hollischuang/algorithm

算法学习

• 这个专栏是Hollis知识星球的朋友们练习算法的地方
• 欢迎广大网友参与分享算法学习经验
• 项目目前分为两部分
  • solutions 目录
    • 算法题解，格式是 md 格式文件，方便阅读
    • 包括
      • 算法平台的题解，如 Leetcode 等
      • 算法书籍的题解，如 《剑指 Offer》
  • codes 目录：
    • 数据结构和算法的实现代码
    • 包括
      • 各类网络公开课的代码
      • 各类算法书籍的代码
• 备注
  • 本项目选取的资源都来自官方公开免费资源
  • 本项目所有内容不做商业用途
  • 本项目大部分代码由贡献者自己编写，如有引用则注明出处

学习方式

1. 面试刷题

适合短期面试突击或日常刷题练手

• LeetCode：https://leetcode-cn.com/problemset/all
• 牛客网：https://www.nowcoder.com

2. 基础知识

适合从零开始真正学习和掌握数据结构和算法知识

网络公开课

1) 数据结构与算法基础-java版（罗召勇）

• 访问地址：
  https://www.bilibili.com/video/BV1Zt411o7Rn

2) 尚硅谷Java数据结构与java算法（Java数据结构与算法）

• 访问地址
  https://www.bilibili.com/video/BV1E4411H73v

笔记

一、数据结构与算法基础-java版（罗召勇）

本课程为 DT 课堂颜群发布在 Bilibili 上的免费视频
《数据结构与算法基础-java版（罗召勇）》
https://www.bilibili.com/video/BV1Zt411o7Rn

• 本项目中实现代码：
  codes/java_dataStructure_luozhaoyong

1. 数据结构概述

概念

• 数据结构：数据与数据之间的关系
• 两方面讨论：
  • 存储结构
    • 顺序存储：存储在连续的存储单元
    • 链式存储：不连续，每次存储都有数据和指针
  • 逻辑结构
    • 数据和数据本身之间的关系
      • 集合结构：数据同属于一个集合
      • 线性结构：元素之间一对一的关系
        • 数组
        • 栈
        • 队列
        • 单链表
        • 循环链表
        • 双链表
        • 递归
        • 排序算法
      • 树形结构：元素之间一对多的关系
      • 图形结构：元素之间多对多的关系

2. 算法概述

• 算法定义：解决问题的思路
• 算法的特性：
  • 输入：0 到多个输入
  • 输出：至少 1 个输出
  • 有穷性：有限的步骤里算出结果
  • 确定性：一个输入对应一个输出，结果确定
  • 可行性：能够解决实际问题
• 算法的基本要求：
  • 正确性：能够得出正确的结果
  • 可读性：能够被看懂
  • 健壮性：对于各种情形算法都有效
  • 时间复杂度：消耗的时间
  • 空间复杂度：占用的内存

3. 数组的基本作用

顺序存储的线性结构称为数组

数组的使用

• 下标从 0 开始，下标最大值为（数组长度-1）
• 数组创建方式：
  • int[] arr = new int[3];
    • int 规定了数组中元素的类型
    • 3 规定了数组的长度
    • arr[0] = 1; // 为数组中指定位置赋值
  • int[] arr = new int[]{1, 2, 3 };
    • 创建数组的同时给数组赋值

4. 数组元素的添加

动态扩容

解决数组元素不可变的问题

• 1. 新建一个数组，长度为原数组长度+1
• 2. 将原数组中的元素逐个赋值到新数组
• 3. 将目标元素添加到新数组的末尾
• 4. 用新数组替换原数组

5. 数组元素的删除

• 1. 创建一个新数组，长度为原数组长度-1
• 2. 将原数组中除要删除元素之外的元素，逐个赋值给新数组
• 3. 用新数组替换原数组

6. 面向对象的数组

• 在对象数组中创建一个数组成员变量，实际操作都在这个成员变量中进行
• 主要操作：
  • 向数组末尾添加元素
  • 删除指定位置的元素
  • 获取指定位置的元素
  • 插入一个元素到指定位置
  • 为数组中指定位置赋值

7. 查找算法之线性查找

• 遍历每一个元素，依次与目标值对比

8. 查找算法之二分法查找

• 适用范围：有序数组
• 步骤：
  • 1. 数组开始位置为 0，结束位置为数组长度 -1
  • 2. 通过开始位置和结束位置获取中间位置的值
  • 3. 将中间值与目标值对比
    • 中间值 > 目标值：将结束位置左移到中间位置-1，继续向左查找更小的值
    • 中间值 < 目标值：将开始位置右移到中间位置+1，继续向右查找更小的值
    • 中间值 = 目标值：中间值就是要查找的值，返回中间值下标
  • 4. 重复步骤 2 和 3，直至找出目标位置或者遍历完数组

10. 栈

数组实现栈的思路

• 向数组末尾添加元素
• 从数组末尾取元素
• 依次实现下列方法：
  • push
  • pop
  • peek
  • isEmpty

11. 队列

数组实现队列的思路

• 在数组末尾加入元素
• 在数组开头取出元素
• 依次实现下列方法
  • add
  • poll
  • isEmpty

12. 单链表

• 定义节点类 Node，包含以下成员变量
  • int data：节点内容/数据
  • Node next：下一个节点，类型也是节点
• 为节点类添加下列方法
  • append // 向链表末尾添加
  • next // 获取当前节点的下一个节点
  • getData // 获取节点的数据
  • isLast // 判断当前节点是否为最后一个节点

13. 删除单链表中的节点

• 删除当前节点的后继节点
  • 获取后继节点的后继节点
  • 将当前节点的后继节点指向新的后继节点
  • 原有后继节点与前置和后继节点都失去了联系，达到了删除效果

14. 在单链表中插入一个节点

• 让当前节点的后继节点指向要插入的节点
• 要插入的节点后继节点指向原后继节点
• 新的连接关系：当前节点-->插入节点-->原后继节点

15. 循环链表

• 链表最后一个节点的后继节点指向链表的头节点
• 实现下列方法
  • next 获取后继节点
  • getData 获取当前节点值
  • after 插入一个新节点

16. 循环双链表

• 每一个节点都会记录其前置节点和后继节点
• 三个成员变量
  • 上一个节点
  • 下一个节点
  • 当前节点数据
• 实现下列方法
  • after 新增节点
  • next 获取后继节点
  • pre 获取前驱节点
  • getData 获取当前节点值

17. 递归和斐波那契数列

• 递归就是在函数内部调用该函数本身
• 斐波那契数列：1 1 2 3 ...
  • 从第三项起，每一项的值都是前两项之和

18. 汉诺塔问题

• 三根柱子 + n 个盘子
• n 个盘子一开始都在第一根柱子上
• 每次只能移动一个盘子
• 用最少的步数将 n 个盘子从第一根柱子移动到第三根柱子
• 解决思路
  • 求出只有 1 个盘子的情况
  • 求出只有 2 个盘子的情况
  • n 个盘子的情况都可以简化成 2 个盘子的情况

19. 算法的时间复杂度和空间复杂度

• 时间复杂度：运行时占用时间
• 空间复杂度：运行时占用内存
• 一个算法中语句需要执行的次数，称为语句频度，记为 T(N)
• 随着执行次数增多，时间复杂度估算时可以忽略以下内容
  • 忽略常数项
    • 在坐标轴上画出曲线
    • 随着 n 的增大
      • 2n+20 和 2n 两条曲线会趋向重合
      • 3n+10 和 3n 两条曲线会趋向重合
    • 在 n 较大时，常数项的影响可以忽略
  • 忽略低次项
    • 在坐标轴上画出曲线
    • 随着 n 的增大
      • 2n^2 + 3n + 10 和 2n^2 两条曲线都趋向 n^2
      • n^2 + 5n + 20 和 n^2 两条曲线都趋向 n^2
    • 在 n 较大时，低次项的影响可以忽略
  • 忽略系数
    • 在坐标轴上画出曲线
    • 随着 n 的增大
      • 3n^2 + 2n 和 5n^2 + 7n 两条曲线趋向重合
      • n^3 + 5n 和 6n^3 + 4n 两条曲线趋向重合
    • 在 n 较大时，稀疏的影响可以忽略
• 大 O 表示法
  • T(n) 表示算法中基本操作语句的重复执行次数是问题规模 n 的函数
  • 如果有一个辅助函数 f(n)
  • 使得 n 趋近于无穷大时，T(n) 和 f(n) 的极限值为不等于 0 的常数
  • 则称 f(n) 是 T(n) 的同数量级函数，记做 T(n) = O(f(n))
  • O(f(n)) 称为算法的渐进时间复杂度，简称时间复杂度
• 常见的时间复杂度
  • 常数阶 O(1)
  • 对数阶 O(log2n)
  • 线性阶 O(n)
  • 线性对数阶 O(nlog2n)
  • 平方阶 O(n^2)
  • 立方阶 O(n^3)
  • 次方阶 O(n^k)
  • 指数阶 O(2^n)
  • 随着问题规模 n 的不断增大，上述时间复杂度不断增大，算法执行效率越低
• 计算时间复杂度的方法
  • 常数 1 代替所有加法常数
  • 只保留最高阶项
  • 去掉最高阶项的系数
• 平均时间复杂度和最坏时间复杂度
  • 通常只讨论最坏时间复杂度

20. 排序算法之冒泡排序

常见排序算法总结

• 交换排序
  • 冒泡排序
  • 快速排序
• 插入排序
  • 直接插入排序
  • 希尔排序
• 选择排序
  • 简单选择排序
  • 堆排序
• 归并排序
• 基数排序

冒泡排序

• 第一轮
  • 从第 1 个元素开始，比较相邻两个元素，将较大的元素后移，直到最大的元素移动到数组末尾
• 第二轮
  • 从第 1 个元素开始，比较相邻两个元素，将较大的元素后移，直到本轮最大的元素移动到数组倒数第二个位置
• 第三轮
  • 从第 1 个元素开始，比较相邻两个元素，将较大的元素后移，直到本轮最大的元素移动到数组倒数第三个位置
• 第 n 轮
  • 每轮都从第 1 个元素开始，比较相邻两个元素，将较大的元素后移
  • 前一轮的最大元素不再参与下一轮比较，所以每一轮参与比较的元素都比上一轮少 1 个
  • 每一轮中最大元素都会从前往后移，类似气泡冒出水面，所以称为冒泡排序

21. 排序算法之快速排序

• 1. 从数组中找出一个基准数
• 2. 数组定义左右两个指针分别向中间移动
• 3. 数组左侧的值比基准值大，则移到数组右侧
• 4. 数组右侧的值比基准值小，则移到数组左侧
• 5. 当左右两个指针重合时，当前轮排序结束
• 6. 指针重合的位置将数组分为两部分，分别对两部分递归调用快速排序
• 7. 重复上述步骤，直到排序完成

22. 排序算法之插入排序

• 将数组分为未排序和已排序两部分
• 从数组第二个元素位置开始
• 每次从未排序部分取出第一个数字
• 将其按规定顺序插入已排序部分
• 同时插入位置之后的数字依次后移 1 位
• 重复上述步骤，已排序部分逐渐向右扩大，直到所有数字都正确排序为止

23. 排序算法之希尔排序

• 插入排序的问题
  • 如果待插入的数字，比已排序部分所有数字都小
  • 那么已排序部分就要进行大量的元素后移操作，效率较低
• 希尔排序
  • 取某个数字作为步长，按步长对数组进行插入排序
  • 排序完成后，步长按规律递减
  • 用新步长进行下一轮插入排序
  • 重复上述步骤，直到步长变成 1，进行最后一轮普通的插入排序为止

24. 排序算法之选择排序

• 将数组看作有序和无序两部分
• 从第一个元素开始，在无序部分找出最小的元素
• 将最小的元素与无序部分的第一个元素交换位置
• 重复上述步骤，直到数组完全有序为止

25. 排序算法之归并排序

• 归并方法
  • 原数组已经被分为两部分，每部分都各自有序
  • 创建一个与原数组等长的临时数组
  • 依次从两部分中取出元素进行对比，按照顺序放入临时数组
  • 所有元素都放入新数组后，整个数组已经排好序
  • 将临时数组重新赋值给原有数组
• 递归部分
  • 将原数组折半划分为两部分
  • 依次对两部分递归调用递归算法
  • 直到数组不可再分

26. 排序算法之基数排序

• 思路
  • 第一轮按所有元素的个位数字排序
  • 第二轮按所有元素的十位数字排序
  • 以此类推
  • 当按照数组中元素的最大位数排序之后，最终得到 1 个有序的数组
• 举例
  • 例如数组 [5, 1, 72, 36, 101]
  • 为便于理解，想象元素空缺的位数上都是 0
  • 把数组写成如下形式
  • 排序前的原始数组 [005, 001, 072, 036, 101]
  • 第一轮按个位排序 [001, 101, 072, 005, 036]
  • 第二轮按十位排序 [001, 101, 005, 036, 072]
  • 第三轮按百位排序 [001, 005, 036, 072, 101]
  • 每轮排序后，位数相同的数字，相对顺序不会改变
  • 如第一次按照个位排序后，两个个位数字 1 和 5
  • 1 在接下来的几轮排序过程中，总是位于 5 的前面
  • 所有排序结束后，就得到了按照数字整体大小排列的数组

27. 基数排序之队列实现

• 26 节的基数排序中，我们使用二维数组来表示桶
• 桶中的元素有先进先出的特点，可以将二维数组换成队列

28. 树结构概述

数据结构的特点：

• 线性结构：
  • 顺序存储：添加删除耗时
  • 链式存储：查找耗时
• 树结构：
  • 解决了顺序存储和链式存储的上述问题

树的基本概念：

• 根结点：起始节点
• 双亲节点（即父节点）：有子节点的节点
• 子节点：向上溯源，有双亲节点的节点
• 路径：从根结点到指定节点所要经过的所有节点
• 节点的度：子节点的个数
• 节点的权：节点的数值
• 叶子节点：没有子节点的节点，即度为 0 的树
• 子树：树中包含的树
• 层：把根结点看作第一层，根结点的子树为第二层，树有多少代，就有多少层
• 树的高度：树的最大层数
• 森林：多棵树组成一个森林

29. 二叉树概述：

• 概念：

  • 任何一个节点，子节点的数量不超过 2，这棵树就是二叉树
  • 二叉树的左右节点顺序不同，视为不同的两棵树

• 满二叉树：

  • 所有叶子节点都在最后一层
  • 且总的节点个数为 2^n-1
  • n 是树的高度

• 完全二叉树：

  • 所有叶子节点都在最后一层或倒数第二层
  • 且最后一层的叶子节点在左边连续
  • 倒数第二层的叶子节点在右边连续
  • 数节点确认：
    • 从左向右从上到下数节点
    • 数到最后一个节点
    • 完全连续没有间断就是完全二叉树

30. 创建二叉树

二叉树的存储结构

• 链式存储
  • 创建二叉树
  • 添加节点
  • 查找节点
  • 树的遍历
  • 删除节点
• 顺序存储

二叉树的形态

• 空树：无节点
• 左斜树：所有节点都在左侧
• 右斜树：所有节点都在右侧

31. 树的遍历

• 三种遍历形式：
  • 根据根结点的位置确定顺序
  • 前序：根结点-->左节点-->右节点
  • 中序：左结点-->根节点-->右节点
  • 后序：左结点-->右节点-->根节点

32. 二叉树中节点的查找（链式存储）

• 与二叉树遍历方法类似

33. 删除二叉树的子树（链式存储）

• 递归删除

34. 顺序存储的二叉树介绍

• 顺序存储二叉树通常只考虑完全二叉树

性质

• 第 n 个元素的左子节点是 2*n+1
• 第 n 个元素的右子节点是 2*n+2
• 第 n 个节点的父节点是 (n-1)/2

35. 顺序二叉树的遍历

• 与链式存储二叉树的遍历相似，以前序遍历为例
  • 双亲节点 index
  • 左子节点 2*index+1
  • 右子节点 2*index+2
• 需要传入一个参数，确定遍历的起点

36. 常用排序算法之堆排序

堆的概念

• 大顶堆：每个节点都大于等于其左右孩子节点的值
• 小顶堆：每个节点都小于等于其左右孩子节点的值

堆排序的应用

• 升序使用大顶堆
• 降序使用小顶堆

如何将顺序存储的二叉树转成大顶堆

从左至右，从上至下调整

• 0. 从最后一个非叶子节点开始调整
• 1. 将这个非叶子节点与其子节点对比，检查是否最大
• 2. 如果不是，交换二者位置
• 3. 交换位置后原有的堆结构发生了变化
• 4. 对调整后的最大非叶子节点重复步骤 1~3
• 5. 循环遍历一个顺序存储的二叉树，对每一个非叶子节点执行步骤 1~4

堆排序的步骤（以大顶堆为例）

• 1. 将大小为 n 的顺序存储二叉树调整成一个大顶堆
• 2. 将数组第 0 个数和第 n 个数交换
• 3. 将数组大小递减 1，对递减后的数组重复执行 1~2

37. 线索二叉树

• 顺序存储二叉树遍历到某个节点时，无法知道它的前驱节点和后续节点
• 利用二叉树节点的空链域存储前驱或者后继节点的指针，这些指针就称为线索
• 当某个节点没有左子节点时，将左指针指向它的前一个节点
• 当某个节点没有右子节点时，将右指针指向它的后一个节点
• 线索化二叉树时，可以通过标记的方式，说明指向的是前驱/后继节点还是孩子节点

38. 线索二叉树的代码实现

• 1. 创建两个变量，分别用于标识左子节点和右子节点的类型
  • 默认 0 表示指针指向孩子节点
  • 1 表示当前指针指向前驱或后继节点
• 2. 创建一个变量，临时存储前驱节点
• 3. 对左子节点和右子节点递归调用线索化方法
• 4. 对当前节点的进行线索化：
  • 如果左子节点为空，将空指针指向前驱节点，左指针类型标识改为 1
  • 如果前驱节点的右子节点为空，将空指针指向当前节点，前驱节点的右指针类型标识改为 1
• 5. 线索化结束后，让前驱节点指向当前节点，供下一轮使用

39. 线索化二叉树的遍历

思路：

• 中序遍历，向左前溯，找到第一个被线索化的节点
• 不断输出后继节点的值，直到没有后继节点
• 找到最后一个后继节点的右子节点，继续下一轮查找和输出

步骤

• 1. 不断前溯左子节点，直至找到第一个被线索化的节点
• 2. 从这个节点开始，不断查找后继节点并输出节点的值
• 3. 找到最后一个后继节点的右子节点，重复步骤 1 和 2，直到节点为空

40. 赫夫曼树概述

• 赫夫曼编码是数据压缩的重要方法
• 叶结点的带权路径：
  • 从根结点出发，到达某个叶结点时，经过的节点数量，乘以叶结点的权值
  • 如叶子节点 A 的权值为 9，从根结点到达 A 节点，经过了 2 个节点，A 的权值就是 2*9=18
• 树的带权路径长度：
  • WPL：weighted path length
  • 树中所有叶子节点带权路径之和
• 最优二叉树：
  • WPL 最小时，称为最优二叉树，也叫赫夫曼树
  • 权值越大的节点离根结点越近，这样才能保证带权路径尽可能小

41. 赫夫曼树的流程分析

• 1. 将数组中的每个元素都转化为二叉树，初始状态每棵二叉树只有一个节点
• 2. 将数组中的二叉树按根结点的权值正序排列
• 3. 从数组中取出根结点权值最小的两棵二叉树
  • 将这两棵二叉树的根结点视为孩子节点，为它们创建一个父节点
  • 父节点的权值是两个孩子节点的权值之和
  • 新的父节点和原先的两棵二叉树组成了一棵新的二叉树
• 4. 将新创建的二叉树插入数组
• 5. 重复步骤 2~4，每次取出两个元素，放回一个元素，直到数组剩下一个元素为止
  • 剩下的这个元素，就是整棵赫夫曼树的根结点

42. 代码实现赫夫曼树

• 1. 将数组中的所有元素转化为二叉树
• 2. 取出数组中根结点权值最小的两棵二叉树
• 3. 用两棵二叉树的根结点作为孩子节点，创建一棵新的二叉树
  • 二叉树根结点的权值是两棵孩子节点权值之和
• 4. 移除数组中取出的两棵二叉树
• 5. 将新创建的二叉树放入数组
• 6. 当数组中的元素大于 1 时，循环执行步骤 2~5

43. 赫夫曼编码原理分析

• 通信和压缩领域应用非常广泛

can you can a can as a can canner can a can

• 通信领域中信息的处理
  • 定长编码：
    • 99 97 110 32 121 ... 32 97 32 99 97 110 46
    • 单词-->ASIIC 编码-->每个数字都转成 8 位的字节
    • 01100011 01100001 ... 00101110
    • 缺点：固定长度，传输内容太多
  • 非定长编码：
    • 计数：r:1 s:1 .. n:8 :11 a:11
    • 0=a, 1= , 10=n, 11=c ... 10=r
    • 将字符串中每个字符出现的次数表示出来
    • 编码：
      • 出现次数多的字符用较少位的字节来表示
      • 出现次数少的字符用较多位的字节来表示
    • 前缀编码：字符的编码都不能是其他字符编码的前缀
    • 前缀编码才能进行解码
  • 赫夫曼编码：
    • 将字符串中每个字符出现的次数表示出来
      *r:1 s:1 .. a:11
    • 将字符作为节点的数据，出现次数作为节点的权值
    • 出现次数多的字符靠近根结点，编码长度较短
    • 将左连接定义为 0，右连接定义为 1，树的路径就有了编码
    • 赫夫曼树的路径是唯一的，因此每个字符的编码都是唯一的

44~45. 数据压缩之创建赫夫曼树

创建节点类 Node：

• 属性：
  • int weight 权值，某个字符出现了多少次
  • Node left 左子节点
  • Node right 右子节点
  • Byte data 当前节点对应的字符
    • 采用包装类 Byte 可以定义空值
• 构造方法：
  *public Node(Byte data, int weight)

赫夫曼编码方法：

• 共经历了 6 次形态转换
• 1. 字符串 --> 未压缩的 byte 数组
• 2. 未压缩的 byte 数组 --> 二叉树节点列表
• 3. 二叉树节点列表 --> 赫夫曼树
• 4. 赫夫曼树 --> 赫夫曼编码表
• 5. 字符数组 + 赫夫曼编码表 --> 二进制字符串
• 6. 二进制字符串 --> 压缩后的 byte 数组

1. 字符串 --> byte 数组

• 调用 String 对象的 getBytes() 方法

2. byte 数组 --> 二叉树节点列表

• 创建一个 HashMap，键类型是 Byte，值类型是 Integer
• 遍历 byte 数组，通过 HashMap 存储并统计单个 byte 出现的次数
• 从 HashMap 中取出对应的键值对
• 以 Byte 值作为节点数据，出现次数作为节点权值
• 每个键值对都转为一个二叉树根节点 Node
• 将所有二叉树节点存入列表备用

3. 二叉树节点列表 --> 赫夫曼树

• 1. 遍历 Node 列表
• 2. 按 Node 权值 weight 降序对列表排序
• 3. 取出列表中权值最小的两个元素，即列表倒数两个元素
• 4. 将两个元素作为孩子节点创建一个父节点，父节点的权值是两个孩子节点权值之和
• 6. 同时将父节点的左右指针指向两个孩子节点
• 7. 从原列表中删除第 3 步中取出的两个权值最小的元素
• 8. 将新建的节点存入列表
• 9. 当列表中元素数量大于 1 时，重复步骤 2~6
• 10. 最终列表中只剩下一个元素，这个元素就是赫夫曼树的根结点

4. 赫夫曼树 --> 赫夫曼编码表

• 1. 新建一个 HashMap 对象记录赫夫曼编码表
  • 键：赫夫曼树上某个节点的键，即字符
  • 值：赫夫曼树根节点到达当前字符的路径
    • 到达左子树的路径用 0 表示，到达右子树的路径用 1 表示
    • 路径变成一个由 0 和 1 组成的二进制字符串
    • 这样每个节点得到的二进制字符串都是唯一的
• 2. 遍历赫夫曼树，将赫夫曼树上节点的相关信息转录到赫夫曼编码表

5. 字符数组 + 赫夫曼编码表 --> 二进制字符串

• 1. 遍历原字符数组
• 2. 对照赫夫曼编码表，获取每个字符对应的赫夫曼编码
• 3. 将获取到的编码拼接到单个字符串
• 4. 最终字符数组转成了一个遵循赫夫曼编码表的二进制字符串

6. 二进制字符串 --> 压缩后的 byte 数组

• 1. 以 8 为步长遍历二进制字符串
  • 8 位二进制字符串 --> 十进制数字 --> byte 字符
  • 将新的 byte 字符存入新的字符数组中
• 2. 最终得到一个按赫夫曼编码表压缩后的字符数组

46. 使用赫夫曼编码进行解码

• 共进行了 2 次形态变化
• 1. 字符数组 --> 二进制字符串
  • 1.1) 遍历字符数组
  • 1.2) 将每个字符都转为 8 位的二进制字符串
    • 如果正整数不够 8 位，数字前用 0 填充
  • 1.3) 将所有字符的二进制字符串拼接成一个完整的二进制字符串
• 2. 二进制字符串 + 赫夫曼编码表 --> 原字符数组
  • 2.1) 将原赫夫曼编码表的键和值互换
    • 即原先键是 Byte，值是 String
    • 互换后键是 String，值是 Byte
  • 2.2) 遍历二进制字符串，以各种可能的组合在赫夫曼编码表中查找原 byte
  • 2.3) 将 byte 存入列表后转成数组

47 使用赫夫曼编码压缩文件

• 1. 文件来源路径 --> 创建输入流
  • new FileInputStream(文件来源路径)
• 2. 创建和输入流指向文件大小一致的 byte 数组
  • byte[] b = new byte[FileInputStream 对象.available()]
    • available() 在操作前得知数据流大小
• 3. 读取文件，关闭输入流
• 4. 调用赫夫曼编码方法对 byte 数组编码
• 5. 文件输出路径 --> 创建输出流
  • new FileOutputStream(文件输出路径)
  • new ObjectOutputStream(FileOutputStream 对象)
• 6. 将压缩后的 byte 数组写入文件
• 7. 将赫夫曼编码表写入文件
• 8. 关闭输出流

48. 文件的解压

• 1. 创建一个输入流对象，读取压缩文件
  • new FileInputStream(压缩文件路径)
  • new ObjectInputStream(FileInputStream 对象)
• 2. 读取压缩文件中的 byte 数组
  • byte[] b = (byte[]) ObjectInputStream 对象.readObject()
• 3. 读取压缩文件中的赫夫曼编码
  • Map<Byte, String> codes = (Map<Byte, String>) ObjectInputStream 对象.readObject()
• 4. 关闭输入流
• 5. 通过赫夫曼编码将读取出来的 byte 数组解码为原 byte 数组
• 6. 创建一个输出流对象
  • new FileOutputStream(输出文件路径)
• 7. 将解码后的 byte 数组写入文件
  • FileOutputStream 对象.write(byte 数组)
• 8. 关闭输出流

49. 二叉排序树

线性结构

• 顺序存储，不排序
  • 查找困难
• 顺序存储，排序
  • 二分查找效率高
  • 删除插入困难
• 链式存储
  • 无论是否排序，查找都困难

树形结构

• 二叉排序树，BST
  • 概念
    • 也叫二叉查找树，二叉搜索树
    • 对于排序树中的任何一个非叶子节点
    • 左子节点比当前节点小
    • 右子节点比当前节点大
  • 查找和插入删除性能都较高

50. 创建二叉排序树 & 添加节点

• 待添加的节点
  • 1. 如果当前节点为空 --> 赋给当前节点
  • 2. 如果值比当前节点小
    • 左子节点为空 --> 赋给左子节点
    • 左子节点非空 --> 递归调用左子节点的添加方法
  • 3. 如果值比当前节点大
    • 右子节点为空 --> 赋给右子节点
    • 右子节点非空 --> 递归调用右子节点的添加方法
• 二叉排序树的中序遍历正好是从小到大排列

51. 二叉排序树中查找节点

• 要查找的值 == 当前节点的值 --> 返回当前节点
• 要查找的值 < 当前节点的值 --> 递归调用左子节点的查找方法
• 要查找的值 > 当前节点的值 --> 递归调用右子节点的查找方法

52. 删除叶子节点

• 目标节点没有孩子节点
• 查找目标节点
• 查找目标节点的父节点
• 将目标节点与父节点断开连接

53. 删除只有一棵子树的节点

• 查找目标节点
• 查找目标节点的父节点
• 将目标节点的子树与父节点建立连接

54. 删除有两棵子树的节点

• 查找目标节点
• 查找目标节点的最小子树
• 删除目标节点的最小子树，并返回最小子树的值
• 用最小子树的值替换目标节点的值

55. 平衡二叉树概述

• 二叉排序树的问题
  • 如果将连续递增或递减的数组转为二叉排序树
  • 二叉排序树的节点都在同一边，查询效率与链表差不多
• 平衡二叉树
  • 首先平衡二叉树是一棵二叉排序树
  • 左子树和右子树高度差的绝对值不超过 1
  • 左子树和右子树也是平衡二叉树

56. 构建二叉平衡树之单旋转

• 根据左右节点高度差的绝对值，判断当前节点是否为平衡二叉树
• 左左：(左子树高度 - 右子树高度) > 1
  • 顺时针右旋
    • 1. node --> newNode
    • 2. node.right --> newNode.right
    • 3. node.left.right --> newNode.left
    • 4. node.left.value --> node.value
    • 5. node.left.left --> node.left
    • 6. newNode --> node.right
• 右右：(右子树高度 - 左子树高度) > 1
  • 顺时针左旋
    • 1. node --> newNode
    • 2. node.left --> newNode.left
    • 3. node.right.left --> newNode.right
    • 4. node.right.value --> node.value
    • 5. node.right.right --> node.right
    • 6. newNode --> node

57. 构建平衡二叉树之双旋转

• node.left.left 高度 < node.left.right 高度
  • 1. left 左旋转
  • 2. node 右旋转
• node.right.right 高度 < node.right.left 高度
  • 1. right 右旋转
  • 2. node 左旋转

58. 多路查找树-计算机数据的存储原理

• 应用于内存，小数据量的树结构
  • 二叉树
  • 线索二叉树
  • 赫夫曼树
  • 二叉排序树
  • AVL 树
• 应用于磁盘存储，数据量大的树结构
  • 多路查找树
    • 2-3 树和 2-3-4 树
    • B 树和 B+ 树

数据存储方式

• 内存
  • 优点：
    • 电信号保存信息，不存在机器操作
    • 访问速度快
  • 缺点：
    • 造价高
    • 断电后数据丢失
    • 一般作为 CPU 告诉缓存
• 磁盘：
  • 优点
    • 造价低，容量大
    • 断电数据不丢失
  • 缺点：
    • 存储介质特性和机械运动耗费时间，磁盘速度慢
  • 磁盘的预读
    • 为了减少 I/O 操作，磁盘通常不是按需读取
    • 每次都会预读，顺序向后读取一定长度的数据放入内存
      • 计算机科学中的局部性原理：一个数据被用到时，其附近的数据通常也会被用到
    • 预读的长度一般为页（page）的整数倍
  • 页
    • 页是计算机管理存储的逻辑块
    • 硬件及操作系统将主存和磁盘存储区分割为连续的大小相等的块
    • 每个存储块为一页
    • 页的大小一般为 4k
    • 主存和磁盘以页为单位交换数据
  • B 树存储
    • 利用磁盘预读原理，将一个节点的大小设为一个页
      • 单个节点进行横向扩展
    • 每个节点只需一次 I/O 就可以完全载入
  • 二叉树与 B 树对比
    • 二叉树
      • 树高为 5 的二叉树
      • 节点数=2^5-1 = 31 个
    • B 树
      • 树高为 2
      • 第一层 1 个节点，横向扩展为 3 个节点
      • 第二层 4 个节点，每个节点横向扩展为 7 个节点
      • 节点树=1×3 + 4×7 = 31
    • 同样的节点树，B 树只需要两层即可
    • 如果将树的度，即子节点的个数，设为 1024
      • 树高 2：1024^2 = 1,048,576 ≈ 100 万
      • 树高 3：1024^3 = 1,073,741,824 ≈ 1 亿
      • 树高 4：1024^4 = 1,099,511,627,776 ≈ 1000 亿
      • 600 亿 < 1000 亿，至多 4 次 I/O 即可查询到

59. 2-3 树的插入原理

• B 树中所有的叶节点都在同一层
• 2-3 树是 B 树的一种特例
  • 有两个子节点的节点叫做二节点
  • 有三个子节点的节点叫做三节点
  • 二节点要么有两个子节点，要么没有子节点
  • 三节点要么有三个子节点，要么没有子节点
  • 2-3 树有二节点和三节点 2 种情况
  • 2-3-4 树有二节点、三节点和四节点 3 种情况
• 添加新节点
  • 如果叶节点无法在同一层
  • 先向上一层拆解
  • 如果现有层都满了，则增加一层

60. B 树和 B+ 树原理

概念

• 2-3 树、2-3-4 树、2-3-4-5 树，等等，统称为 B 树
• B 树中最大节点的数字，称为 B 树的阶
• 2-3 树是 3 阶 B 树，2-3-4 树是 4 阶 B 树

B+ 树

• 在 B 树之上的改变
  • 非叶节点只存储索引信息，不存储数据
  • 叶子节点最右边的指针指向下一个相邻的叶节点
  • 所有叶节点组成一个有序链表
• 设计原理
  • 更多的索引 --> 更快的查询

61. 哈希表概述

• 线性查找
  • 逐个对比，数据量大时效率低
• 二分查找：
  • 效率更高
  • 要求数组有序
• 存储位置 <--> 关键字
  • 通过散列函数建立对应关系

62. 散列函数的设计

• 设计原则
  • 计算简单
  • 分布均匀

常用方法

• 直接定址法
  • 直接把关键字作为存储地址
  • 可能有空间分布不均匀的问题
  • 如果数字过大，甚至会超出编程语言的有效整数范围
• 数字分析法
  • 通过特定规律，将数字转换成更方便存储的格式作为关键字
  • 需要事先知道数字的格式
  • 如手机号码只存后四位
• 平方取中法
  • 将数字平方后取结果中间的数字作为关键字
  • 如 13*13 = 169，取中间数字 6
• 取余法
  • 对数字取余数作为关键字
  • 按预计压缩范围来确定模数
• 随机数法
  • 随机数函数产生数字作为关键字
  • 一般不用，数字随机，不便归类

63. 散列冲突的解决方案

开放地址法

• 遇到冲突时，从当前地址后面查找合适的位置
• 三种方式
  • 线性探测法
    • 在紧邻的位置放冲突的元素
    • 举例
      • x 位置已有元素，向后查找 x+1
      • x+1 位置有元素，再向后找 x+2
    • 问题：元素容易聚集在相邻的内存地址
  • 二次探测法
    • 第一次探测紧邻的位置
    • 第二次探测地址数字的平方
    • 举例：
      • x 位置被占用，向后查找 x+1
      • x+1 位置被占用，再向后找 (x+1)^2
      • 拓宽了探测步长，元素不容易聚集在一起
  • 再哈希法
    • 多个散列函数
    • 通常 3 个散列函数可以解决大部分的冲突
    • 如果仍然有冲突，可以再使用探测法

链地址法

• 将冲突的元素在同个地址上存储为链表形式
  • 节点内容：元素本身
  • 节点指针：下一个元素的地址
• 优点：存储地址就是散列表计算结果，更为直观
• 实际应用中更多采用链地址法

64. 图结构

• 点和线构成
• 顶点 Vertex
  • 可以存储数据
• 边 edge
  • 连接顶点，表示点之间的关系
• 邻接顶点
  • 两个顶点通过一条边就可以连接
• 路径
  • 从某一个顶点出发，经过的所有顶点
• 无向图
  • 边没有方向
• 有向图
  • 边有方向
• 带权图
  • 边加上有意义的值
  • 如 A 城市到 B 城市的距离
  • A --> B 是一个有向带权图

65. 图结构代码实现

图的存储方式

• 链表
  • 如果数据是对象，指针很难定义
• 数组
  • 用列表存储顶点
  • 用邻接表存储顶点之间的关系
    • 类似链表的实现
      • 节点内容代表顶点
      • 指针指向下一个顶点
    • 类似矩阵的实现
      • 将顶点放到行列式中，任意两个顶点都能在矩阵中找到交叉点
      • 用数字表示两个顶点之间的关系
      • 如 0 表示不通，1 表示连通

66. 图的遍历原理

深度优先

• 顺着路径一直查找，直到路径不通，再返回从第一个分叉的顶点处继续查找
• 栈实现
  • 1. A 入栈，A 标记为已访问
  • 2. 按顺序查找连接
    • A --> B，连通，B 入栈，B 标记为已访问
      • B --> C，连通，C 入栈，C 标记为已访问
        • C --> D，不通，查找下一个
        • C --> E，不通，E 之后没有其他顶点
        • C 是栈顶元素，出栈
      • B --> D，连通，D 标记为已访问，D 入栈
        • D --> E，不通，E 之后没有其他顶点
        • D 是栈顶元素，出栈
      • B --> E，连通，E 入栈，E 标记为已访问
        • E 之后没有其他元素
        • E 是栈顶元素，出栈
      • B 是栈顶元素，检查 B 有无其他可能的连接
      • B 没有其他连接，出栈
    • A 是栈顶元素，检查 A 有无其他可能的连接
      • A 没有其他连接，出栈

广度优先

• 把一个顶点所有的连接都找出来，再继续下一个顶点
• 队列实现
  • 1. A 入队
  • 2. 查找 A 的所有连接，按顺序入队
    • A --> B，连通，B 入队
    • A --> C，连通，C 入队
    • A 无其他连接，A 出队
  • 3. A 出队后，B 是队首元素，从 B 开始查找
  • 4. 重复步骤 2~3，依次查找 B、C、D、E 所有顶点的所有连接

67. 图的遍历代码实现

• 1. 从第 0 个顶点开始查找
  • 将第 0 个顶点标记为已访问
  • 将第 0 个顶点压入栈中
• 2. 遍历顶点数组，按序检查邻近两个顶点之间的连通关系
  • 如果邻近顶点连通
    • 将目标顶点压入栈中，标记为已访问
    • 出发顶点和目标顶点同时后移 1 位
      • 如 A --> B 连通
      • 将出发顶点从 A 顺延到 B，检查 B --> C 是否连通
  • 如果邻近两个顶点不通，出发顶点不变，将目标顶点的指针后移一位
    • 如 C --> D 不通，将目标顶点 D 后移一位，检查 C --> E 是否连通
• 3. 如果单条路径检查完毕，则弹出栈顶元素
• 4. 如果栈此时非空，将出发顶点指针指向新的栈顶元素
• 5. 重复执行步骤 2~4，直到栈为空