算法与数据结构知识点
算法与数据结构知识点
基础的数据结构有哪些?
数据结构是以某种形式将数据组织在一起的集合,不仅存储数据, 还支持访问和处理数据的操作.
基础的数据结构有:线性表(数组,链表),栈与队列,树与二叉树,图等
- 冒泡
冒泡排序的思想: 每次比较两个相邻的元素, 如果他们的顺序错误就把他们交换位置。
def bubble_improve(l):
print l
flag = 1
for index in range(len(l) - 1, 0 , -1):
if flag:
flag = 0
for two_index in range(index):
if l[two_index] > l[two_index + 1]:
l[two_index], l[two_index + 1] = l[two_index + 1], l[two_index]
flag = 1
else:
break
print l
l = [10, 20, 40, 50, 30, 60]
bubble_improve(l)
快速排序使用分治法策略来把一个序列分为两个子序列。
步骤:
从数列中挑出一个元素,称为 "基准"(pivot),
重新排序数列,所有元素比基准值小的摆放在基准前面,所有元素比基准值大的摆在基准的后面(相同的数可以到任一边)。在这个分割结束之后,该基准就处于数列的中间位置。这个称为分割(partition)操作。
递归地(recursive)把小于基准值元素的子数列和大于基准值元素的子数列排序。
def quickSort(alist,first,last):
if first<last:
splitpoint = findpos(alist,first,last)
quickSort(alist,first,splitpoint-1)
quickSort(alist,splitpoint+1,last)
- 写一个二叉树
class TreeNode(object):
def __init__(self, left=None, right=None, data=None):
self.data = data
self.left = left
self.right = right
def preorder(root): #前序遍历
if root is None:
return
else:
print root.data
preorder(root.left)
preorder(root.right)
def inorder(root): #中序遍历
if root is None:
return
else:
inorder(root.left)
print root.data
inorder(root.right)
def postorder(root): # 后序遍历
if root is None:
return
else :
postorder(root.left)
postorder(root.right)
print root.data
- 找出二叉树中最远结点的距离?
计算一个二叉树的最大距离有两个情况:
情况A: 路径经过左子树的最深节点,通过根节点,再到右子树的最深节点。
情况B: 路径不穿过根节点,而是左子树或右子树的最大距离路径,取其大者。
只需要计算这两个情况的路径距离,并取其大者,就是该二叉树的最大距离。
- 深度优先遍历和广度优先遍历的区别?
1) 二叉树的深度优先遍历的非递归的通用做法是采用栈,广度优先遍历的非递归的通用做法是采用队列。
2) 深度优先遍历:对每一个可能的分支路径深入到不能再深入为止,而且每个结点只能访问一次。要特别注意的是,二叉树的深度优先遍历比较特殊,可以细分为先序遍历、中序遍历、后序遍历。具体说明如下:
• 先序遍历:对任一子树,先访问根,然后遍历其左子树,最后遍历其右子树。
• 中序遍历:对任一子树,先遍历其左子树,然后访问根,最后遍历其右子树。
• 后序遍历:对任一子树,先遍历其左子树,然后遍历其右子树,最后访问根。
广度优先遍历:又叫层次遍历,从上往下对每一层依次访问,在每一层中,从左往右(也可以从右往左)访问结点,访问完一层就进入下一层,直到没有结点可以访问为止。
3)深度优先搜素算法:不全部保留结点,占用空间少;有回溯操作(即有入栈、出栈操作),运行速度慢。
广度优先搜索算法:保留全部结点,占用空间大; 无回溯操作(即无入栈、出栈操作),运行速度快。
通常 深度优先搜索法不全部保留结点,扩展完的结点从数据库中弹出删去,这样,一般在数据库中存储的结点数就是深度值,因此它占用空间较少。所以,当搜索树的结点较多,用其它方法易产生内存溢出时,深度优先搜索不失为一种有效的求解方法。
广度优先搜索算法,一般需存储产生的所有结点,占用的存储空间要比深度优先搜索大得多,因此,程序设计中,必须考虑溢出和节省内存空间的问题。但广度优先搜索法一般无回溯操作,即入栈和出栈的操作,所以运行速度比深度优先搜索要快些
- 【数据结构与算法】 PROJECT 3 有向图的最短路径实现 之 知识点
- 算法与数据结构知识点总结(1)
- 【数据结构与算法】 一些知识点零零总总(引用网络知识点节选重组)
- 算法、数据结构知识点
- 算法与数据结构知识点总结
- 算法与数据结构知识点
- [笔面] 数据结构及算法面试题整理
- 数据结构与算法 Big O 备忘录与现实
- 数据结构与算法练习-Stack栈
- 互联网公司面试问题总结之数据结构和算法
- 常用查找数据结构及算法(Python实现)
- [置顶] 结构之法,算法之道:程序员面试、算法研究、编程艺术、红黑树、数据挖掘5大系列集锦
- 微软的22道数据结构算法面试题(含答案)
- 数据结构与算法——笔记(1)概念
- 【数据结构与算法】十二大经典排序算法之--冒泡排序(动图演示+附Python代码)详细分析-看了还不懂算我输
- 数据结构与算法:排序
- 数据结构之算法
- 数据结构与算法学习——选择排序【使用上篇的冒泡排序】
- 数据结构与算法之拓扑排序
- 优先队列的实现 Java数据结构与算法