《软件技术基础》之《线性表》

软基作业——顺序线性表的插入 题目如下:设线性表存放在向量A[1..MAXNUM]的前elenum个分量中,且递增有序。试写一算法,将x插入到线性表的适当位置上,以保持线性表的有序性。 我的程序如下: 1. test.c #include "insert.h" #include int main(void) { listtype list; int i; float elenum; 阅读详情

线性表是最基础和最常用的一类数据结构,它表示的是线性结构。
逻辑结构:在线性结构中,数据元素之间存在着一对一的关系,其特点是数据元素之间按某种规定存在一个顺序关系。

线性表的分类:
在这里插入图片描述

线性表的定义

n个同类型数据元素的有限序列,记为:L=(a1,a2,…,ai,…,an)。
其中,L为表名,i为数据元素ai在线性表中的位序,n为线性表的表长,n=0时称为空表。

数据元素之间的关系:
ai-1领先于ai ,ai领先于ai+1 。称ai-1是ai的直接前驱,ai+1是ai的直接后继。
除第一元素a1外,均有唯一的前驱;除最后元素an外,均有唯一的后继。

线性表数据结构的定义

数据结构的一般定义:Data Structure=(D,L,S,O)

D=data(数据) L=logic(逻辑)S=storage(物理存储)O=operation(基本操作)

O是在逻辑结构上对数据结构或数据元素的一组基本运算,与具体实现无关,可以利用给定的基本操作构造更复杂的运算。

线性数据结构的存储结构

顺序存储结构

用一组地址连续的存储单元依次存放线性表中的数据元素。
在这里插入图片描述
以“存储位置相邻”表示有序对<ai-1,ai>,即:LOC(ai)=LOC(ai-1)+d。d是一个一个数据元素所占的存储单位长度,用物理地址的相邻关系来表示逻辑次序的相邻。
在这里插入图片描述
实现实例(C语言描述):

#define LIST_INIT_SIZE 100
#define LISTINCREMENT 10
Typedef struct Sqlist {
	ElemType *elem; // 存储地址基址
	int length; // 当前长度
	int listzise; // 当前分配的存储容量
}Sqlist; //顺序表

插入元素操作
步骤:

  1. 检查插入位置是否合法,如果合法则继续,否则退出;
  2. 判表是否已占满;因为事先静态地分配空间,可能存在所分配存储空间全部被占用的情况,此时也不能实现插入;
  3. 若前面检查通过则数据元素依次向后移动一个位置;为避免覆盖原数据,应从最后一个开始向前依次移动;
  4. 新数据元素放到恰当位置;
  5. 表长加 1。
    在这里插入图片描述
    算法实现:
Status List_Insert(ListPtr L,int pos,ElemType elem)
{
	Status status=range_error;
	int len=L->length,i;
	if(len == MAXSIZE) status=overflow;
	else if(1<=pos && pos<=len+1)
	{
		for(i=len;i>=pos;i--) L->elem[i+1]=L->elem[i]; // 数据后移一个位置
		L->elem[pos]=elem;
		L->length++;
		status=success;
	}
	return status;
}

删除元素操作
步骤:

  1. 检查删除位置是否合法;
  2. 若检查通过,数据元素依次向前移动一个位置;
  3. 表长减1。

在这里插入图片描述
算法实现:

Status List_Remove(ListPtr L,int pos)
{
	Status status=range_error;
	int len=L->length,i;
	if(1<=pos && pos<=len)
	{
		for(i=pos;i<len;i++) L->elem[i]=L->elem[i+1]; // 数据前移一个位置
		L->length--;
		status=success;
	}
	return status;
}

链式存储结构(单链表)

用一组地址任意的存储单元存放线性表中的数据元素。
数据域(数据元素)+指针域(指示后继元素存储位置)= 结点
以“结点的序列”表示线性表,称为链表。

逻辑结构:(a1,a2,…,ai,…,an)

物理结构:
在这里插入图片描述
以线性表中第一个数据元素a1的存储地址作为线性表的地址,称为线性表的头指针。
有时为了操作方便,在第一个结点之前虚加一个“头结点”,并用链表的头指针指向头结点,称为带头结点的单链表。
在这里插入图片描述
类型定义

typedef struct node {
	ElemType data; // 数据域
	struct node *next; // 指针域
}ListNode,*ListNodePtr;
typedef ListNodePtr List,*ListPtr;

变量定义和使用

ListNode n1,n2; // 定义两个结点变量
ListNodePtr p=&n1; // 定义一个指向结点的指针变量p,并存放n1的地址(指针)
n1.nest=&n2; // 结点n1的指针域存放结点n2的地址
List L; // 定义一个单链表L

在单链表中获取第pos个元素

ListNode List_Retrieve(ListPtr L,int pos)
{
	if(pos < 0) return null;
	if(pos == 0) return L;
	ListNode *node=L;
	int i=0;
	while(node && i<pos)
	{
		node=node->next;
		i++;
	}
	if(node == null) return null;
	return node;
}

插入操作
步骤:

  1. 找到ai-1的位置;
  2. 构造一个数据域为elem的新结点;
  3. 将其挂在单链表上。

在这里插入图片描述
算法实现:

Status List_Insert(ListPtr L,int pos,ElemType elem)
{
	Status status;
	ListNodePtr pre,s;
	status=List_SetPosition(L,pos-1,&pre); // 找到插入位置的前驱
	if(status == success)
	{
		s=(ListNodePtr)malloc(sizeof(ListNode));
		if(s)
		{
			s->data=elem;
			s->next=pre->next;
			pre->next=s;
		}
		else status=fatal;
	}
	return status;
}

删除操作
步骤:

  1. 求得ai-1的指针p;
  2. 修改ai-1的后继域为ai+1的地址;
  3. 释放第pos个结点所占的存储空间。

在这里插入图片描述
算法实现:

Status List_Remove(ListPtr L,int pos)
{
	Status status=range_error;
	ListNodePtr pre,q;
	status=List_SetPosition(L,pos-1,&pre); // 找到插入位置的前驱
	if(status == success)
	{
		q=pre->next;
		pre->next=q->next;
		free(q);
	}
	return status;
}
线性表的应用:将所有在线性表Lb中但不在线性表La中的元素插入线性表La #include&amp;lt;iostream&amp;gt; #include&amp;lt;stdio.h&amp;gt; #include &amp;lt;malloc.h&amp;gt; using namespace std; #define MaxSize 50 typedef char ElemType; typedef struct { ElemType elem[MaxSize]; //存放顺序表中 阅读详情

相关推荐

【03】数据结构与算法基础-线性表 | 线性表的定义和特征 |线性表的基础操作 | 线性表的存储表示、位置计算、定义模板

线性表是具有相同特性的数据元素的一个有限序列。比如:(a1,a2,…ai-1,ai,ai+1,…,ana1为线性起点,称作起始结点;an为线性终点,称作终端结点;中间任意一个元素称为数据元素或者结点;任意一个数据元素ai的前一个元素ai-1称为ai的直接前驱,后一个元素ai+1称为ai的直接后继;为了描述元素在线性表中的位置,我们给每个元素一个下标,下标是元素的序号,最后一个元素的序号n为元素总个数,也即是表长,n=0时称线性表为空表。综上所述。

小浪宝宝的博客 596

UESTC 软件技术基础 期末复习

目录 Chapter1 绪论 1.1 软件开发六步骤(了解) 1.2 操作系统主要功能(了解) ​ Chapter2 数据结构与算法 2.1 线性表的逻辑存储结构 2.2 线性表的顺序存储结构 2.3 线性表的链式存储 2.4 两种储存方式的优缺点 2.5 时间复杂度渐近分析(大题) 2.6 分治算法求解排序问题 2.7 树 2.8 二叉树的概念 2.9 二叉树的存储 2.10 二叉树的遍历 2.11 树和二叉树的互换: 2.12 先序和中序遍历恢复二叉树 2.13 图.

我不想写BUG的博客 3156

软件技术基础实验报告

绝对准确, 木有错误,实验时绝对没有压力

数据结构【线性表】

线性表是最基本、最简单、也是最常用的一种数据结构,一个线性表是n个具有相同特性的数据元素的有限序列。 线性表中数据元素之间的关系是一对一的关系,即除了第一个和最后一个数据元素之外,其它数据元素都是首尾相接的。

huajian225的博客 752

计算机软件技术及应用基础教案

临近考试,希望大家有需要的可以利用一下,也希望能给大家以帮助; 本资源是我用过的课件,讲的很是详细,是学习软件技术及基础应用的利剑啊

软件开发技术基础实验报告(软工实验报告江南大学物联网工程学院)

文件为江南大学物联网工程学院软工实验报告,软件开发技术基础实验报告,包括:线性表的插入和删除,栈与队列,二叉树的遍历和应用,图的遍历和应用,排序,数据库等。

软件技术基础与开发 PPT - Class06 - 第2章 - 上机 - 线性表顺序存储结构的实现

要求 参考答案 sq_LList.h头文件 注意把成员函数的实现也写在了头文件里,因为这里是模板类,如果写在cpp里会出现编译报错的情况。 // sq_LList.h #ifndef sq_LList_h #define sq_LList_h #include <iostream> using namespace std; template<class T> clas...

meiguanhua的博客 322

[ESP32]:基于esp-modbus实现serial主机

[ESP32]:基于esp-modbus实现serial主机

LINKKEEE的博客 2571

东北大学计算机软件基础实验报告,东北大学软件技术基础实验报告.doc

东北大学软件技术基础实验报告.doc 实验一代码INCLUDE“IOSTREAM“INCLUDE//定义一个线性表CONSTINTNMAXSIZE15//最大值INTNLEN0//表中元素个数INTNLINEARLISTNMAXSIZE//定义操作VOIDLSORTVOIDLOUTVOIDLINSERTINTNVOIDLDELETEINTNVOIDMAIN{//输入数据并放入线性表中PRINTF“...

weixin_39854951的博客 382

WPS JS宏智能识别代码段并设置样式(完整可用版)

之前,我们已经经历了多次迭代,解决了许多问题,比如识别代码块、处理多行导入、调整样式等。现在他们需要一份全面的文档来解释整个代码的结构和工作原理。(5)智能行分析(含URL和注解检测优化)function analyzeLineEnhanced(rawText,trimmedText,codeSymbols,codePatterns, singleLinePatterns)该解决方案在保持高性能的同时,提供了良好的可扩展性,能够适应不同组织的代码规范需求,是WPS生态中专业文档处理的创新实践。

搏博的专栏 1828

前端宝典之七:React性能优化实战精华篇

本文主要讲解实战项目中React性能优化的方法,主要分为三个大的方面:减少不必要的组件更新、组件优化以及tree-shaking,共11个方法

franktaoge的博客 1904

软件技术基础与开发 PPT - Class09 - 第2章 - 3 - 线性表 栈 和队列 的链式存储

meiguanhua的博客 200

MATLAB小白也能搞定!BCT脑网络分析工具箱安装与入门指南

本文为零基础用户提供了一份详尽的BCT脑网络分析工具箱安装与入门指南。从MATLAB环境配置、BCT工具箱下载与路径添加,到连接矩阵构建、节点度与聚类系数等基础指标计算,手把手带领神经科学研究者跨越编程门槛,快速掌握脑影像数据分析的核心流程。

threejs5artist的博客 1093

软件技术基础与开发 PPT - Class05 - 第2章 - 1 - 数据结构基本概念 线性表及其顺序存储结构

meiguanhua的博客 277

SPI 总线信号完整性与时序一致性测试

SPI总线测试的核心目标是验证其电气与时序行为是否满足芯片规格要求,确保通信可靠性

硬核科技 332

【原理图PCB专题】Cadence17.4 PCB位号重排与反标

Cadence17.4 PCB位号重排与反标比Cadence16版本更简单一些,那到底如何操作?

一点硬件 1182

1.8学习计划

1、任务计划 (1)复习软件技术基础 2、计划完成度 (1)先是把第三章线性结构的课件大体的看了一下。      大体的思路是这样的。先介绍了一下线性结构的定义,然后依次介绍了顺序表、堆栈结构及应用、队列及其应用、链表及其应用、串及其应用、数组。     我今天学习完线性表之后,主要学习了顺序表和链表的查找、插入和删除这些的操作。

hap2y的博客 177

AI时代的软件质量保证新方法论

3.2.1 质量保证的方法论 质量保证(Quality Assurance, QA)是一种系统化的方法,用于确保产品或服务符合预定的质量标准。在AI时代,软件质量保证的方法论需要适应不断变化的AI技术和应用场景。 3.2.1.1 质量管理体系的构建 首先,构建一个完善

AI天才研究院 1357

软件技术基础

软件技术基础总集篇第一章:绪论第二章:数据结构第三章:操作系统第四章:编译原理第五章:数据库习题与项目解析 第一章:绪论 绪论 第二章:数据结构 线性表 分治与递归 算法复杂度分析 树与二叉树 图 贪心算法 第三章:操作系统 进程 同步 程序的链接和装入 第四章:编译原理 编译原理概述 程序语言的设计 词法分析 语法分析 语义分析 第五章:数据库 数据库基础 关系 SQL 数据库设计 习题与项目解析 数据结构习题解析 操作系统习题解析 编译原理的习题在MOOC上,答案截图在实验报告里。 数据库习题解析 实

ProgramNovice的博客 1288

Pointnet++改进91:2025最新改进模块-RepMBConv模块

本文提出了一种改进PointNet++网络的方法,通过在特征提取模块中引入RepMBConv结构来提升模型性能。主要内容包括:1)理论部分介绍了RepMBConv的设计原理,包含自监督学习框架、动态上下文建模等创新点;2)详细给出了三步修改步骤:创建包含RepMBConv的Python模块、在pointnet2_utils.py中添加注意力机制、修改pointnet2_sem_seg.py主网络结构;3)代码实现展示了如何将RepMBConv集成到PointNetSetAbstraction模块中,形成Po

AIcurator的博客 275

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

软件技术基础复习提纲

软件技术基础复习提纲

CodePandas 2812

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

线性表概念_线性表的顺序表表示和实现_线性表的顺序存储

线性表基础概念,线性表的顺序表表示和实现 线性表 线性表(linear list)是最基本、最简单、也是最常用的一种数据结构。线性表是数据结构的一种,一个线性表是n个具有相同特性的数据元素的有限序列。 特征 线性表是具有相同特征的数据元素的一个有限序列。 线性表(linear list)由n(n>=0)个数据元素(结点)a1,a2,…,an组成的有限序列 线性表中元素的个数n(n...

diviner_s的博客 5098

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

线性表基础操作

本文主要讲述线性表的基本操作。实现语言为C++。int length;}SqList;// 创建线性表if(!return OK;// 销毁线性表// 清空线性表// 判断线性表是否为空// 求线性表长度// 取值/*return OK;*/// 按值查找i ++){return 0;// 插入元素j >= i-1;j --){

2403_86967862的博客 828

软件技术基础实验课-三.查找

软件技术基础实验课代码 三.找部分 Devc++测试有效,其他编译器请提前测试一下哈! 二叉树查找 #include <stdio.h> #include <stdlib.h> typedef struct { int key; struct bitnode *lchild; struct bitnode *rchild; }bnode; void ...

SaBo‘s Blog 495

线性表基础知识总结

1.线性表(linear list) 线性表: 是一种数据结构, 一个线性表是n个具有相同特性的数据元素的有限序列 线性表的实际存储方式,分为两种实现模型:顺序表和链表 2.顺序表 申请连续的存储空间 依次存入数据 数据之间有顺序关系 取数据时根据下标(偏移量),一步计算出对应的内存地址 时间复杂度是O(1) 3.顺序表基本形式 顺序表的基本布局 Loc(ei) = Loc(e0)...

lbj1260200629的博客 693

线性表基础

线性表是n 个具有相同特性的数据元素的有限有序序列,记为 (a₁,a₂,...,aₙ),是最基本、最常用的线性结构。定义:采用顺序存储的线性表,底层依赖一维数组实现;核心特性优点:支持随机访问(通过索引直接定位元素,如eles[i]),查找效率高;缺点:插入 / 删除需移动大量元素(如在中间位置插入,需后移后续所有元素),效率低。关键变量:存储元素的数组(泛型支持任意数据类型);:记录当前顺序表的实际元素个数(区别于数组容量)。定义:物理存储非连续的线性表,由结点。

AAAFhan的博客 483
上一篇: 《软件技术基础》之《绪论》
下一篇: 《软件技术基础》之《分治与递归》
UestcXiye
博客等级 码龄8年 9033粉丝 1306原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UestcXiye

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值