【数据结构】树&&堆

树概念及结构

树的概念

树是一种非线性的数据结构,它是由n(n>=0)个有限结点组成一个具有层次关系的集合。除根结点外,其余结点被分成M(M>0)个互不相交的集合T1、T2、……、Tm,其中每一个集合Ti(1<= i <= m)又是一棵结构与树类似的子树。每棵子树的根结点有且只有一个前驱,可以有0个或多个后继

 因此,树是递归定义的。
注意:树形结构中,子树之间不能有交集,否则就不是树形结构

 树的相关概念

结点的度:一个结点含有的子树的个数称为该结点的度;叶结点或终端结点:度为0的结点称为叶结点;非终端结点或分支结点:度不为0的结点;双亲结点或父结点:若一个结点含有子结点,则这个结点称为其子结点的父结点;孩子结点或子结点:一个结点含有的子树的根结点称为该结点的子结点; 兄弟结点:具有相同父结点的结点互称为兄弟结点;树的度:一棵树中,最大的结点的度称为树的度;结点的层次:从根开始定义起,根为第1层,根的子结点为第2层,以此类推; 树的高度或深度:树中结点的最大层次;森林:由m(m>0)棵互不相交的树的集合称为森林;

二叉树的基本概念与定义

概念

  • 每个节点最多有两个子节点的特性
  • 常见术语解释:根节点、叶子节点、子树、深度、高度等。

二叉树的常见类型

满二叉树,完全二叉树

满二叉树是一个父节点都有两个子节点,高度为h,最下面一层为叶子节点,数量为2^h-1

完全二叉树不全满,节点数量[2^(h-1),2^h-1]

二叉树的存储方式

顺序存储(数组表示)
顺序结构存储就是使用数组来存储,一般使用数组只适合表示完全二叉树,所以完全二叉树会有空间的浪费。而现实中使用中只有堆才会使用数组来存储
链式存储(节点结构体/类)
二叉树的链式存储结构是指,用链表来表示一棵二叉树,即用链来指示元素的逻辑关系。通常的方法是链表中每个结点由三个域组成,数据域和左右指针域,左右指针分别用来给出该结点左孩子和右孩子所在的链结点的存储地址 。链式结构又分为二叉链和三叉链,红黑树等会用到三叉链。

堆(一种二叉树)

堆的概念

已知一个集合里的元素,将其按照完全二叉树的格式储存起来,其中根节点最大的堆为大根堆,根节点最小的堆为小根堆。所有元素按完全二叉树的顺序储存在一维数组中堆中的某个节点总是不大于或者不小于父节点的值
小根堆&&大根堆

逻辑结构&&物理结构

Read more

力扣hot100滑动窗口(C++)

力扣hot100滑动窗口(C++)

一、无重复字符的最长子串 (s由英文字母、数字、符号和空格组成) 1.1题目解析 这道题要求找到一个字符串中不包含重复字符的最长子串的长度。子串必须是连续的字符序列,不是子序列,不能跳着选字符。 1.2初试 我最开始的想法很简单:把每个可能的子串都检查一遍。从字符串的第一个字符开始,看看能往右延伸多远不出现重复字符,记录这个长度,然后从第二个字符开始同样检查,一直试完所有起始位置。 class Solution { public: int lengthOfLongestSubstring(string s) { int n = s.size(); if(n == 0) return 0; int maxlength = 1; for(int i = 0; i < n; i++) { int a[256]

By Ne0inhk
链表的应用举例:从内存管理到缓存淘汰的艺术

链表的应用举例:从内存管理到缓存淘汰的艺术

链表的应用举例:从内存管理到缓存淘汰的艺术 * 引言:链表之美 * 一、链表在操作系统内存管理中的应用 * 1.1 内存碎片问题:美丽的"伤痕" * 1.2 链表:内存碎片的"穿线者" * 二、缓存:速度与容量的优雅平衡 * 2.1 缓存的概念:计算机世界的"速记本" * 2.2 缓存的工作原理:多级存储的和谐共舞 * 2.3 缓存内部的数据结构:从链表到哈希链表 * 三、LRU缓存淘汰算法:时间价值的体现 * 3.1 LRU算法原理:最近最少使用的智慧 * 3.2 LRU实现示例:四步看懂淘汰过程 * 3.

By Ne0inhk
【优选算法 | 模拟】探索模拟算法: 编程与问题分析的双重 考验

【优选算法 | 模拟】探索模拟算法: 编程与问题分析的双重 考验

算法相关知识点可以通过点击以下链接进行学习一起加油!双指针滑动窗口二分查找前缀和位运算 在本篇文章中,我们将深入解析模拟算法的原理。从基础概念到实际应用,带你了解如何通过模拟算法高效解决各种问题。无论你是刚接触算法的新手,还是希望提升编程能力的老手,模拟算法都是你提升问题解决能力的重要工具! 🌈个人主页:是店小二呀 🌈C/C++专栏:C语言\ C++ 🌈初/高阶数据结构专栏: 初阶数据结构\ 高阶数据结构 🌈Linux专栏: Linux 🌈算法专栏:算法 🌈Mysql专栏:Mysql 🌈你可知:无人扶我青云志 我自踏雪至山巅 文章目录 * 1576.替换所有的问号 * 495.提莫攻击 * 6.Z 字形变换 * 38. 外观数列 * 1419. 数青蛙 1576.替换所有的问号 【题目】:1576. 替换所有的问号 classSolution{public: string modifyString(

By Ne0inhk
算法---贪心算法(Greedy Algorithm)

算法---贪心算法(Greedy Algorithm)

一、贪心算法的核心定义与本质 贪心算法是一种在每一步选择中都采取当前状态下最优(即局部最优)的选择,以期最终获得全局最优解的启发式算法。其核心思想可概括为:“走一步看一步,每步都选最好的,不回头”。 与动态规划(DP)需要存储子问题的最优解并回溯不同,贪心算法不依赖历史决策——它通过每一步的局部最优积累,直接推导全局最优。这种“短视”的特性使其实现简单、效率极高,但也决定了它并非适用于所有问题,必须满足严格的前提条件。 二、贪心算法的适用条件 判断一个问题能否用贪心算法解决,必须同时满足以下两个核心性质,缺一不可: 1. 贪心选择性质 每一步的局部最优选择,能够导向全局最优解。即:在选择当前最优解时,不需要考虑后续的决策,其选择结果不会影响后续子问题的最优性。 * 示例:活动选择问题中,“选择最早结束的活动”这一局部最优选择,能为后续留下更多时间选择其他活动,最终导向全局最优(最多活动数)。 * 反例:0-1背包问题中,“选择价值密度最高的物品”无法保证全局最优(可能因剩余空间无法容纳其他高价值物品,导致总价值更低)。 2. 最优子结构性质

By Ne0inhk