shine_zyd_way的博客

首先，这里用到了类型萃取的知识，代码如下：struct __TrueType{ bool Get() { return true; }};struct __FalseType{ bool Get() { return false; }};template <class _Tp>struct TypeTrai

首先我们要了解什么事完全二叉树。 完全二叉树： 假设一颗二叉树的深度为h,除了第h层以外，其余各层节点的个数全都达到了每层的最大值，即2^(n-1),只有第h层的结点个数小于或者等于2^(h-1）,而且节点都连续集中在最左边，这就是完全二叉树，当然当第h层结点达到最大值时，叫做满二叉树，满二叉树是一种特殊的完全二叉树； 如图所示为完全二叉树： 从根结点开始遍历整棵二叉树，（所假设的节点之前为

1.判断一个节点是否在一颗二叉树中 首先判断此节点是不是根节点，是根节点的话就返回表示节点在树中，否则递归根节点的左右子树，继续向下寻找bool _IsNode(Node* node,Node* root) { if (root == NULL) return false; //节点位根节点 if (node->_da

下面我给出一棵二叉树和他的镜像，所谓镜像就是一棵树就跟在镜子中显示一样，左右反转，示意图如下： 根节点的左右孩子互换，我们可递归实现：void _MirrorTree(Node* root) { if (root == NULL)//树为空 return; if (root->_left == NULL&&root->_right

1、简介： BloomFilter是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。 2、应用： 要判断一个元素是否在一个集合中出现，一般情况下就是将这个集合的元素保存下来，然后再到这个集合中一一比较即可，但是如果这个集合中的元素很多的话，不仅需要的内存很大，而且查找起

位图法就是bitmap的缩写。所谓bitmap，就是用每一位来存放某种状态，适用于大规模数据，但数据状态又不是很多的情况。通常是用来判断某个数据存不存在的。在STL中有一个bitset容器，其实就是位图法。 举个例子来说明一下： 给40亿个不重复的无符号整数，没排过序。给一个无符号整数，如何快速判断一个数是否在这40亿个数中。 40亿个数全部存放大约要用16G的内存空间，这肯定是不现实

首先我们来看一道题笔试题，关于朋友圈的问题： 解决这个问题，我们可以用并查集来解决。 并查集是一种数据结构，用于处理不相交集合中的合并以及查询问题，将N个元素分成一组不相交的集合，开始时我们把每一个元素当成一个集合，然后按规律将集合合并。举例说明，首先定义一个只有10个元素的数组，并将每个元素的值设置为-1假设每个元素在集合中的关系如下： 看上图中的第一个树，0,6,7,8在用一个集合

堆是一种特殊的树形数据结构，每个结点都有一个值。通常我们所说的堆的数据结构，是指二叉堆。堆数据结构是一种数组对象，它可以被视为一棵完全二叉树结构。 堆结构的二叉存储分为2种形式，分别是最大堆和最小堆，最大堆就是每个父节点的值都大于或等于孩子节点的值，最小堆刚好与之相反，每个父节点的值都小于或等于孩子节点的值。 用以下代码实现一个堆，默认情况下是大堆的形式：#include <iostream>

1.哈夫曼树的简介： 哈夫曼树（Huffman tree），又名最优树，指给定n个权值作为n的叶子结点，构造一棵二叉树，若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。若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。 2.哈夫曼树的构造方式如下： 比如说有一组数，1,4,3

首先让我们明确一下内存之间的换算：1> 1Byte=8bit2>1KB=1024Byte=1024*8 bit3>1MB=1024KB=1024*1024Byte=1024*1024*8bit4>1G=1024MB=1024*1024KB=1024*1024*1024Byte(大约一亿个字节)=1024*1024*1024*8bit1）给一个超过100G大小的log f

1.红黑树的简介 红黑树是一棵二叉搜索树，它在每个节点上增加了一个存储位_color来表示节点的颜色，可以是Red或Black。通过对任何一条从根到叶子简单 路径上的颜色来约束，红黑树保证最长路径不超过最短路径的两倍，因而近似于平衡。红黑树没有达到AVL树的高度平衡，换句话说，它的高度，并没有AVL树那么高的要求，但他的应用却更加的广泛，实践中是相当高效的，他可以在O(log2 n)的时间内做查

1.AVL树的定义 AVL树又称为高度平衡的二叉搜索树，是1962年有俄罗斯的数学家G.M.Adel’son-Vel’skii和E.M.Landis提出来的。它能保持二叉树的高度 平衡，尽量降低二叉树的高度，减少树的平均搜索长度。 2.AVL树的性质 （1） 左子树和右子树的高度之差的绝对值不超过1 （2）树中的每个左子树和右子树都是AVL树 （3）每个节点都有一个平衡因子(balanc

二叉搜索树满足以下性质： 1. 每个节点都有一个作为搜索依据的关键码（key），所有节点的关键码互不相同。 2. 左子树上所有节点的关键码（key）都小于根节点的关键码（key）。 3. 右子树上所有节点的关键码（key）都大于根节点的关键码（key）。 4. 左右子树都是二叉搜索树。二叉搜索树可以进行插入、查找、删除等操作，现在以非递归方法实现下列操作：#pragma once#inclu

1.树的基本概念 树是一种非线性的数据结构，是由n（n>=0）个有限个数据的元素集合，形状像一颗倒过来的树。就像是这样： 树是由唯一的根和若干互不相交的子树组成的。其中的每一颗子树又是一棵树，也是由唯一根节点和互不相交的子树构成。因此，树的定义是递归的。值得注意的是，当一颗树没有节点时，称这棵树为空树。 2.关于树的一些相关术语 （1）节点：结点包含数据和指向其它节点的指针。 （2）根节点

一共写出了3种方案，都是用map实现的，方案三利用了[]的重载机制，统计出每个水果出现的次数之后，建堆，进行排序#include <iostream>#include <map>#include <vector>#include <algorithm>#include <string>using namespace std;//统计水果出现的次数struct Max{ boo

map和set我们之前介绍过了，现在通过对比说明一下map与multimap,set与multiset首先map的插入操作，不能插入已经存在的键值，若插入已经存在的键值，则插入无效，可应通过相应的办法来解决：void TestMap(){ map<string, string> dict; //[]能修改已存在键值的实值 dict["left"] = "左边"; d

首先看一下set与map的介绍：set关联式容器，set作为一个容器也是用来存储同一数据类型的数据类型，并且能从一个数据集合中取出数据，在set中每个元素的值都唯一，而且系统能根据元素的值自动进行排序。应该注意的是set中数元素的值不能直接被改变。C++ STL中标准关联容器set, multiset, map, multimap内部采用的就是一种非常高效的平衡检索二叉树：红黑树，也成为RB树(Re

STL可分为容器(containers)、迭代器(iterators)、空间配置器(allocator)、配接器(adaptors)、算法(algorithms)、仿函数(functors)六个部分。 1.库中list的使用方法#include <iostream>#include <list>#include <algorithm>#include <stdlib.h>using nam

要求考虑以下三种种情况，给出解决方案，并解决： 1：二叉树是搜索二叉树。2： 二叉树每个节点有parent（三叉链） 3：就是普通二叉树。（尽可能实现时间复杂度为O（N）） 针对第一种情况，是一棵二叉搜索树，我们可以根据数据的大小来判断两个节点的位置，如果在根节点的2侧，则根节点为最近公共祖先，如果在根节点的同侧，继续寻找2个节点的位置TreeNode* PublicLowParent(TreeN