LWJ的专栏

端午节假期的最后一天，天气凉爽，我下午该回学校了。原本，我昨天就该写下二叉树的博文，但是由于在二叉树删除这块的功能实现不尽人意，所以我推迟了，希望将其改进后再进行记录。早上趁着清醒，我如愿地改进了二叉树的删除功能，特此记录想法的美好瞬间。 1、二叉树的基本概念        二叉树的特点是每个结点至多有二棵子树，并且子树之间有左右之分。二叉树的其他特性可以参考博文链接，这里按照我自己的

最初在阅读数据结构书籍时没有仔细看过哈希，潜意识认为太难了，应该用不到吧~但是，最近关注哈希表的原因是我在刷Leedcode时，有道题Two sum可以用哈希表求解，利用哈希特性“将庞大的数据进行压缩”，这就是哈希在处理大数据时的优势。1、哈希表基本概念        哈希表（Hash table，又叫散列表），是根据关键码值而直接进行访问的数据结构。我在这里将其抽象为“数组+链表”的复合

在这里我将讨论数组的排序问题，并引入插入排序算法和递归算法求解。1、插入排序             这里通过算法导论中的伪代码说明算法过程。        Insertion-sort(A)        for(j=2 to A.length)                  key=A[j]                  //Insert A[j] into s

摘要：本篇博客，介绍另一种数组排序算法：堆排序。算法用C实现。

动态规划与分治法相似，都是通过组合子问题的解来求解原问题。回顾下分治法的原理：它将问题划分为互不相交的子问题（注意：互不相交），递归求解子问题，再将它们的解组合起来，即为原问题的解。       但是，动态规划与分治法不同，有以下几点：1）对于子问题重叠的情况，分治法则重复求解，不高效。而动态规划对每个子问题只求解一次，因为它将子问题的解进行保存，当遇到重复的子问题时，不再计算，只需查找替

摘要： 上次分析了哈希表的链地址法的实现，即采用“数组+链表”的数据结构。这次，介绍下用哈希桶的方式去解决哈希冲突，即通过哈希函数hash()将key转化为哈希值，然后根据桶的容量（桶的容量固定），且结合“除余法”定位到某个哈希下标，为该哈希值建立哈希桶（Bucket）。