[备战软考]数据结构与算法基础

：

数据结构与算法基础

线性表

1.顺序表

顺序的存储结构，元素在内存中以顺序存储。内存中占用连续的一个区域。

• 顺序表的删除
  把要删除的元素后面每个元素向前移动一位

• 顺序表的插入
  把要插入的位置后面的（包括自己）所有元素向后移动一位，再把要插入的元素放入该位置。

2.链表

离散的存储结构，各个点的存储空间是离散的，通过指针联系起来，从而成为一个整体的链表。

• 单链表
  从第一个元素开始指向下一个元素，最后一个元素指向NULL

• 循环链表
  最后一个元素指向头

• 双链表
  两个指针域，从两个方向连接

链表的操作

• 单链表的结点删除
  前驱指向后继

    Node* a1=(Node*)malloc(sizeof(Node));
    Node* a2=(Node*)malloc(sizeof(Node));
    Node* a3=(Node*)malloc(sizeof(Node));
    a1->next=a2;
    a2->next=a3;
    a3->next=NULL;
    cout<<a1->next<<endl;//未删除时

    //删除a2这个结点
    //关键步骤：将前一个元素的结点的next指向下一个节点
    a1->next=a2->next;
    //将删除的结点的内存释放
    free(a2);
    cout<<a1->next<<endl;

• 单链表的结点插入
  ①将新的结点指向后一个元素
  ②前一个结点指向要插入的结点
  （顺序不能颠倒，否则下一个结点的地址会找不到！）

    Node* a1=(Node*)malloc(sizeof(Node));
    Node* a2=(Node*)malloc(sizeof(Node));
    a1->next=a2;
    a2->next=NULL;
    //cout<<a1->next<<' '<<a2<<endl;
    //插入x这个结点至a1与a2中间
    Node* x=(Node*)malloc(sizeof(Node));
    x->next=a1->next;//第一步
    a1->next=x;
    //cout<<a1->next<<' '<<x<<endl;

• 双链表的结点插入和删除
  也是参照单链表的方法，做两次操作而已。但是都要先进行完第一步，再进行第二步。

3.顺序表与链表的比较

• 空间性能

项目	顺序存储	链式存储
存储密度	=1，更优	<1
容量分配	事先确定	动态改变，更优

• 时间性能

项目	顺序存储	链式存储
查找运算	O(n/2)	O(n/2)
读运算	O(1)，更优	O([n+1]/2)，最好1，最坏n
插入运算	O(n/2)，最好0，最坏n	O(1)，更优
删除运算	O([n-1]/2)	O(1)，更优

4.栈

先进后出，只能对栈顶进行操作。可以用顺序表和链表实现。

5.队列

先进先出，只能从队尾插入，对头读取。

循环队列

头指针：head 尾指针：tail
如果没有任何元素，head=tail，如果有元素入队，tail向后移一位
如果在最后一个位置也插入了元素，那么tail又会回到head的位置。
为了避免队列空和队列满是一个状态，将最后一个元素的位置舍弃不用。

树和二叉树

1.基本概念

• 结点的度：与下一层有几个结点相关联，它的度就是多少

• 树的度：整个树中度数最大的结点的度是多少，树的度就是多少

• 叶子结点：度为0的结点

• 分支结点：除了叶子结点的所有结点都是分支结点（下一层有分支）

• 内部结点：分支结点中除了根结点的所有结点都是内部结点（中间层的结点）

• 父结点

• 子节点

• 兄弟结点

• 层次

公式：所有结点的度之和+1=结点总个数

2.树的遍历

• 前序遍历：先访问根节点，再依次访问子结点(访问完了一个子结点在访问后一个子结点)

  1 2 5 6 7 3 4 8 9 10

• 后序遍历：先访问子结点，再访问根结点

  5 6 7 2 3 9 10 8 4 1

• 层次遍历：一层一层地访问

  1 2 3 4 5 6 7 8 9 10

3.二叉树

每个结点最多只能有两个子结点，分为左子结点和右子结点。

• 满二叉树：二叉树的每层都是满的（完整金字塔形状）

• 完全二叉树：对于n层的二叉树，其n-1层是满二叉树，第n层的结点从左到右连续排列

4.二叉树的遍历

与树的遍历是一样的，就是多了一种中序遍历

• 中序遍历：先访问左子结点，再访问根节点，再访问右子结点

5.查找二叉树（二叉排序树）

空树或满足以下递归条件：

• 查找树的左右子树各是一颗查找树

• 若左子树非空，则左子树上的各个结点的值均小于根节点的值

• 若右子树非空，则左子树上的各个结点的值均大于于根节点的值

基本操作

• 查找：比较当前结点的值与键值，若键值小，则进入左子结点，若键值大，则进入右子结点

• 插入结点：

  • 如果相同键值的结点已经在查找二叉树中，则不再插入
  • 如果查找二叉树为空树，则以新结点为查找二叉树
  • 比较插入结点的键值与插入后的父节点的键值，就能确定新结点是父节点的左子结点还是右子结点，并插入
• 删除操作
  
  • 若删除的结点p是叶子结点，则直接删除
  • 若p只有一个子结点，则将这个子结点与待删除的结点的父节点直接连接，然后删除节点p
  • 若p有两个子结点，在左子树上，用中序遍历找到关键值最大的结点s，用s的值代替p的值，然后删除结点s，结点s必须满足上面两种情况之一

6.最优二叉树（哈夫曼树）

基本概念

• 树的路径长度：到达每个叶子结点所需要的长度之和
• 权：人为定义的每个结点的值
• 带权路径长度：路径长度*该结点的权值
• 树的带权路径长度（树的代价）：每个叶子结点的带权路径长度之和

构造哈夫曼树

①把每个权值作为根节点，构造成树
②选择两颗根节点最小的树作为子树合成一颗新的树，根节点的值为两个根节点值的和
③重复②，直到只剩一棵树为止

7.线索二叉树

• 表示
  [Lbit][Lchild][Data][Rchild][Rbit]

标志域规定：
Lbit=0，Lchild是通常的指针
Lbit=1，Lchild是线索（指向前驱）
Rbit=0，Rchild是通常的指针
Rbit=1，Rchild是线索（指向后继）

将二叉树转化为线索二叉树

对于每个空余的左右指针，都用线索替代，左指针指向前驱，右指针指向后继

前序：A B D E H C F G I

中序：D B H E A F C G I

后序：D H E B F I G C A

8.平衡二叉树

对某个数列构造排序二叉树，可以构造出多颗形式不同的排序二叉树

• 定义：树中任一结点的左、右子树的深度相差不超过1

平衡树调整

浅谈算法和数据结构: 九 平衡查找树之红黑树

• LL型平衡旋转（单向右旋平衡处理）
• RR型平衡旋转（单向左旋平衡处理）
• LR型平衡旋转（双向旋转，先左后右）
• RL型平衡旋转（双向旋转，先右后左）

图

1.基本概念

• 图的构成：
  图由两个集合：V和E所构成，V是非空点集，E是边集，图 G=（V，E）

• 无向图和有向图：
  边是单向的是有向图，双向的就是无向图

• 顶点的度
  无向图：有几条边相连度就为几
  有向图：分为入度和出度

• 子图

• 完全图
  无向图中每对顶点都有一条边相连，有向图中每对顶点都有两条有向边相互连接

• 路径和回路

• 连通图
  有向图中，任意两点都有路径到达
  无向图中，没有孤立点的图

• 强连通
  有向图中，任意两点作为起点和终点都有路径到达则为强连通。如果只能确保单向连通，则是弱连通。

• 连通分量
  图的一个子图是连通图，那么这个子图就是一个连通分量

• 网络
  每一条边都有一个权值

2.图的存储

（此部分图片来自刘伟老师）

邻接矩阵

邻接表

又叫邻接链表

3.图的遍历

深度优先（DFS）

• 首先访问一个未访问的节点V
• 依次从V出发搜索V的每个邻接点W
• 若W未访问过，则从该点出发继续深度优先遍历

#include <iostream>
#include <cstring>
#define mem(a,b) memset(a,b,sizeof(a))

using namespace std;

const int maxn=100;

struct EDG
{
    int u;
    int v;
    int w;
    //初始化列表
    EDG(int uu=0,int vv=0,int ww=0):u(uu),v(vv),w(ww){}
}e[maxn];
int first[maxn],nxt[maxn*2];
int vis[maxn];
int len=0;
void mk_edg(int u,int v,int w)//加入u到v权值为w的边
{
    e[++len]=EDG(u,v,w);
    nxt[len]=first[u];
    first[u]=len;
    e[++len]=EDG(v,u,w);
    nxt[len]=first[v];
    first[v]=len;
}

//图的深度优先遍历（递归写法）
void DFS(int v)
{
    vis[v]=1;
    cout<<v<<' ';
    for(int i=first[v];i!=-1;i=nxt[i])
    {
        if(!vis[e[i].v])
        {
            DFS(e[i].v);
        }
    }
}

int main()
{
    mem(first,-1),mem(nxt,-1),mem(vis,0);
    int n,m;
    cin>>n>>m;
    for(int i=0;i<m;i++)
    {
        int u,v,w;
        cin>>u>>v>>w;
        mk_edg(u,v,w);
        mk_edg(v,u,w);
    }
    for(int i=0;i<n;i++)
    {
        if(!vis[i])
            DFS(i);
    }
    return 0;
}

广度优先（BFS）

• 首先访问一个未访问的顶点V
• 然后访问与顶点V邻接的全部未访问顶点W、X、Y……
• 然后再依次访问W、X、Y邻接的未访问顶点

4.最小生成树

（此部分代码来自刘伟老师）

Prim算法

思想：
(1) 任意选定一点s，设集合S={s}
(2) 从不在集合S的点中选出一个点j使得其与S内的某点i的距离最短，则(i，j)就是生成树上的一条边，同时将j点加入S
(3) 转到(2)继续进行，直至所有点都己加入S集合

#include<iostream>  
using namespace std; 

#define MAXN 2001
#define INF 1000000

int n, m;
int G[MAXN][MAXN];  //存储图

void init(){
    for(int i = 0 ; i < n ; i++){  
       for(int j = 0 ; j < n ; j++)  
           G[i][j] = INF;    //初始化图中两点间距离为无穷大 
    }
}

void prim(){
     int closeset[n], //记录不在S中的顶点在S中的最近邻接点
         lowcost[n], //记录不在S中的顶点到S的最短距离，即到最近邻接点的权值 
         used[n]; //标记顶点是否被访问，访问过的顶点标记为1 

     for (int i = 0; i < n; i++)
     {
        //初始化，S中只有第1个点(0)
        lowcost[i] = G[0][i]; //获取其他顶点到第1个点(0)的距离，不直接相邻的顶点距离为无穷大 
        closeset[i] = 0; //初始情况下所有点的最近邻接点都为第1个点(0) 
        used[i] = 0; //初始情况下所有点都没有被访问过
     }

     used[0] = 1;  //访问第1个点(0)，将第1个点加到S中

     //每一次循环找出一个到S距离最近的顶点 
     for (int i = 1; i < n; i++)
     {
         int j = 0;

         //每一次循环计算所有没有使用的顶点到当前S的距离，得到在没有使用的顶点中到S的最短距离以及顶点号 
         for (int k = 0; k < n; k++)
             if ((!used[k]) && (lowcost[k] < lowcost[j])) j = k; //如果顶点k没有被使用，且到S的距离小于j到S的距离，将k赋给j 

         printf("%d %d %d\n",closeset[j] + 1, j + 1, lowcost[j]);   //输出S中与j最近邻点，j，以及它们之间的距离

         used[j] = 1; //将j增加到S中

         //每一次循环用于在j加入S后，重新计算不在S中的顶点到S的距离 
         //主要是修改与j相邻的边到S的距离，修改lowcost和closeset 
         for (int k = 0; k < n; k++)
         {
             if ((!used[k]) && (G[j][k] < lowcost[k]))  //松弛操作，如果k没有被使用，且k到j的距离比原来k到S的距离小 
             { 
                     lowcost[k] = G[j][k]; //将k到j的距离作为新的k到S之间的距离 
                     closeset[k] = j; //将j作为k在S中的最近邻点 
             }
         }
     }
}  

int main(){  
    int a , b , w;  
    scanf("%d%d" , &n , &m);  
    init();  
    for(int i = 0 ; i < m ; i++){  
        scanf("%d%d%d" , &a , &b , &w);  
        if(G[a-1][b-1] > w)  
          G[a-1][b-1] = G[b-1][a-1] = w;  //无向图赋权值 
    }  
    prim();
    system("pause");  
    return 0;  
} 

Kruskal算法

思想：
(1) 将边按权值从小到大排序后逐个判断，如果当前的边加入以后不会产生环，那么就把当前边作为生成树的一条边
(2) 最终得到的结果就是最小生成树

#include <iostream>
#include <algorithm>
using namespace std;

/* 定义边(x,y)，权为w */
struct edge
{
    int x, y;
    int w;
};

const int MAX = 26;
edge e[MAX * MAX];
int rank[MAX];/* rank[x]表示x的秩 */
int father[MAX];/* father[x]表示x的父节点 */
int sum; /*存储最小生成树的总权重 */ 

/* 比较函数，按权值非降序排序 */
bool cmp(const edge a, const edge b)
{
     return a.w < b.w;
}

/* 初始化集合 */
void make_set(int x)
{
    father[x] = x;
    rank[x] = 0;
}

/* 查找x元素所在的集合,回溯时压缩路径 */
int find_set(int x)
{
    if (x != father[x])
    {
        father[x] = find_set(father[x]);
    }
    return father[x];
}

/* 合并x,y所在的集合 */
int union_set(int x, int y, int w)
{
    if (x == y) return 0;
    if (rank[x] > rank[y])
    {
        father[y] = x;
    }
    else
    {
        if (rank[x] == rank[y])
        {
            rank[y]++;
        }
        father[x] = y;
    }
    sum += w; //记录权重
    return 1;
}

int main()
{
    int i, j, k, m, n, t;
    char ch;
    while(cin >> m && m != 0)
    {
        k = 0;
        for (i = 0; i < m; i++) make_set(i); //初始化集合，m为顶点个数 

        //对后m-1进行逐行处理 
        for (i = 0; i < m - 1; i++)
        {
            cin >> ch >> n; //获取字符（顶点） 
            for (j = 0; j < n; j++)
            {
                cin >> ch >> e[k].w; //获取权重 
                e[k].x = i;
                e[k].y = ch - 'A';
                k++;
            }
        }

        sort(e, e + k, cmp); //STL中的函数，直接对数组进行排序 

        sum = 0;

        for (i = 0; i < k; i++)
        {
            int result = union_set(find_set(e[i].x), find_set(e[i].y), e[i].w);
            if(result) cout<< e[i].x + 1<< "," << e[i].y + 1 <<endl;
        }

        cout << sum << endl;
    }
    system("pause");
    return 0;
}

5.拓扑排序

• AOV网
  

• 拓扑排序
  (1) 将所有入度为0的点加入队列
  (2) 每次取出队首顶点
  (3) 删除其连出的边，检查是否有新的入度为0的顶点，有则加入队列
  (4) 重复(2)直到队列为空

6.关键路径

• AOE网
  在AOV网中把边加上权值就变成了AOE网
  

概念：

• 顶点 j 事件的最早发生时间，即从源点到顶点 j 的最长路径长度，记作Ve( j )；
• 活动ai的最早发生时间：Ve( j )是以顶点为 j 为起点的出边所表示的活动ai的最早开始时间，记作e( i )
• 顶点 j 事件的最迟发生时间：即在不推迟整个工程完成的前提下，事件 j 允许最迟的发生时间，记作Vl( j );
• 活动ai的最迟发生时间：Vl( j ) - (ai所需的时间)，就是活动ai的最迟开始时间，其中j是活动ai的终点，记作l(i);

排序算法

1.插入排序

直接插入排序：

• 每一步把当前的数插入到已经有序的序列中

Shell排序：也称缩小增量排序

• 根据步长d，把相距间隔为d的元素分到一组，在内部进行直接插入排序，然后步长减半，重复这一步操作，直到步长d=1为止

2.选择排序

简单选择排序：

• 每一步查找剩余序列中最小的元素，然后将该元素放到已序序列的末尾

堆排序：

• 还没搞明白

3.交换排序

冒泡排序：

• 从后往前每一步对比相邻的两个元素，如果后面的元素小，则交换

快速排序：

• 运用分治思想。每次选择第一个元素作为基准，将比它小的元素放前面，比它大的放后面，接着在这两个子区间继续进行这一操作。

4.归并排序

• 首先把元素两个一组分组，使每个组内都有序，接下来在把每两组合并，重复这一操作直到只剩一组。

5.基数排序

• 根据元素的每一位来排序，高位的优先级比低位的高

哈希表

Hash表示一种十分实用的查找技术，具有极高的查找效率

1.Hash函数的构造

没有特定的要求，所以方法很多，只要能尽量避免冲突，就叫好的Hash函数，要根据实际情况来构造合理的Hash函数

• 直接定址法
  H(key)=key 或 H(key) = a*key+b

• 除余法
  以关键码除以表元素总数后得到的余数为地址

• 基数转换法
  将关键码看作是某个基数制上的整数，然后将其转换为另一基数制上的数

• 平方取中法
  取关键码的平方值，根据表长度取中间的几位数作为散列函数值

• 折叠法
  将关键码分成多段，左边的段向右折，右边的段向左折，然后叠加

• 移位法
  将关键码分为多段，左边的段右移，右边的段左移，然后叠加

• 随机数法
  选择一个随机函数，取关键码的随机函数值

2.冲突处理方法

开放地址法

• 线性探查法：冲突后直接向下线性地址找一个新的空间存放
• 双散列函数法：用两个散列函数来解决冲突

拉链法

将散列表的每个结点增加一个指针字段，用于链接同义词的字表

查找算法

1.顺序查找

从一端开始逐个对比当前结点和关键字是否相等

2.二分查找

（要求待查序列为有序表）
每次对比中点和关键字是否相等，若相等则找到。若关键字大，则在右边的区间继续这一操作，否则在左边的区间继续这一操作

3.分块查找

用索引表记录块的最大关键字和起始地址，然后查找的时候只要找到关键字所在的块，然后在对应的块中查找就可以了