数据结构&贪心算法（一） by邓俊辉老师

前言
1、大O记号（Big-O）
消耗的资源越少越好。时间&空间越少越好。
先研究时间T(n):将常系数、低次项忽略。
2、数据结构
线性结构
数组Array： A[n] A[0,n) 长度为n A[lo,hi) low-high 左闭右开 右减左即元素个数
向量vector：O(1)时间即可取出该元素、查找快；插入、删除元素慢 call by rank
接口：interface vector ~vector insert remove search
列表list：逻辑依然相连(link)、物理不相连 查找慢、插入删除元素快 call by position（后继succ、前驱pred）
栈stack：push、pop、top（栈顶）、FIFO 不能随意插入元素，仅能从一端读取（open的一端）
队queue：enqueue（插入rear尾部）、dequeue（取出front前端）用于cpu资源分配轮值服务、打印机并发使用等
半线性结构
树Tree : 域名 大部分树可以变为二叉树。无环
将树规范化：管理转变(父节点-子结点)
->(父节点-长子-次子) 对于任意一个节点只记两个关系 长子？，弟弟？
->再将长子和弟弟左右八字排（不再垂直水平）->二叉树（每一个节点两个孩子）。

图Graph: 无向图(undigraph)->矩阵描述 对称的是有冗余的
有向图(digraph)->矩阵描述 非对称的 无冗余的
有权图(network)->矩阵扩展。还要记录权重。
优化数据结构：
图化为矩阵。但零元素太多。将矩阵的零元素取出。每一行做一个list。
Graph as Vector 一列列标作为向量、每一行作为list。节省大量空间。
缺点不能快速查找，只能找vector入口，进入list注意查找

贪心 Greedy

排序

naiveGnomesort(S[],n){ //single loop but(O(n^2))
    for(int i = 1; i<n;;) //从第二个元素开始
    if( i<1 || S[i-1] <= S[i]) //GREEDY：目光只关注于当下相邻的两个元素
        i++; //inefficient backtracking 回溯
    else{
        swap(S[i-1],S[i]);
        i--; //逆序交换后往前走
    }
}

复杂度：以最坏的情况 worst case 考虑。从0依次加到n-1—> 即O(n^2)
最坏的情况完全逆序：最好的情况完全顺序。

加快一些，记录那个位置k。 但是bigO 不会变。

naiveGnomesort(S[],n) //still (O(n^2))
    for(int k = 1; k<n;k++) //nested loop 
        for(int i = k; 0 < i && S[i-1]>S[i];i--) //backtrack to k and rescan
            swap(S[i-1],S[i]);

Bubblesort冒泡排序
不变性：经过k趟扫描后，最大的k个元素必然就位
单调性：经过k趟扫描后，问题规模缩小至n-k
正确性：至多经过n趟扫描后，算法必然终止
基本版->提前终止版->跳跃版(部分有序)

template<typename T> \\ 基本版
void Vector<T>::bubbleSort(Rank lo, Rank hi){
	while(lo <  -- hi){
		for(Rank i = lo ; i < hi; i++ )
			if( _elem[i] > _elem[i+1] )    //逆序
				swap( _elem[i], _elem[i+1] ); //交换
	}
}

template<typename T> \\ 提前终止版
template <typename T>
void Vector<T>::bubbleSort(Rank lo, Rank hi){
    for( bool sorted = true; sorted = !sorted; )  \\ 注意循环判断条件
        for(Rank i = lo; i < hi-1; i++)
            if ( _elem[i] > _elem[i+1] )
                swap( _elem[i], _elem[i+1]),sorted = false;
}

在这里插入代码片

matrix sort 将一个矩阵排序、分别对他们先做逐列排序、再做逐行排序。
试说明列上依然是有序的尽管组成元素变了。
证明过程？
仅考虑两行即可，类似于bubblesort 其执行过程与输入没有关系 前后两个元素的位置是固定的

哈弗曼编码

Huffman ：PFC Coding
“1 010 011 00”=“MAIN”
一个二叉树有n个叶子节点，有n-1非叶子节点(内部节点)。
树也是一种连通图
叶子节点（根节点）到另一节点（根节点）是唯一的。
利用左右对应01 左零右一（左孩子、右孩子）
编码解码的前提：这棵树双方都是约定好的。

注意不同的编码方案所需的字节比特数不同

Huffman：Unweighted Optimal 无权重的优化——满树(深度差不超过一)
每个字符的编码数取决于每一个的深度。
如何降低总深度：将深层次的节点与浅层次的节点做一个转换。（有两个叶子节点的深度相差两层，那么可以将深层次叶子节点的父节点与浅层次的叶子节点交换）
full-binary tree 深度差不超过一的二叉树–完美二叉树

Huffman：weighted optimal 有权重的优化
有权重的二叉树？不一定是完美二叉树才是最好的。
贪心原则：puting higher higher -->weighted optimal Huffman编码
把出现频率最高的字符（m）放在最上面（例如：“mammamia”）

哈弗曼树：先统计词频信息
从叶子节点开始向根的方向 构造树。
从出现频率最低的和作一个数。逐一寻找出现频率最低的两棵树、捏在一起。
和在一起的新树的权重相加就可以作为新的子树的权重。