【Algorithms】算法基础——读《啊哈！算法》

basic

一些概念与思想

concept	content
算法	新的数据结构，新的解决方法
算法改进	改变数据结构（邻接数组变领接表），改变方法
复杂度	循环次数、写入输出次数，讨论的意义在于 在大数据量下时空耗费的飙升， 以及增添删除元素后牵动整体的变化幅度
松弛	边的权重变低
标记数组 技巧	有时为了降低O（时间），只能增加O（空间）
多因子遍历 问题	矩阵(图)思想

学习指南

• 其实很多算法都可以用已有的一些简单结构完成，比如数组和指针的搭配
• 积累思想，能解决什么问题，基于问题的相似核心迁移算法
• 将已有的算法，根据实际问题进行修改，即优化
• 研究新算法常使用自底向上，逐步封装

---

---

---

数据结构

name	save_in_program
队列	头指针+尾指针+数组
栈	标记指针+数组
二叉树	一维数组，下标即是节点号
堆（优先队列）	按大小排列好的二叉树 找最值无须遍历枚举 随意插入值影响并不大，只需要对比其上面的节点即可
邻接数组	二维数组，内容为边权重
邻接表	五个数组，储存每一条边 第一节点、第二节点、权重 本个节点对应下个节点的位置，下个节点的边的号 邻接表O（时间）更低（乱七八糟看不太懂）

---

---

---

排序问题

alg_name	main_idea
桶排序	插旗子，只用于范围不大
冒泡	两两比较遍历
快排	二分法，哨兵

---

---

---

图遍历问题

深度优先搜索

“不撞南墙不回头”，主要思想是递归，每一个节点变化后都直接往下溯源到底。

广度优先搜索

主要思想是从上一次过找完所有节点，用while语句判断节点队列是否已经找完了。争取一次过直接找到答案。常用于权值相同的图。

Floyd-warshall（动态规划问题，求任意两点最短距离）

主要思想是多层for嵌套，和深度优先相似只是更简单。

Dijkstra（单源最短路径，不能解决负权边）

主要思想是，从起点找最近的点，然后，然后从这个最近点去找离它最近的点（近的近），逐步对照去松弛各个距离。（其实不是很理解。。。）

Bellman-Ford（解决负权边，最完美的最短路径算法）

不同于找最近的点，是全部边都重复地刷，n个点刷n-1遍。
可优化——加入记录数组，只对发生了变化的边松弛。

---

---

---

树相关

并查集算法

判断有多少棵树，查一共多少个祖先节点

• 割点问题——只需要看其他节点不经过本节点后能到达哪里，如果并不能回到原祖先节点就是可以分割

匈牙利算法（二分图问题）

能够两两匹配的节点如何找出最大匹配量，现实中是任务调度、工作安排。
主要是增广路思想：在剩下的之间找到一个已经匹配的节点，然后依次连锁套下去，反正最坏结果就是不变，不亏。
使用match[u] = v; match[v] = u保存匹配关系。

---

---

---

参考：《啊哈！算法》啊哈磊著