m0_69767208的博客

AVL是一种自平衡二叉搜索树（self-balancing binary search tree）的数据结构，它的名称来源于其发明者G.M. Adelson-Velsky和E.M. Landis。AVL树通过在每次插入或删除节点时进行旋转操作，来确保树的高度始终保持在一个较小的范围内，从而保持树的平衡性。AVL树的平衡性是通过节点的高度差（即左子树高度和右子树高度之差）来衡量的。在一个平衡的AVL树中，任何节点的左子树和右子树的高度差不超过1。

哈夫曼树的定义：给定N个权值作为N个叶子结点，构造一棵二叉树，若该树的带权路径长度达到最小，称这样的二叉树为最优二叉树，也称为哈夫曼树(Huffman Tree)，哈夫曼树是带权路径长度最短的树。权值较大的结点离根较近。权:将树中结点赋给一个有着某种含义的数值，则这个数值称为该结点的权。结点的带权路径长度:从根结点到该结点之间路径长度与该结点的权的乘积。树的带权路径长度:树中所有叶子结点的带权路径长度之和。

二叉搜索树（Binary Search Tree，BST）是一种特殊的二叉树数据结构，其中每个节点的值都大于其左子树中的任何节点的值，且小于其右子树中的任何节点的值。它的特点使得在搜索、插入和删除操作上具有高效性。以下是一些关于二叉搜索树的重要特性：左子树中的所有节点的值都小于根节点的值。右子树中的所有节点的值都大于根节点的值。左右子树本身也是二叉搜索树。由于这些特性，二叉搜索树可以用于高效地实现插入、搜索和删除操作。

在计算机科学中，堆（Heap）是一种特殊的数据结构，它是一种完全二叉树（或者近似完全二叉树），并且满足堆属性。堆有两种常见的类型：最大堆（Max Heap）和最小堆（Min Heap）。最大堆中，父节点的值大于或等于其子节点的值，而最小堆中，父节点的值小于或等于其子节点的值。堆的主要特点是根节点（顶部节点）具有最大（或最小）值。这使得堆在很多应用中非常有用，例如优先队列和堆排序算法。堆的实现可以使用数组或者链表来表示。在数组实现中，根节点存储在索引位置0，而子节点的索引位置可以通过简单的计算得到。

数据结构之哈希数据结构之哈希什么是哈希哈希结构（Hash Table）也被称为散列表，是一种用于实现字典（Dictionary）的数据结构。哈希结构将键（Key）映射到值（Value）的过程称为哈希（Hashing），哈希函数（Hash Function）用于将键映射到一个固定大小的数组（Hash Table），数组中的每个元素称为桶（Bucket），每个桶可以存储一个或多个键值对。哈希结构的主要优点是可以在常数时间内进行插入、查找和删除操作，因此在大多数情况下，哈希结构的操作效率非常高。

什么是队列队列(Queue)也是一种运算受限的线性表，它限定在表的一端进行插入操作，在表的另一端进行删除操作。队列的结构特性是：先进先出FIFO ( First In First Out)。队列又被称为先进先出表。队尾:允许插入的一端称作队尾(Rear)队首:允许删除的一端称作队首(Front)队列为空的时候 队头front和队尾tail都是0的位置，入队的时候队尾tail往后移动，出队的时候front往队列tail靠拢因为front的移动，导致数组队列存在伪溢出现象。

什么是栈栈是一种运算受限的线性表，它限定只能在表的一端进行插入和删除操作。栈的结构特性是：后进先出LIFO ( Last In First Out)。栈又被称为后进先出表。栈顶:允许插入和删除的一端称作栈顶栈顶:不允许插入和删除的一端称作栈底链式栈。

二叉树是n (n≥0)个结点的有限集合。每个节点最多有两个子节点，分别称为左子节点和右子节点。左子节点和右子节点可以为空。二叉树的子树也是二叉树。

"分而治之"（Divide and Conquer）是一种算法设计策略，它将一个问题分解成更小的、相互独立的子问题，然后递归地解决这些子问题，最后将它们的解合并起来，得到原始问题的解。将原问题分解为若干个规模较小的子问题。这一步通常通过递归的方式来实现。递归地解决这些子问题。如果子问题足够小，就直接解决。将子问题的解合并成原问题的解。这个思想常常用于解决一些复杂的问题，例如排序、查找、图算法等。一些著名的算法，比如归并排序和快速排序，就是分而治之的典型例子。将待排序的数组分成两半。