那又怎样的博客

欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦：Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl

hufTreeNod.h#pragma once# include<iostream>//权重就直接用整型吧class hufTreeNode{public: hufTreeNode(int t=0) :weight(t) {} int weight; hufTreeNode *lChild=NULL; hufTreeNode *rChild=NULL;

十字链表是邻接表和逆邻接表的一种结合，顶点结点和弧结点如图: 这样，求一个顶点的出度，入度都比较方便，一般用来存储有向图，下面便是实现部分了，大体和之前几种存储方式差不多，只是由于存储方式的不同而略有不同而已 crossedList.h#pragma once# include<iostream># include"vertex.h"typedef struct _arcNode//弧结点

对于邻接表存储无向图，结点的个数是边数的两倍，如图: 该图有5条边，用邻接表存储: 结点是边数的2倍，而且对边进行操作时(比如删除，插入等)要对两个顶点操作，比较麻烦，所以书上又介绍了邻接多重表： 对于这张图G1的邻接多重表的图，我就纳闷了，比如用邻接多重表创建无向图时，输入序列（权值暂且不考虑，为0）: 0 1 0 0 3 0 1 2 0 1 4 0 2 3 0 2 4

如何根据给定的图，来求其最小生成树呢？先介绍prim算法准备工作: v表示图中所有顶点的集合，e为图中所有边的集合； 定义两个新的集合u和t，u存放最小生成树中的顶点(初始时只有一个顶点，然后一步一步加入顶点)，t存放最小生成树的边(初始时为空) prim算法，大致过程是这样的： 从集合u和集合v-u中选出边的权值最小的顶点a和b(a属于u,b属于v-u),将a加入u

之前写了prim算法实现最小生成树，接下来看看kruskal算法 对于给定的图G，令其最小生成树T初始时为G到n个顶点(边为0)，然后将G的边上权重从小到大排序，每次选取最小到边，如果选中的边的两个顶点是连通的，则删除该条边，选取下一条边，如果选中的两个顶点不连通，那么该边加入到T中，如此重复，直到所有顶点都连通 看图: 好了，接下来就是画思想为实践了，不妨先定义一个定位权重的函数

最短路径问题与现实生活中的问题息息相关，所以最短路径问题一定要掌握，这是书上的介绍 怎么理解呢？还是给个例子会比较清楚，比如下面这个图: 初始时，集合s={a}(假设a为源点),t={b,c,d,e} 然后从t中选取到a路径长度最短的顶点: a-b ->6 a-c ->2 a-d ->无穷大(a和d之间不能直接连接) a-e

之前介绍了Dijkstra算法求某个顶点到其他每个顶点之间的最短路径，那么求每一对顶点的最短路径呢？对，可以重复调用Dijkstra算法，Dijkstra算法的时间复杂度是O(n*n),调用n次，所以总的时间复杂度是O(n*n*n)，接下来介绍Floyd算法，时间复杂度也是O(n*n*n)下面是书上介绍的 怎么理解呢？无非就是对每一对顶点，循环n次(n为图的顶点个数)，每次比较(比如当前顶点编号

vertex.h#pragma onceclass vertex{public: char data;//节点用字符表示 vertex(char c=' '); bool isVisited;//是否被访问过 void visited();};vertex.cpp#include"vertex.h"# include<iostream>using names

adjacentList.h#pragma once//邻接表存储的无向图# include<iostream># include"vertex.h"typedef struct _listNode//表节点{ int iAdjaVeretex;//邻接点编号 int info;//边上信息 struct _listNode*next=NULL;}listNode

期末了，没错，基本上都会有课程设计的，这次是数据结构的课程设计， 分到的课题还好，不是很麻烦课程设计任务书题目4查找与排序算法时间性能的实验研究设计内容对各种查找算法（顺序查找、折半查找、插值查找、斐波拉契查找、二叉排序树查找、哈希查找）的时间性能进行实验研究对各种排序算法（直接插入排序、折半插入排序、希尔排序、冒泡排序、快速排序、选择排序、堆排序、归并排序）的时间性能进行实验研究。设计

前面讲到过BF算法,虽然简单，但是效率比较低，KMP算法对此做了很大改进，该算法是由Knuth,Morris,Pratt同时设计的，所以简称KMP算法 为什么说BF算法效率低呢？比如s="34343434345",t="345"，在位置3时，s中字符为‘3’,t中为'5'，不匹配，所以又重新从s中第2个位置，t中第1个位置开始匹配，匹配失败，又从s中第3.... 可以看到，在s中后面子串

模式匹配即子串定位，是查找子串在主串中第一次出现的位置的过程，查找成功则返回改位置，否则返回-1 匹配过程是怎么样的呢？ 首先比较主串和子串中第一个位置的字符(i,j分别表示主串，子串中的位置)，所以初始化i=1,j=1；如果该字符相等，则继续比较两串中下一位置的字符，否则i回溯到上次开始比较的位置的下一位置，j回溯到1，继续进行上面的比较，当扫描其中任何一个串时则结束循环，如果j=t[0

1： 带尾指针的单循环链表 2：带尾指针的双循环链表其中双链表值得注意，双链表的节点不仅有后向指针域，还有前向指针域，因 此访问前驱，后继方便（单链表访问前驱就不方便了），缺点是占用内存更多； 双链表也可以是循环的，就说说双循环链表的一些运算吧 双循环链表： 1)节点结构 typedef struct Node { ElementType dat

栈，也是线性表（n个元素e1,e2….en组成的有限序列），顺序表，链表都是线性表，不过栈只能在一端（栈顶）插入和删除，称为”入栈”和“出栈”，（早期教材叫做“压栈”和“弹栈”）；这就好比弹夹装子弹，栈 又分为顺序栈和链栈 1：顺序栈 1）结构 typedef struct sStack { ElementType data[MAXLEN]; //栈元素 in

今天数据结构上机，内容是队列，栈的一些基本操作，输入字符串，并判断是否是回文，我以为回文就是字符串首位字母相等，擦，居然看错了了，回文是第i个字母和倒数第i个字母相等（比如abcba,abccba都是回文，），所以不得不重新编写下程序； 判断是否是回文。顺序栈比较简单，而链队列也只是稍微麻烦点了，这里用双链表比较合理，即节点有不仅有next指针,还有prior指针，依次从两边往中间遍历就好了# i

看了看中国大学MOOC,很有感触，真心感谢网络上这么多资源，学习方便多了，步入正题，最大子列和问题，就是给定n个整数的序列，求最大的连续子列的和(如果是负数就返回0)，举个简单例子来说吧 int arr[]={-5,4,6}; 最直接的就是算出所有连续子列的和，即: arr[0];//结果是0 arr[0]加到arr[1]//结果是0 arr[0]到arr[2

node.h#pragma oncetemplate<typename T>class node{public: node() = default;//默认构造函数 node(T x) :elem(x),next(NULL) {}; T elem; //节点元素 node *next;};linkList.h#pragma once# include"nod

类模版不能分别在.h和.cpp文件中定义，所以只能都放在.h文件里seqList.h# pragma//类模版template<typename T>class seqList{public: seqList(int size=30); //默认构造函数，容量默认为30吧 ~seqList(); //析构函数 void push_ba

要求是这样的，给定两个顺序表a,b。取a,b的并集到a,并使之有序， 比如a中元素为:2,4,7 b中元素为:3,4,5 那么合并之后a为:2,3,4,5,7main.cpp# include<iostream># include"seqList.h"using namespace std;template <typename T>void mergeSeq(seqList

在牛客网刷题，无奈自己水平太菜，碰到这一题，弄了半天才弄懂…./*[编程题] 双核处理一种双核CPU的两个核能够同时的处理任务，现在有n个已知数据量的任务需要交给CPU处理，假设已知CPU的每个核1秒可以处理1kb，每个核同时只能处理一项任务。n个任务可以按照任意顺序放入CPU进行处理，现在需要设计一个方案让CPU处理完这批任务所需的时间最少，求这个最小的时间。输入描述:输入包括两行：

binTreeNode.h#pragma once# include<iostream>template <typename T>class binTreeNode{public: binTreeNode() = default; binTreeNode(const T&t):data(t),lChild(NULL),rChild(NULL) {} T dat

很多建立二叉树都是用先序，中序或者后序建立，不过这就要求输入时要自己先想出相应的序列，比如下面的树(括号左边代表序号，里面是元素,0表示节点为空): 1(a) 2(b) 3(c) 4(0) 5(d) 6(e) 7(f)建立此树时，比如按中序建立，要得出其中序序列,这里就是0bdaecf，这样建立不太方便，因为要按照中序输入，比如一棵树深度比

堆排序是将输入序列建成堆，然后不断取出堆顶元素(一般是将堆顶元素放在后面)，然后不断的对取出堆顶元素的堆进行调整，然后再取出堆顶元素，直至整个堆被取出。这样说可能有点不太明白，先说堆吧，就是完全二叉树，不过分为小根堆和大根堆，所有非叶子节点的值均不大(小)于其左右孩子的值，满足这一条件的堆为小(大)根堆 如图，比如输入序列3,2,8,9,5,1,4 现在用数组存储该输入序列，按从小到大排序，