • 分类：有监督，根据历史数据预测未来数据的模型
    • 步骤：学习模型、应用模型
    • 算法：
      • 决策树归纳（自顶向下的递归树算法）
      • 朴素贝叶斯算法
      • 反向传播BP
      • 支持向量机SVM
    • 应用：频繁模式和关联规则挖掘
  • 回归
  • 关联规则
  • 聚类：
    • 无监督
• 智能优化算法：
  • 人工神经网络ANN、深度学习DL：抽象人脑
  • 遗传算法GA
  • 模拟退火算法SA：加温、等温、冷却
  • 禁忌搜索TS：模拟人类智力过程的全局搜索，从一个初始可行解出发选择一系列特定搜索方向进行试探
  • 蚁群算法：高浓度信息素
  • 粒子群算法PSO：每个粒子跟踪两个极值更新自己：一个是本身找到的最优解，一个是整个种群或附近的邻居找到的最优解