408复习笔记（二）：经典数据结构和算法PART2（图、查找、排序）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

接前文
408复习笔记（一）：经典数据结构和算法PART1（线性表、栈和队列、数组和特殊矩阵、串、树）

六、图

1.一些定义

注：线性表可以是空表，树可以是空树，但图不能是空图。图的顶点集V一定不为空，边集E可以为空，此时图中只有顶点没有边。
①简单图：不存在重复边且不存在顶点到自身的边的图
②完全图：任意两个顶点之间都有边（如果是有向图完全图，任意两个顶点之间都有相反的两条边）【也就是边数最多的简单图】
③子图：子图的顶点集和边集都是原图的子集，如果只有边集是真子集，顶点集相等，那称为生成子图

④连通图（强联通图）：一般在无向图中讨论连通性，在有向图中讨论强连通性；
两个顶点间：无向图中，如果两个顶点之间有路径，则称他们是连通的；有向图中，两个顶点间来和往都有路径，称他们是强联通的；
一个图：如果无向图（有向图）任意两个顶点之间都是连通（强连通）的，那称这个图为连通图（强联通图）
PS：无向图的极大连通子图称为连通分量，有向图的极大连通子图称为强连通分量。极大要求该连通子图包括所有的边
⑤生成树(生成森林）：
连通图的生成树是包含图中所有顶点的极小连通子图（极小意为边数最少），n个顶点的图，其生成树一定有n-1条边；在非连通图中，其连通分量的生成树组成了生成森林。
⑥网（带权图）：边上带有权值的图叫做带权图，也叫网
⑦字太多不想打了

2.图的存储

①邻接矩阵法：一个二维表格，下标代表结点号，值代表边的情况
无向图中有边是1，无边是0，对角线对称；有向图中也是这样，但对角线不对称；带权图中值是权值，注意空的地方用无穷填满！
②邻接表法（适用于稀疏图）：一个数组记录每个顶点，每个顶点的记录指针指向跟此顶点有边的顶点，并形成一个单链表
这个单链表是该顶点的边表（有向图中叫做‘出边表’）

=7.28日更新==

③十字链表:有向图的链式存储结构
含义：所有依附于同一顶点的边串联在同一个链表中，每条边依附于两个顶点，因此每个边结点同时在两个链表中（一个链表为这些边的出点相同，另一个为入点相同）,因此在每个边结点处形成十字。

1.画邻接表（结点）：(顶点表结点【顶点，指向相同变表结点，指向本行下一个结点】和边表结点【此边头，此边尾，同尾，同头】）
2.增加弧节点的域（本行内指针）
3.自己指向自己（左到右依次标号相同的指）
【数据结构|十字链表|简单粗暴零失误画出十字链表-哔哩哔哩】 https://b23.tv/8g1fTUs
eg：

④邻接多重表：无向图的链式存储结构
1.造结点（顶点表结点【data，标号】，边表结点【此边头，空，此边尾，空】）同一个边只有一个边结点，写在哪个顶点后都可以
2.把前两个看成一家，后两个看成一家，找相同画指针就完事（左右不分）
【邻接多重表-哔哩哔哩】 https://b23.tv/whOcvCT
这个图我知道它丑，但我真的不想改了QAQ

=7.30日更新==

3.图的遍历（BFS、DFS）

一次调用只能遍历一个连通分量
可能会考察BFS或DFS遍历时的生成子树或者遍历序列，从不同的顶点出发，结果也不同

4.最小生成树

最小：权值最小；生成树：找齐n-1条边。即：求能使各个结点连接起来的最小代价问题

1）Prim（point，点）

①任意取一个点，找与它连接的边中最小的一个加入，然后把已有的两个点看做整体，再去找周围最小的一个边加入。
②每次寻找当前权值最小的边加入，直至找够n-1条边

2）Kruskal（边）

从小到大依次找边，如果某边的两点不连通，将此边加入，如果连通，将此边舍弃。

5.最短路径算法

1）Dijkstra

①贪心算法
②一次调用只能求出图中某一个顶点到其他所有顶点的最短路径（单源最短路径）
③只能算权重非负，但效率高
https://www.bilibili.com/video/BV1zz4y1m7Nq?spm_id_from=333.337.search-card.all.click&vd_source=004a97c60ce7b19403906146d0b7240f

2）Floyd

①二维动态规划，核心代码相当于推dp状态方程，
②一次调用就可以求出图中任意两点间的最短路径，（多源最短路径）
https://www.bilibili.com/video/BV14R4y1x7GB/?spm_id_from=333.788.recommend_more_video.-1&vd_source=004a97c60ce7b19403906146d0b7240f

①画邻接矩阵（P-1）
②对于i=0、1、2…n-1，迭代矩阵（以i为中转点）

6.拓扑排序(AOV网）activity on vertex Network（顶点表示活动，有向边表示活动的前后关系）

①活动：用有向图来描述一项工程的实施过程，将一个工程分为多个子工程，即活动（Activity)，
②AOV网：在有向图中以顶点表示活动，有向边表示活动之间的先后关系，这样的图简称为AOV网。
③拓扑排序：在AOV网中,若不存在回路,则所有活动可排列成一个线性序列,使得每个活动的所有前驱活动都排在该活动的前面,此序列叫做拓扑序列。
④构造拓扑序列：每轮选择AOV网中一个入度为0的顶点并输出，然后删除该顶点和所有它为起点的有向边，输出的顶点序列为拓扑序列。

7.关键路径（AOE网）activity on edge Network（边表示活动，权值表示活动的开销）

①关键路径：从源点到汇点的所有路径中具有最大路径长度的一条；关键路径上的活动叫做关键活动
②应用：

https://www.bilibili.com/video/BV1EQ4y1v7iV?spm_id_from=333.337.search-card.all.click&vd_source=004a97c60ce7b19403906146d0b7240f

=8.1日更新==

七、查找

1.散列查找

1）散列表的构造

①直接定址法：H（key）=key 或 H（key）=a*key + b
②除留余数法：H（key）=key%p
③平方取中法：取关键字的平方值的中间几位作为散列地址

2）冲突处理方法

开放定址法：
①线性探测：每次冲突时依次向后探测下一个单元是否为空（d=0,1，2,3……）
②平方探测：每次冲突依次探测后，前的整数平方的位置（di=0^2 ,1^2, -1^2, 2^2, -2^2,…,k^2, -k^2时）
③伪随机序列法：d=某个随机序列

拉链法：散列表的每个单元存储一个链表头指针，把该单元所有同义词存储在这个线性链表中，查找、插入和删除操作主要在同义词链中进行。

3）查找成功和查找失败的平均查找长度

查找成功：sum（每个元素插入时查看的单元格数）/元素个数
查找失败：sum（每个单元格处向后到第一个空处，期间查看的单元格数）/单元格个数 【Ps：单元格空的算1次查看，即需要知道他为空】
例：

4）散列查找的特征和性能分析

散列表的查找效率取决于三个因素：散列函数、处理冲突的方法和装填因子。
（假设散列表的空间大小为m,填入表中的元素个数为n,则=n/m称为散列表的装填因子。 一般设计为=0.5~0.8较好。）

2.折半查找

1）折半查找的过程

对于一个有序表，low指向表头元素，high指向表尾元素，mid=floor（low+high）。每轮判断target和mid的大小：
若target<mid,high=mid-1，重新计算mid；若target>mid,low=mid+1，重新计算mid；若相等，则已找到。
循环条件是low<=high(若一直没找到，倒数第二轮mid指针和low指针重合，最后一轮low和high指针重合）

2）构造判定树

中间结点是关键字（非叶节点），叶节点是方形的范围，代表查找不成功的情况
检验：对于n个数字的序列，判定树有n个非叶子节点和n+1个叶子节点

3）分析平均查找长度（ASL）

3、红黑树

红黑树是什么，有什么意义：
排序二叉树有不平衡的问题，可能左子树很长但是右子树很短，造成查询时性能不佳（logn退化成n），完全平衡的二叉树能保证层数平均，从而查询效率高，但是维护又很麻烦，每次插入和删除有很大的可能要大幅调整树结构。
红黑树就是介于完全不平衡和完全平衡之间的一种二叉树，通过每个节点有红黑两种颜色、从节点到任意叶子节点会经过相同数量的黑色节点等一系列规则，实现了【树的层数最大也只会有两倍的差距】，这样既能提高插入和删除的效率，又能让树相对平衡从而有还不错的查询效率。从整体上讲，红黑树就是一种中庸之道的二叉树

4、b树和b+树

1）b树（也是一种排序树）（平衡二叉树的扩展，平衡多叉树）

a.构建（插入）元素：

首先根据阶数找到最多可以容纳的关键字范围（根结点可以不受下限约束），然后就可以依次向树中添加元素了，必须在叶子节点上添加（下图中写错了但我不想改了QAQ）
【B-树的插入（创建）-哔哩哔哩】 https://b23.tv/rvio0tO

b.删除：

（1）如果是叶子结点：合适直接删除，不合适找根或兄弟替补（最后可以再插入，求逆过程验证删除是否正确）
“合适”是指b树的性质：
①b树孩子节点的个数等于该结点中的关键字个数加一
②节点中关键字从左到右递增有序
③指针所指向子树的关键字一定落在其父节点关键字所划分的区间内

（2）如果删除根结点，需要用其左子树最大或右子树最小元素进行替换（中序遍历的前驱或后继元素），然后删除此叶子结点

c.查找

b树中大部分操作所需的磁盘存取次数与b树的高度成正比

2）b+树：基本概念与性质

=8.2日~8.3日更新==

八、排序

1.基本概念

①排序算法是稳定的：两个关键字相同的元素经排序后先后顺序不变
②内部排序：排序期间元素全部存放在内存中；外部排序：排序期间元素需要在内存和外存之间移动
③五类：插入排序（直接插入排序；折半插入排序；希尔排序）、交换排序（冒泡排序、快速排序）、选择排序（简单选择排序；堆排序）、归并排序、基数排序

2.插入排序

为实现L[1…n]的排序，将L(2)~L（n）依次插入前面已排好序的子序列
①直接插入排序：每次从后往前寻找待插入的位置，时间复杂度O（n^2）
②折半插入排序：折半查找，减少元素比较次数但元素移动次数不变，因此时间复杂度仍为O（n^2）
③希尔排序（缩小增量排序）：把记录按下标的一定增量分组（一般初始是长度的一半，然后逐渐减半），对每组使用直接插入排序算法排序；随着增量逐渐减少，每组包含的关键词越来越多，当增量减至 1 时，整个文件恰被分成一组，算法便终止。
希尔排序时间复杂度最坏仍为O（n^2）,好时可达到O（n^1.3）,但它不稳定，当相同关键字的记录被分到不同组时，其相对次序可能会改变

3.交换排序

①冒泡排序:O（n^2）（永远是相邻两位交换）
②快速排序：：对冒泡排序算法的改进（性能最优）
(1)首先设定一个分界值，通过该分界值将数组分成左右两部分。（分界值一般是左边第一个，将其取出另存）
(2)通过左右指针分别从两端向中间遍历，将大于或等于分界值的数据集中到数组右边，小于分界值的数据集中到数组的左边。（最后指针相遇的地方将分界值插入。）此时，左边部分中各元素都小于分界值，而右边部分中各元素都大于或等于分界值。
(3)然后，左边和右边的数据可以独立排序。对于左侧的数组数据，又可以取一个分界值，将该部分数据分成左右两部分，同样在左边放置较小值，右边放置较大值。右侧的数组数据也可以做类似处理。
(4)重复上述过程，可以看出，这是一个递归定义。通过递归将左侧部分排好序后，再递归排好右侧部分的顺序。当左、右两个部分数据长度均为1，排序完成。

4.选择排序

每次在后面选择最小的一个元素放在有序序列中他应该在的位置（方式是和那位的元素交换）（交换可以是不相邻的）
①简单选择排序：第i轮，后续的n-i+1个记录中选取关键字最小的记录，与第i个数交换
简单选择排序和直接插入排序的区别：
两者都是第二for循环都是不断查找，简单选择排序是从i位置起不断往后找最小的，直接插入排序是从i位置起不断往前找合适的插入位置。
②堆排序：堆是一个近似完全二叉树的结构，并满足：子结点的键值或索引总是小于（或者大于）它的父节点。
大顶堆：根结点最大；小顶堆：根结点最小 （堆只对父子结点的大小关系有要求，而对兄弟节点之间的大小关系没有要求。

堆排序：将n个元素建成初始堆,输出堆顶元素（最大值）后，将堆底元素送入堆顶，此时堆已被破坏，调整后，再输出堆顶元素。如此重复，即可输出递减序列。可见堆排序需要解决两个问题:
堆构造与调整：首先，对于一棵n个节点的完全二叉树，其最后一个结点编号是第（n/2）向下取整（从1开始数），

堆插入：将新节点放在堆末端，然后调整
如：

空间复杂度：O（1）
时间复杂度：O（nlog2n）

5.归并排序

n路归并：不断将前后n个相邻的有序表归并为一个有序表，直至成为一个有序表（双指针）【主要研究二路归并】
时间复杂度：每趟归并n，有log2n趟，共O（nlog2n）
空间复杂度：归并时需要O（n）
（与希尔排序分组的不同）

6.基数排序

只能对数字元素进行比较，元素最多有效位有几位就比较几趟
对于每位数字从后向前比较每一位
https://www.bilibili.com/video/BV1YM4y1A7wi?spm_id_from=333.1007.top_right_bar_window_history.content.click&vd_source=004a97c60ce7b19403906146d0b7240f