数据结构(期末)

目录

逻辑结构

存储结构

算法有以下五个特性

[算法+数据结构 = 程序](#算法+数据结构 = 程序)

时间复杂度

空间复杂度

数据元素是数据的基本单位

数据项是数据的最小单位

数据结构是带有结构的各数据元素的集合

时间复杂度例题

线性表

关于带头节点的单链表及不带头节点的单链表

栈和队列

栈和队列的定义和特点

队列

二叉树:先序,中序,后序

哈夫曼树

构造

编程

普里姆算法

归并排序

直插排序


逻辑结构

集合结构,线性结构,树形结构,图形结构

存储结构

顺序结构(地址连续)

链式结构(任意存储单元)(可连续,可不连续)

算法有以下五个特性

  1. 有穷性

  2. 确定性

  3. 可行性

  4. 输入

  5. 输出

算法+数据结构 = 程序

时间复杂度

复制代码
x++ 
时间复杂度:O(1)
    
for(i=1;i<=n;i++){
    x++;   
}
时间复杂度:O(n)
   
for(i=1;i<=n;i++){
    for(j=1;j<=n;i++){
        x++;
    }
}
时间复杂度:O(n^2)
    

空间复杂度

复制代码
int i = 1;
int j = 2;
++i;
j++;
int m = i+j
空间复杂度:O(1)
    
int m[] = new int[n];
for(i=1;i<=n;i++){
    j=i;
    j+1;
}
空间复杂度O(n)
    

数据元素是数据的基本单位

数据项是数据的最小单位

数据结构是带有结构的各数据元素的集合

时间复杂度例题

复制代码
i < 1;
whiel(i<=n){
    i = i * 3;
}
时间复杂度O(log3n)
解释:设i = i * 3 执行了x次,则 3^x = n;故x=log3n
    
    
x = 0
for(i=1;i<n;i++){
    for(j=1;j<=n-1;j++){
        x++
    }
}
时间复杂度O(n^2)
    
x = n;
y = 0;
while(x >= (y+1)*(y+1)){
    y++;
}
时间复杂度O(更号n)
    

线性表

关于带头节点的单链表及不带头节点的单链表

  1. 首元结点: 是指链表中存储第一个数据元素的结点。

  2. 头结点: 是在首元素结点之间附设的一个结点,其指针指向首元结点。

  3. 头指针: 是指链表中第一个结点的指针。若链表没有头节点,则头节点指针为线性表的头结点;若链表不设头节点,则头指针所指的结点为该线性表的首元结点。

栈和队列

栈和队列的定义和特点

  1. 栈:受约束的线性表,只允许栈顶元素入栈和出栈

  2. 对栈来说,表尾端称为栈顶,表头端称为栈底,不含元素的空表称为空栈

  3. 先进后出,后进先出

队列

  1. 队列:收约束的线性表,只允许在队尾插入,在队头删除

  2. 先进先出,后进后出

二叉树:先序,中序,后序

先序:根,左,右

中序:左,根,右

后序:左,右,根

哈夫曼树

哈夫曼树(Huffman Tree),又称最优二叉树,是一种带权路径长度最短的二叉树。它常用于数据压缩,通过构建一个树形结构来表示一系列元素的频率,频繁出现的元素用较短的编码表示,不频繁出现的元素用较长的编码表示。下面是哈夫曼树的构造过程以及一个简单的编程实现思路。

构造

  1. 统计每个字符的频率:首先,统计需要编码的所有字符出现的次数。

  2. 创建节点集合:为每个字符创建一个叶子节点,节点的权值为该字符的频率。

  3. 构建哈夫曼树:

    • 将所有叶子节点加入一个最小堆(优先队列),按照节点的权值进行排序。

    • 取出权值最小的两个节点。

    • 创建一个新的内部节点,其权值为这两个节点权值之和,新节点的左右子节点分别是这两个权值最小的节点。

    • 将新节点加入到最小堆中。

    • 重复上述过程,直到堆中只剩下一个节点,这个节点就是哈夫曼树的根节点。

编程

复制代码
import java.util.*;
​
class HuffmanNode implements Comparable<HuffmanNode> {
    int frequency; // 频率
    char data;
    HuffmanNode left, right;
​
    HuffmanNode(int freq, char data) {
        this.frequency = freq;
        this.data = data;
        left = right = null;
    }
​
    // 重写compareTo方法,用于优先队列的排序
    public int compareTo(HuffmanNode node) {
        return this.frequency - node.frequency;
    }
}
​
public class HuffmanCoding {
​
    // 构建哈夫曼树
    static HuffmanNode buildHuffmanTree(Map<Character, Integer> freqMap) {
        PriorityQueue<HuffmanNode> pq = new PriorityQueue<>();
​
        // 将每个字符及其频率添加到优先队列中
        for (Map.Entry<Character, Integer> entry : freqMap.entrySet()) {
            pq.add(new HuffmanNode(entry.getValue(), entry.getKey()));
        }
​
        // 合并节点直到只剩下一个节点(即哈夫曼树的根)
        while (pq.size() != 1) {
            HuffmanNode left = pq.poll();
            HuffmanNode right = pq.poll();
​
            HuffmanNode newNode = new HuffmanNode(left.frequency + right.frequency, '\0');
            newNode.left = left;
            newNode.right = right;
​
            pq.add(newNode);
        }
​
        return pq.peek(); // 返回哈夫曼树的根节点
    }
​
    // 生成哈夫曼编码(这里简化处理,未实现编码的具体生成逻辑)
    static void printCodes(HuffmanNode root, String str) {
        if (root == null)
            return;
​
        // 如果是叶子节点,则输出字符和编码
        if (root.data != '\0') {
            System.out.println(root.data + ": " + str);
            return;
        }
​
        // 非叶节点,递归生成左子树和右子树的编码
        printCodes(root.left, str + "0");
        printCodes(root.right, str + "1");
    }
​
    public static void main(String[] args) {
        Map<Character, Integer> freq = new HashMap<>();
        freq.put('A', 5);
        freq.put('B', 9);
        freq.put('C', 12);
        freq.put('D', 13);
        freq.put('E', 16);
        freq.put('F', 45);
​
        HuffmanNode root = buildHuffmanTree(freq);
        System.out.println("哈夫曼编码:");
        printCodes(root, "");
    }
}

普里姆算法

普里姆算法是一种用于寻找加权图的最小生成树的算法。下面是一个使用Java实现的普里姆算法的例子。在这个例子中,我们假设图是以邻接矩阵的形式存储的,其中INF表示两个顶点之间没有边。

复制代码
import java.util.Arrays;
​
public class PrimAlgorithm {
    final int V = 5; // 图的顶点数
    final int INF = Integer.MAX_VALUE; // 代表无穷大
​
    // 用来存储图的邻接矩阵
    int[][] graph = new int[][]{
            {0, 2, 0, 6, 0},
            {2, 0, 3, 8, 5},
            {0, 3, 0, 0, 7},
            {6, 8, 0, 0, 9},
            {0, 5, 7, 9, 0}
    };
​
    // 用于选择顶点的数组,如果selected[i]为true,则顶点i已包含在最小生成树中
    boolean[] selected = new boolean[V];
​
    // 用于存储最小生成树的边的权重
    int[] edgeWeight = new int[V];
​
    // 用于存储最小生成树中各顶点的父顶点
    int[] parent = new int[V];
​
    // 普里姆算法的主要实现
    void prim() {
        Arrays.fill(edgeWeight, INF);
        Arrays.fill(parent, -1);
        edgeWeight[0] = 0;
        parent[0] = -1; // 第一个顶点是没有父顶点的
​
        for (int i = 0; i < V; i++) {
            int u = minVertex();
            selected[u] = true;
​
            for (int v = 0; v < V; v++) {
                if (!selected[v] && graph[u][v] != 0 && graph[u][v] < edgeWeight[v]) {
                    parent[v] = u;
                    edgeWeight[v] = graph[u][v];
                }
            }
        }
    }
​
    // 找出未被选中的顶点中edgeWeight值最小的顶点
    int minVertex() {
        int min = INF;
        int minIndex = -1;
​
        for (int v = 0; v < V; v++) {
            if (!selected[v] && edgeWeight[v] <= min) {
                min = edgeWeight[v];
                minIndex = v;
            }
        }
​
        return minIndex;
    }
​
    // 打印最小生成树的边和权重
    void printMST() {
        System.out.println("边 \t 权重");
        for (int i = 1; i < V; i++) {
            System.out.println(parent[i] + " - " + i + "\t" + graph[i][parent[i]]);
        }
    }
​
    public static void main(String[] args) {
        PrimAlgorithm prim = new PrimAlgorithm();
        prim.prim();
        prim.printMST();
    }
}

在这个程序中,prim()方法执行普里姆算法,找出图的最小生成树;minVertex()方法找到当前尚未包含在最小生成树中,且具有最小权重的顶点;printMST()方法用于打印最小生成树的边和对应的权重。

归并排序

复制代码
public class SimpleMergeSort {
    public static void mergeSort(int[] array) {
        if (array == null || array.length <= 1) {
            return;
        }
        mergeSort(array, 0, array.length - 1);
    }
​
    private static void mergeSort(int[] array, int start, int end) {
        if (start < end) {
            int mid = start + (end - start) / 2;
            mergeSort(array, start, mid);
            mergeSort(array, mid + 1, end);
            merge(array, start, mid, end);
        }
    }
​
    private static void merge(int[] array, int start, int mid, int end) {
        int[] temp = new int[end - start + 1];
        int left = start, right = mid + 1, index = 0;
​
        while (left <= mid && right <= end) {
            if (array[left] <= array[right]) {
                temp[index++] = array[left++];
            } else {
                temp[index++] = array[right++];
            }
        }
​
        while (left <= mid) {
            temp[index++] = array[left++];
        }
​
        while (right <= end) {
            temp[index++] = array[right++];
        }
​
        for (int i = 0; i < temp.length; i++) {
            array[start + i] = temp[i];
        }
    }
​
    public static void main(String[] args) {
        int[] testArray = {9, 5, 1, 4, 3};
        mergeSort(testArray);
        for (int i : testArray) {
            System.out.print(i + " ");
        }
    }
}

直插排序

在这个实现中,insertionSort方法遍历数组中的每一个元素(从第二个元素开始,因为单个元素默认是有序的)。对于每一个元素,它会与前面已经排序好的部分进行比较,找到适当的位置并将其插入。这样逐步构建整个有序数组。

main方法提供了一个测试数组,并调用insertionSort方法对其进行排序,最后打印排序后的数组,以验证排序算法的正确性。

复制代码
public class InsertionSort {
    public static void insertionSort(int[] array) {
        if (array == null || array.length <= 1) {
            return;
        }
        
        for (int i = 1; i < array.length; i++) {
            int current = array[i];
            int j = i - 1;
            
            while (j >= 0 && array[j] > current) {
                array[j + 1] = array[j];
                j--;
            }
            array[j + 1] = current;
        }
    }
​
    public static void main(String[] args) {
        int[] testArray = {9, 5, 1, 4, 3};
        insertionSort(testArray);
        for (int value : testArray) {
            System.out.print(value + " ");
        }
    }
}
相关推荐
Json____8 分钟前
python的安装环境Miniconda(Conda 命令管理依赖配置)
开发语言·python·conda·miniconda
斌斌_____9 分钟前
通过反射机制,比较两个对象的字段值的差异
java
cooldream200913 分钟前
Spring Boot中集成MyBatis操作数据库详细教程
java·数据库·spring boot·mybatis
阑梦清川22 分钟前
JavaEE进阶---第一个SprintBoot项目创建过程&&&我的感受
java·java-ee·springboot
程序员清风27 分钟前
浅析Web实时通信技术!
java·后端·面试
wyh要好好学习34 分钟前
SSM— spring,springMVC,mybatis整合
java·spring
2401_8582861135 分钟前
C6.【C++ Cont】cout的格式输出
开发语言·c++
海害嗨1 小时前
牛客网Java高频面试题(2024最新版含答案)
java·开发语言
A-bodgie1 小时前
Spring 中的 Environment 对象
java·后端·spring·servlet·springboot
今天我又学废了1 小时前
scala学习记录,Set,Map
开发语言·学习·scala