算法合集之《數据结构的提炼与压缩》.docVIP

摘要 时间复杂度和空间复杂度是衡量一个数据结构的重要指标，往往，简单存储结构和小存储规模的数据结构会带来较低的时空复杂度。因此，在程序设计中就需要仔细分析问题，化简 存储结构，减少存储规模。 关键字 化简存储结构、减少存储规模、“提炼”、“压”、“缩”、DFS序、BFS序 引言 作为程序设计的一部分，数据结构在现在的信息学竞赛中起着越来越大的作用。一方面，一个好的数据结构是高效实现算法的基础，例如当算法设计动态序关系时，通过平衡排序二叉树维护序关系就要比普通线性结构高效的多；另一方面，的信息学竞赛中已经涌现出一大批“赤裸裸”的数据结构题，即题目所需要的，就是设计一个能维护特定数据关系，能高效完成特定操作的数据结构，例如NOI2007 necklace、CEOI2007 necklace都是这样的问题。 衡量一个程序的优劣，有四个主要的参考度量：时间复杂度，空间复杂度，求解精确度，编程复杂度。时间复杂度衡量程序运行的时间，往往用一个相对输入规模的阶表示，例如冒泡排序的时间复杂度是O(n2)；空间复杂度用来衡量程序所需的除读入外的额外内存空间，往往也用一个相对输入规模的阶表示，例如KMP算法的空间复杂度是O(n)；求解精确度衡量程序输出解的质量，往往用与最优解之间的相对或绝对误差来描述，现在的信息学竞赛中大多数问题不允许有误差，而另一些问题将求解精确度作为评分尺度之一；编程复杂度衡量正确编程和程序调试的困难程度。 而作为对数据结构优劣的评判，（在编程复杂度不过分高的前提下）一个数据结构的时空复杂度就显得最为重要。本文将主要讨论的通过“化繁为简”的手段优化数据结构的时空复杂度。 “化繁为简”作为一个可以广泛应用的方法，它能给程序设计带来以下两方面的优势。 一方面，直观地看，在规模小、结构简单的数据上进行操作，时空耗费比起规模大、结构复杂的数据在操作规模上“天生”就有着无与伦比的优势。例如，图结构的存储无论是采取邻接矩阵还是邻接表，空间都是O(m+n)，只要不是稀疏图，就会占用平方阶的空间，同时，所有基本操作的时间复杂度也在平方阶之上；但对于树结构而言，常用的左儿子右兄弟表示法只需要O(n)的空间复杂度，像遍历这样的基本操作，时间复杂度也是O(n)。 另一方面，一个简单的数据结构可以有更多的处理手段，也适应于更多的算法。例如，在图结构上，一般只能进行连通性判断，流算法（事实上，流算法实现中利用到了树结构）等；而在树结构上，就可以实施树型动态规划；更进一步，对于线性结构而言，DP（Dynamic Programming，动态规划）的形式更加灵活，而且还可以使用线段树，树状数组等工具；另外，如果线性结构辅助序关系，那么各种平衡BST (Binary Search Tree，二叉搜索树)也能有用武之地。 本文将提出三种常见的化繁为简的手段 提炼：忽略无效信息，减少存储规模 压：调整存储方式，化简存储结构 缩：合并重复信息，减少存储规模 1．二维结构的化简 二维结构主要分两种情况，其一：两维对称，即矩阵的情况；其二：两维不对称，即一个线性表，它的每个元素都是一维结构，串数组是常见的情况。下面我们分别就这两种情况举个例子。 问题一：ural 1568 Train car sorting 问题描述：对于一个序列，定义一种操作，将a变成b，使得：，…，，…。其中s+t=n，，，{，…，，…}={1，2，3…n}。例如：1 2 3 4 5可转化为1 3 5 2 4。给出一个序列（满足是1到n的一个排列），求一种方案，通过最少的操作次数是它变成升序序列。 这一题从题面看，操作的定义比较复杂，没有一个明显的切入点，很难设计出一个能有效解决它的算法。其实只要找到题目中涉及的操作对应的不变量，问题就能迎刃而解。 为算法刻画和证明的方便，引入以下定义： 称一个的矩阵A为序列的母矩阵，当且仅当，矩阵A中的所有非零元素，自上到下自左到右逐列读出得到，自左到右自下到上逐行读出得到升序序列。 称序列的所有母矩阵中，行数列数都最小的那个矩阵为序列的最简母矩阵。 例如：当n=5时，{5，3，2，4，1}的最简母矩阵为。 本题的算法只需要完成以下步骤即可。 判断当前是否是升序序列，若是则打印输出结束程序，若否转(ii) 计算的最简母矩阵A（设A是一个的矩阵） 对进行如下题意中的操作：A的偶数行全部非零元素自左到右自上到下逐行读出得到，A的奇数行全部非零元素自左到右自上到下逐行读出得到。重复(i)。 算法证明如下： 只需证明：算法中给出的解是最优的，即操作步骤最少的。 首先：的最简母矩阵A，经上面的(iii)后，将成为一个行的矩阵。（这是因为，…，其中表示A的第k行中非零元素构成的集合，对应A经操作后得到的矩阵B）。 其次：是一个升序序列，当且仅当，他的最简母