算法笔记:树堆和图
Posted 测试开发小记
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了算法笔记:树堆和图相关的知识,希望对你有一定的参考价值。
前面的文章介绍过链表,它其实就是特殊化的树,而树是特殊化的图,堆是一种特殊的树。本文将介绍这几种数据结构。
图-Graph
图的定义
图是一组顶点和一组边的集合,每条边连接一对顶点。在现实生活中,到处都会遇到图网络的概念,将问题空间表示为网络,比如计算机网络,社交网络等,由一个个节点和连接他们的边组成。
图可以表示为Graph(V, E):
1、顶点V (vertex)
- 出度:顶点的出边条数
- 入度:顶点的入边条数
2、边E (edge)
- 有向和无向
- 权重
图的分类
图主要包括以下几类:
- 无向无权图:节点之间的连接没有方向,是双向的,边没有权重(也可以说权重为1)。
- 无向有权图:节点之间的连接没有方向,有权重,比如两个节点间的物理距离。
- 有向无权图:节点之间通过有向的边连接,只能一个方向。
- 有向有权图:节点之间通过有向的边连接,有权重。
图的常见算法
DFS-深度优先搜索
深度优先搜索(Depth First Search, DFS)包括:前序遍历Preorder (Root-Left-Right),中序遍历Inorder (Left-Root-Right) 和后序遍历Postorder (Left-Right-Root)。
BFS-广度优先搜索
广度优先搜索(Breadth First Search, BFS):一层一层的遍历。
树-tree
二叉树
树是特殊化的图,由有限个节点组成。最常见的是二叉树,每个节点最多有两个子节点(左子节点,右子节点)组成,一个二叉树节点包含以下部分:
- 数据
- 指向左子节点的指针
- 指向右子节点的指针
python二叉树定义:
class BinaryTree:
def __init__(self, val):
self.val = val
self.left = None
self.right = None
二叉树遍历
和图的搜索一样,二叉树的搜索也可以使用以下两种遍历搜索方式:
- 深度优先搜索
- 广度优先搜索
深度优先搜索包括前序遍历,中序遍历和后序遍历,每个节点访问一次,且仅访问一次。
- 前序遍历:根左右
- 中序遍历:左根右
- 后序遍历:左右根
二叉搜索树
二叉搜索树(Binary Search Tree),也称二叉排序树、有序二叉树(Ordered Binary Tree)、排序二叉树(Sorted Binary Tree),是指一棵空树或者具有下列性质的二叉树:
- 左子树上所有结点的值均小于它的根结点的值
- 右子树上所有结点的值均大于它的根结点的值
- 左、右子树也分别为二叉搜索树
二叉搜索树的搜索、插入、移除等操作的动画演示:https://visualgo.net/zh/bst
复杂度分析
二叉堆一般都通过数组来实现,上图的二叉堆可表示为一维数组:[99, 90, 85, 50, 70, 60, 30, 20, 40]
。可以发现其索引具有以下关系:
- 根节点(顶堆元素):a[0]
- 索引为
i
的左孩子的索引是(2*i+1)
- 索引为
i
的右孩子的索引是(2*i+2)
- 索引为
i
的父结点的索引是floor((i-1)/2)
二叉堆常见操作
对二叉堆的常见操作包括查找(最大值)、删除(最大值)和插入,他们的时间复杂度分别为O(1)、O(logN)和O(logN)。
- 对于插入操作,元素先插入到堆的尾部,然后依次向上调整(与父节点进行比较、交换)整个堆的结构(一直到根)。
- 对于删除操作,先删除堆顶元素,接下来将堆尾元素替换到顶部,然后依次从根部向下调整(和子节点比较,将较大的子节点和它交换)整个堆的结构(一直到堆尾)
二叉堆是用于实现优先队列(priority queue)的数据结构,优先队列中的元素被赋予优先级,具有最高优先级的元素最先删除,具有最高级先出(first in, largest out)的特性。但是二叉堆不是优先队列的最优实现,插入效率较低,比如斐波那契堆(Fibonacci heap)具有更优的性能。
欢迎关注公众号:「测试开发小记」及时接收最新技术文章!
以上是关于算法笔记:树堆和图的主要内容,如果未能解决你的问题,请参考以下文章
《剑指Offer:专项突破版》 - 数组部分 JavaScript 题解