数据结构与算法第三套试卷小题

2024-03-11 20:36

本文主要是介绍数据结构与算法第三套试卷小题,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1.删除链表节点

**分析:**首先用指针变量q指向结点A的后继结点B,然后将结点B的值复制到结点A中,最后删除结点B。
在这里插入图片描述

2.时间复杂度的计算

**分析:**当涉及嵌套循环的时候,我们可以直接分析内层循环即可,看内层循环走了多少次
在这里插入图片描述

3.堆排序以及与其他排序的区别:

A
在这里插入图片描述
解析:
问的是空间复杂度,堆排序的空间复杂度为0(1);
时间复杂度为0(nlogn);
思路:
分为创建堆调整堆——>每调整一次的时间复杂度为0(logn),一共需要调整n-1

其他:
1.选择排序: 时间复杂度无论最好和最坏和平均都为0(n^2)
空间复杂度上与冒泡排序,插入排序,选择排序类似都为0(1)

2.快速排序: 时间复杂度为0(nlogn),最坏为0(n^2);空间复杂度为0(1)

3.归并排序: 时间复杂度均为0(nlogn),空间复杂度为0(n);

重点区别:
在这里插入图片描述
快速排序、归并排序和插入排序必须等到整个排序结束后才能够求出最小的10个数,而堆排序只需要在初始堆的基础上再进行10次筛选即可,每次筛选的时间复杂度为O(log2n)

4.快速排序的思路:

在这里插入图片描述
方法论:
从两头往中间搜索,右边找小,左边找大,右边先走
**1.第一步:**右边找到了10,左边找到了21,交换
**2.第二步:**在上面的位置上,右边继续向前,遇到了上一步的10,左右相遇,所以10的位置就是20的基准位,结束请添加图片描述

5.有向无向图和邻接表的转换

1:无向图的表头节点数,表节点数:顶点个数,边2;
2:有向图的表头节点数,表节点数:顶点个数,边
1;

6.强连通图

1.首先它的本质只是一个连通图,任意两个顶点之间都存在一条有向路径,即从任意一个顶点出发可以到达图中的任意其他顶点。
2.有向完全图一定是强连通,反之不一定;
3.最少边为n=顶点数

7.数据结构

1.数据结构的物理结构主要包括: 顺序存储结构,链式存储结构;
2.数据结构的逻辑结构: 线性结构,非线性结构(线性结构有线性表和栈,队列;非线性结构有树,图结构);
3.存储结构分为: 顺序存储,链式存储,索引存储,散列存储;
4.基本概念:
1.数据的基本单位是数据元素
2.数据元素最小单位为数据项
3.具有相同性质的数据元素的集合为数据对象
4.数据对象的集合为数据类型

5.存储结构和逻辑结构的关系:
存储结构则决定了数据在计算机内存中的实际存储方式
逻辑结构描述了数据元素之间的关系
数据结构是由其逻辑结构存储结构共同决定的;

8.算法的特性:

五大特性: 有穷性,确定性,可行性,输入,输出;

9.树在这里插入图片描述

1.深度: log2(n)+1 【n为顶点数】
**2.空指针域:**知道有多少叶子节点即可,然后利用n=n0+n1+n2,n2=n0-1;

10.图

出度: 顶点i在邻接矩阵第i行的所有元素之和为出度
入度: 顶点i在邻接矩阵第i列上所有元素之和为入度
邻接表上,顶点有n个,表头节点就有n个,至于表节点对应的是图某顶点的出度;

11.哈夫曼树

在这里插入图片描述
1.如何绘制: 两个最小生成树合并为一个新的树,然后重复以往过程;
2.情况: 哈夫曼树首先分为叶子节点和非叶子节点,叶子节点的度为1,非叶子节点的度为2;
所以度为1的节点一定为叶子节点,而哈夫曼树的构造后,叶子节点数一定为0——>所以度为1的节点数即为0;

12.二分查找最多次数:

在这里插入图片描述
log2n+1;

13.数据结构增删改查操作的时间复杂度

1.队列(Queue):
增加元素(enqueue):O(1)
删除元素(dequeue):O(1)
修改元素:队列通常不支持直接修改元素
查找元素:通常需要遍历整个队列,时间复杂度为O(n)

2.栈(Stack):
增加元素(push):O(1)
删除元素(pop):O(1)
修改元素:栈通常不支持直接修改元素
查找元素:通常需要遍历整个栈,时间复杂度为O(n)

3.树(Tree):
增加元素:O(log n) - 平衡二叉搜索树的情况下,最好为O(log n),最坏为O(n)
删除元素:O(log n) - 平衡二叉搜索树的情况下,最好为O(log n),最坏为O(n)
修改元素:可以视为删除+增加操作,时间复杂度与删除和增加相同
查找元素:O(log n) - 平衡二叉搜索树的情况下,最好为O(log n),最坏为O(n)

4.图(Graph):
增加元素(添加节点或边):O(1) - 在邻接表中添加节点或边的时间复杂度为O(1)
删除元素(删除节点或边):O(degree) - 对于邻接表,删除节点或边的时间复杂度取决于该节点的度数
修改元素:通常需要进行删除和增加操作,时间复杂度与删除和增加相关
查找元素:通常需要遍历整个图,时间复杂度为O(V+E),其中V为节点数,E为边数

14.求图的拓扑序列:

总结: 1.首先画出给定边集合的有向图,2.然后删除入度为0的节点,并去除它的出度边
在这里插入图片描述
在这里插入图片描述

这篇关于数据结构与算法第三套试卷小题的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/798995

相关文章

C#数据结构之字符串(string)详解

《C#数据结构之字符串(string)详解》:本文主要介绍C#数据结构之字符串(string),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录转义字符序列字符串的创建字符串的声明null字符串与空字符串重复单字符字符串的构造字符串的属性和常用方法属性常用方法总结摘

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt(KMP)算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串(称为

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

Go语言中三种容器类型的数据结构详解

《Go语言中三种容器类型的数据结构详解》在Go语言中,有三种主要的容器类型用于存储和操作集合数据:本文主要介绍三者的使用与区别,感兴趣的小伙伴可以跟随小编一起学习一下... 目录基本概念1. 数组(Array)2. 切片(Slice)3. 映射(Map)对比总结注意事项基本概念在 Go 语言中,有三种主要

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第