共计 3535 个字符,预计需要花费 9 分钟才能阅读完成。
参考极客工夫
顺序存储
二叉树的遍历
前序遍历的递推公式:preOrder(r) = print r->preOrder(r->left)->preOrder(r->right)
中序遍历的递推公式:inOrder(r) = inOrder(r->left)->print r->inOrder(r->right)
后序遍历的递推公式:postOrder(r) = postOrder(r->left)->postOrder(r->right)->print r
void preOrder(Node* root) {if (root == null) return;
print root // 此处为伪代码,示意打印 root 节点
preOrder(root->left);
preOrder(root->right);
}
void inOrder(Node* root) {if (root == null) return;
inOrder(root->left);
print root // 此处为伪代码,示意打印 root 节点
inOrder(root->right);
}
void postOrder(Node* root) {if (root == null) return;
postOrder(root->left);
postOrder(root->right);
print root // 此处为伪代码,示意打印 root 节点
}
二叉查找树查找
public class BinarySearchTree {
private Node tree;
public Node find(int data) {
Node p = tree;
while (p != null) {if (data < p.data) p = p.left;
else if (data > p.data) p = p.right;
else return p;
}
return null;
}
public static class Node {
private int data;
private Node left;
private Node right;
public Node(int data) {this.data = data;}
}
}
二叉查找树插入
public void insert(int data) {if (tree == null) {tree = new Node(data);
return;
}
Node p = tree;
while (p != null) {if (data > p.data) {if (p.right == null) {p.right = new Node(data);
return;
}
p = p.right;
} else { // data < p.data
if (p.left == null) {p.left = new Node(data);
return;
}
p = p.left;
}
}
}
二叉查找树的删除操作
第一种状况是,如果要删除的节点没有子节点,咱们只须要间接将父节点中,指向要删除节点的指针置为 null。比方图中的删除节点 55。
第二种状况是,如果要删除的节点只有一个子节点(只有左子节点或者右子节点),咱们只须要更新父节点中,指向要删除节点的指针,让它指向要删除节点的子节点就能够了。比方图中的删除节点 13。
第三种状况是,如果要删除的节点有两个子节点,这就比较复杂了。咱们须要找到这个节点的右子树中的最小节点,把它替换到要删除的节点上。而后再删除掉这个最小节点,因为最小节点必定没有左子节点(如果有左子结点,那就不是最小节点了),所以,咱们能够利用下面两条规定来删除这个最小节点。
public void delete(int data) {
Node p = tree; // p 指向要删除的节点,初始化指向根节点
Node pp = null; // pp 记录的是 p 的父节点
while (p != null && p.data != data) {
pp = p;
if (data > p.data) p = p.right;
else p = p.left;
}
if (p == null) return; // 没有找到
// 要删除的节点有两个子节点
if (p.left != null && p.right != null) { // 查找右子树中最小节点
Node minP = p.right;
Node minPP = p; // minPP 示意 minP 的父节点
while (minP.left != null) {
minPP = minP;
minP = minP.left;
}
p.data = minP.data; // 将 minP 的数据替换到 p 中
p = minP; // 上面就变成了删除 minP 了
pp = minPP;
}
// 删除节点是叶子节点或者仅有一个子节点
Node child; // p 的子节点
if (p.left != null) child = p.left;
else if (p.right != null) child = p.right;
else child = null;
if (pp == null) tree = child; // 删除的是根节点
else if (pp.left == p) pp.left = child;
else pp.right = child;
}
为什么说堆排序没有疾速排序快
1、堆排序数据拜访的形式没有疾速排序敌对
2、对于同样的数据,在排序过程中,堆排序算法的数据交换次数要多于疾速排序
图存储形式:
邻接表存储办法
广度优先搜寻(BFS)
public void bfs(int s, int t) {if (s == t) return;
boolean[] visited = new boolean[v];
visited[s]=true;
Queue<Integer> queue = new LinkedList<>();
queue.add(s);
int[] prev = new int[v];
for (int i = 0; i < v; ++i) {prev[i] = -1;
}
while (queue.size() != 0) {int w = queue.poll();
for (int i = 0; i < adj[w].size(); ++i) {int q = adj[w].get(i);
if (!visited[q]) {prev[q] = w;
if (q == t) {print(prev, s, t);
return;
}
visited[q] = true;
queue.add(q);
}
}
}
}
private void print(int[] prev, int s, int t) { // 递归打印 s->t 的门路
if (prev[t] != -1 && t != s) {print(prev, s, prev[t]);
}
System.out.print(t + " ");
}
深度优先搜寻(DFS)
boolean found = false; // 全局变量或者类成员变量
public void dfs(int s, int t) {
found = false;
boolean[] visited = new boolean[v];
int[] prev = new int[v];
for (int i = 0; i < v; ++i) {prev[i] = -1;
}
recurDfs(s, t, visited, prev);
print(prev, s, t);
}
private void recurDfs(int w, int t, boolean[] visited, int[] prev) {if (found == true) return;
visited[w] = true;
if (w == t) {
found = true;
return;
}
for (int i = 0; i < adj[w].size(); ++i) {int q = adj[w].get(i);
if (!visited[q]) {prev[q] = w;
recurDfs(q, t, visited, prev);
}
}
}
b+ 树
每个节点中子节点的个数不能超过 m,也不能小于 m/2;根节点的子节点个数能够不超过 m/2,这是一个例外;m 叉树只存储索引,并不真正存储数据,这个有点儿相似跳表;通过链表将叶子节点串联在一起,这样能够不便按区间查找;个别状况,根节点会被存储在内存中,其余节点存储在磁盘中。树的高度也只是 3,最多只有 3 次磁盘 IO 就能获取到数据。磁盘 IO 变少了,查找数据的效率也就进步了。
B 树跟 B+ 树的不同点次要集中在这几个中央
B+ 树中的节点不存储数据,只是索引,而 B 树中的节点存储数据;B 树中的叶子节点并不需要链表来串联。B 树只是一个每个节点的子节点个数不能小于 m/2 的 m 叉树。B 树的长处在于数据存储在每个结点中,能够更快拜访到,而不必须走到叶子结点,B 树更多的用在文件系统中。B+ 树的每个非叶子结点都只充当索引,所以查问必须到叶子结点完结,但它非常适宜“扫库”和区间查找,而且因为大多结点只用于索引,所以并不会存储真正的数据,在内存上会更紧凑,雷同的内存就能够寄存更多的索引数据了。比方字典的拼音和汉字是拆散的,只须要几十页就能失去残缺的拼音表,然而如果拼音和汉字掺杂在一起,要失去残缺的索引(拼音)表就须要整个字典。
B 树结构
正文完