數(shù)據(jù)結構基礎

1萝招,樹的高度和深度

樹的高度:從所有葉節(jié)點開始數(shù)高度到根節(jié)點蚂斤,其中的最大值;也就是從結點x向下到某個葉結點最長簡單路徑中邊的條數(shù)槐沼。(注意與節(jié)點的高度的一般默認從1開始曙蒸,最低為1)
樹的深度:樹根下中所有分支結點層數(shù)的最大值,遞歸定義岗钩。(一般以根節(jié)點深度層數(shù)為0)

2纽窟,哈希表

散列表(Hash table,也叫哈希表)兼吓,是根據(jù)關鍵碼值(Key value)而直接進行訪問的數(shù)據(jù)結構臂港。也就是說,它通過把關鍵碼值映射到表中一個位置來訪問記錄视搏,以加快查找的速度审孽。這個映射函數(shù)叫做散列函數(shù),存放記錄的數(shù)組叫做散列表浑娜。
給定表M佑力,存在函數(shù)f(key),對任意給定的關鍵字值key筋遭,代入函數(shù)后若能得到包含該關鍵字的記錄在表中的地址打颤,則稱表M為哈希(Hash)表,函數(shù)f(key)為哈希(Hash) 函數(shù)漓滔。

常用方法
散列函數(shù)能使對一個數(shù)據(jù)序列的訪問過程更加迅速有效编饺,通過散列函數(shù),數(shù)據(jù)元素將被更快地定位响驴。
實際工作中需視不同的情況采用不同的哈希函數(shù)透且,通常考慮的因素有:
· 計算哈希函數(shù)所需時間
· 關鍵字的長度
· 哈希表的大小
· 關鍵字的分布情況
· 記錄的查找頻率

  1. 直接尋址法:取關鍵字或關鍵字的某個線性函數(shù)值為散列地址踏施。即H(key)=key或H(key) = a·key + b石蔗,其中a和b為常數(shù)(這種散列函數(shù)叫做自身函數(shù))。若其中H(key)中已經(jīng)有值了畅形,就往下一個找,直到H(key)中沒有值了诉探,就放進去日熬。
  2. 數(shù)字分析法:分析一組數(shù)據(jù),比如一組員工的出生年月日肾胯,這時我們發(fā)現(xiàn)出生年月日的前幾位數(shù)字大體相同竖席,這樣的話耘纱,出現(xiàn)沖突的幾率就會很大,但是我們發(fā)現(xiàn)年月日的后幾位表示月份和具體日期的數(shù)字差別很大毕荐,如果用后面的數(shù)字來構成散列地址束析,則沖突的幾率會明顯降低。因此數(shù)字分析法就是找出數(shù)字的規(guī)律憎亚,盡可能利用這些數(shù)據(jù)來構造沖突幾率較低的散列地址员寇。
  3. 平方取中法:當無法確定關鍵字中哪幾位分布較均勻時,可以先求出關鍵字的平方值第美,然后按需要取平方值的中間幾位作為哈希地址蝶锋。這是因為:平方后中間幾位和關鍵字中每一位都相關,故不同關鍵字會以較高的概率產(chǎn)生不同的哈希地址什往。
  4. 折疊法:將關鍵字分割成位數(shù)相同的幾部分扳缕,最后一部分位數(shù)可以不同,然后取這幾部分的疊加和(去除進位)作為散列地址别威。數(shù)位疊加可以有移位疊加和間界疊加兩種方法躯舔。移位疊加是將分割后的每一部分的最低位對齊,然后相加省古;間界疊加是從一端向另一端沿分割界來回折疊庸毫,然后對齊相加。
  5. 隨機數(shù)法:選擇一隨機函數(shù)衫樊,取關鍵字的隨機值作為散列地址飒赃,通常用于關鍵字長度不同的場合。
  6. 除留余數(shù)法:取關鍵字被某個不大于散列表表長m的數(shù)p除后所得的余數(shù)為散列地址科侈。即 H(key) = key MOD p,p<=m载佳。不僅可以對關鍵字直接取模,也可在折疊臀栈、平方取中等運算之后取模蔫慧。對p的選擇很重要,一般取素數(shù)或m权薯,若p選的不好姑躲,容易產(chǎn)生同義詞。

處理沖突

  1. 開放尋址法:Hi=(H(key) + di) MOD m,i=1,2盟蚣,…黍析,k(k<=m-1),其中H(key)為散列函數(shù)屎开,m為散列表長阐枣,di為增量序列,可有下列三種取法:
    1.1. di=1,2,3,…蔼两,m-1甩鳄,稱線性探測再散列;
    1.2. di=12,-12,22,-22额划,⑶2妙啃,…,±(k)2,(k<=m/2)稱二次探測再散列俊戳;
    1.3. di=偽隨機數(shù)序列揖赴,稱偽隨機探測再散列。
  2. 再散列法:Hi=RHi(key),i=1,2品抽,…储笑,k RHi均是不同的散列函數(shù),即在同義詞產(chǎn)生地址沖突時計算另一個散列函數(shù)地址圆恤,直到?jīng)_突不再發(fā)生突倍,這種方法不易產(chǎn)生“聚集”,但增加了計算時間盆昙。
  3. 鏈地址法(拉鏈法)
  4. 建立一個公共溢出區(qū)
最后編輯于
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末羽历,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子淡喜,更是在濱河造成了極大的恐慌秕磷,老刑警劉巖,帶你破解...
    沈念sama閱讀 221,635評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件炼团,死亡現(xiàn)場離奇詭異澎嚣,居然都是意外死亡,警方通過查閱死者的電腦和手機瘟芝,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,543評論 3 399
  • 文/潘曉璐 我一進店門易桃,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人锌俱,你說我怎么就攤上這事晤郑。” “怎么了贸宏?”我有些...
    開封第一講書人閱讀 168,083評論 0 360
  • 文/不壞的土叔 我叫張陵造寝,是天一觀的道長。 經(jīng)常有香客問我吭练,道長诫龙,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 59,640評論 1 296
  • 正文 為了忘掉前任线脚,我火速辦了婚禮赐稽,結果婚禮上叫榕,老公的妹妹穿的比我還像新娘浑侥。我一直安慰自己姊舵,他們只是感情好,可當我...
    茶點故事閱讀 68,640評論 6 397
  • 文/花漫 我一把揭開白布寓落。 她就那樣靜靜地躺著括丁,像睡著了一般。 火紅的嫁衣襯著肌膚如雪伶选。 梳的紋絲不亂的頭發(fā)上史飞,一...
    開封第一講書人閱讀 52,262評論 1 308
  • 那天,我揣著相機與錄音仰税,去河邊找鬼构资。 笑死,一個胖子當著我的面吹牛陨簇,可吹牛的內容都是我干的吐绵。 我是一名探鬼主播,決...
    沈念sama閱讀 40,833評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼河绽,長吁一口氣:“原來是場噩夢啊……” “哼己单!你這毒婦竟也來了?” 一聲冷哼從身側響起耙饰,我...
    開封第一講書人閱讀 39,736評論 0 276
  • 序言:老撾萬榮一對情侶失蹤纹笼,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后苟跪,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體廷痘,經(jīng)...
    沈念sama閱讀 46,280評論 1 319
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 38,369評論 3 340
  • 正文 我和宋清朗相戀三年件已,在試婚紗的時候發(fā)現(xiàn)自己被綠了笋额。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 40,503評論 1 352
  • 序言:一個原本活蹦亂跳的男人離奇死亡拨齐,死狀恐怖鳞陨,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情瞻惋,我是刑警寧澤厦滤,帶...
    沈念sama閱讀 36,185評論 5 350
  • 正文 年R本政府宣布,位于F島的核電站歼狼,受9級特大地震影響掏导,放射性物質發(fā)生泄漏。R本人自食惡果不足惜羽峰,卻給世界環(huán)境...
    茶點故事閱讀 41,870評論 3 333
  • 文/蒙蒙 一趟咆、第九天 我趴在偏房一處隱蔽的房頂上張望添瓷。 院中可真熱鬧,春花似錦值纱、人聲如沸鳞贷。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,340評論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽搀愧。三九已至,卻和暖如春疆偿,著一層夾襖步出監(jiān)牢的瞬間咱筛,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,460評論 1 272
  • 我被黑心中介騙來泰國打工杆故, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留迅箩,地道東北人。 一個月前我還...
    沈念sama閱讀 48,909評論 3 376
  • 正文 我出身青樓处铛,卻偏偏與公主長得像饲趋,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子罢缸,可洞房花燭夜當晚...
    茶點故事閱讀 45,512評論 2 359

推薦閱讀更多精彩內容