码迷,mamicode.com
首页 > 其他好文 > 详细

数据结构及其变化

时间:2017-06-20 21:11:12      阅读:191      评论:0      收藏:0      [点我收藏+]

标签:数据结构   算法整理   


集合

散列表

定义:

散列表:通过将元素映射到该表中的某一位置,来提高访问速度 
装填因子:元素的个数/表的长度 
碰撞: 多个关键字映射到同一位置的现象 
碰撞检测方案:直接寻址法和链接法 
简单一致散列:每个元素散列时是独立的,与其他元素无关 
一致散列:假设每个关键字的探察序列`<0,1,2,…,m-1>的m!中排列的每一种可能性是相同的 
关键字集合静态:关键字集合存入表中后不再变化

散列函数的设计

即映射函数 。 
好的映射函数应该满足简单一致散列 
通常利用关键字分布的限制性信息来设计,称为启发式

乘法散列

hk = ka

除法散列

hk = k mod a

全域散列及设计

作用在大小为m的表上的一组映射函数H,其能够保证任意两个元素,最多只有|H|/m个映射函数会发生碰撞。 
这个设计的平均性能比较好

设计:

选则一个大质数p p> max(e) 
ha,b(k)=((ak+b)mod p)mod m 
Hp,m={ha,b:aZp* ,bZp
Hp,m中共有p(p-1)个散列函数

设计证明:

即证明选择不同的值发生碰撞的概率不大于1/m 
1 对于任意两个元素k,l(k!=l) r=(ak+b)mod p s=(al+b)mod p 可证明r!=s 
2 可用r s 来表示a,b a=((r-s)((k-l)-1 mod p)) mod p, b=(r-ak)mod p 重要的是可以证明<r,s>对和<a,b>对一一对应。 
3 可证明 给定r,p的选择数目为p-1个, 碰撞概率 r== s mod m 的数目最多为 (p-1)/m,所以碰撞概率最多为1/m

完全散列

定义:在静态集合上最坏查找是O(1)的散列技术

设计:

1 最外围函数为h(k)=((ak+b)mod p)mod m (是全域散列) 
2 散列表S的大小为mj 相关的散列函数为hj(k)=((ajk+bj)mod p)mod mj 
3 mj为落在该pos下的元素个数的平方

证明 n个关键字存储在m=n2的散列表中发生碰撞的概率小于1/2

E(x)=Cn2 * 1n2 = n2n2*1n2 < 1/2

证明 总体期望空间为O(n) E[ m1j=0nj^2] =E[ m1j=0 (nj + 2Cnj2)]=n + 2E[m1j=0Cnj2]=n+2Cnj2 * 1m = n+2Cnj2 * 1n=n+2n12< 2n

开放地址法

所有的元素都放在表中。依据探查序列算法解决发生碰撞时下一个探查的位置 
该结构在删除元素时,不能将对应的位置设置为空,而是设置一个deleted的标记 
线性探查 h(k,i)=(h(k)+ci)mod m 
二次探查 h(k,i)=(h(k)+c1i+c2i2)mod m 
双重散列 h(k,i)=(h(k)+h2(k)i)mod m

线

后进先出的数据结构

队列

先进先出的数据结构

二叉树

完全二叉树:只有最下面的两层结点度能够小于2,并且最下面一层的结点都集中在该层最左边的若干位置的二叉树 
满二叉树:除最后一层无任何子节点外,每一层上的所有结点都有两个子结点二叉树 
平衡二叉树:其左右高度相差不超过1,并且都是平衡二叉树, 
各基本操作的运行时间都是O(h) h为树的高度 
avl树=二叉搜索树+平衡

红黑书

根节点和叶子节点是黑色的,两者之间黑色节点的个数是相同的。另外一种树是红树,其子节点都是黑树 此为红黑树 
最坏情况下操作时间为O(lgn) 
每个节点 (color,key,left,rightp)

左旋

长子的次子是自己的长子 
自己是长子的次子

右旋

次子的长子是自己的次子 
自己是次子的长子

根据二叉树找到挂靠的父节点,直接插入,颜色为红 
增调:(红黑颠倒简称倒) 
伯红 => 伯父爷倒 我=我爷 命名为(上窜) 
伯黑 => (我是长子 => 我=父 左旋)父爷倒 爷右旋

确定实际要删的节点y(当前节点(双子不全)或者其继任)所以y一定不是双子 
确定y的替代节点x(唯一的孩子或空 ) 
x向上取代y 
若y黑,则删调 
删调:比较麻烦,后续再提炼

B树

定义 B树是平衡(t+)叉树 t>=2 是最小度数

B-TREE-SPLIT-CHILD :当前节点中间关键字放到上面,左右分拆为两个 
B-TREE-INSERT-CHILD: 
1 当跟节点为2t-1时,拆 
2 插入元素到指定node位置,如果node满了,拆;(如果父节点满了,拆)

1 删掉指定元素k 如果该元素位于内节点中。如果其有合适的前继或后继e,则删掉e;否则删掉k,合并左右子节点, 
2 若合并 则进行合并后调整: 检查该节点元素个数,如果不满足,则从左右兄弟拉元素或者合并

二叉堆

父元素大于(或小于)子元素的满二叉树

二项堆

可合并堆

支持create、insert、min、pop、union五种操作(建增查删合)的数据结构

二项树

一种递归定义的有序树。二项树B0只包含一个节点。二项树Bk 由两棵Bk-1连接而成,其中一颗树是另一棵树的左孩子。 
最小堆有序:结点的关键字大于或等于其父节点的关键字。

二项堆

最坏情况下时间复杂度为lgn 
是具有最小堆有序性质的二项树的一个集合,其中不存在根度数重复的元素 
容易证明m个元素 二项树的个数为<=lg2m+1

斐波那契堆

除删除外其余操作时间为O(1) 
由一组最小堆有序树构成,但不一定是二项树 
树根之间是无序的,树根之间和各个树内部都是双链。

先序、中序、后序

最小生成树

无向加权连通图<G,E> ,选择一组E1 ,E1 E,能连接所有顶点,求min(E1)

kruskal算法(OElgE)

优先收集全图最小边(除非该边的两个顶点都在已知的顶点中)

Prim算法(OElgV)

收集已知顶点外围的最小边

单源最短路径

最短路径估计:对每个顶点vV,都设置一个属性d[v],用来描述从源点到v的最短路径的上界。 
松弛技术: 
1 初始化每个顶点v与原点u间的最短路径估计为无穷 
2 针对

bellman-ford算法(OEV)

用每个顶点松弛每条边 ,可以处理边为负数的情况

dijkstra算法(Ov2

1 顶点集合S,将S边上最短路径的顶点u加入S 
2 使用u松弛u周围的边 
不可以处理边为负数的情况

多源最短路径

定义:计算每对顶点间的最短路径 
闭包:任何顶点之间都存在路径的有向图

floyd-warshall算法(OV3)

用任意顶点k松弛任意两个顶点<u,v>间的边

johnson算法

依次执行Dijkstra算法

最大流

流守恒:进入某顶点的速度等于离开该顶点的速度 
问题描述:在不违背容量限制的条件下,把物质从源点传输到汇点的最大速率是多少? 
ford-fulkerson方法依赖三种重要思想:残留网络,增广路径、割。

残留流量

Cf(u,v)=c(u,v)-f(u,v)

残留网络

给定一流网络G=(V,E)和流f,由f压得的G的残留网络是Gf=(V,Ef)

增广路径

增广路径为残留网络中的一条从源点到汇点的简单路径

流网络的割

将网络切成两部分的一种割法 
最小割 就是最小容量的割 
最大流最小割 最小割就是最大流

基本的ford-fulkerson算法

1 全置0 
2 依次寻找一个增广路径p,计算其最小容量c 
3 依次对该路径上的每段子路径的流加上c,每段子路径的容量减去c 
所以算法的关键是如何寻找到一个增广路径(寻增算法)

edmonds-karp算法

使用广度优先算法找增广路径

压入与重标记算法

定义 依次检查残留网络的每个顶点的相邻顶点 
两种基本操作:1 把流的余量从一个顶点压向另一个顶点 2重标记 
压入:把当前节点的余流沿着边压向邻点 
重标记:当前边为最低邻点的高度+1


本文出自 “12033555” 博客,请务必保留此出处http://12043555.blog.51cto.com/12033555/1940285

数据结构及其变化

标签:数据结构   算法整理   

原文地址:http://12043555.blog.51cto.com/12033555/1940285

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!