数据结构(算法)总结详解.doc

多项式时间 - 人们可以接受的时间复杂度（不会长到没尽头）。 P问题 - 可以在多项式时间内解决的问题。 NP问题 - 可以猜到答案，并可在多项式时间内验证是否正确的问题。 NPC（完全）问题 - 是NP问题，且其它所有NP问题都可约化到它的问题。 NP-Hard（难）问题 - 不一定是NP问题，但其它所有NP问题都可约化到它的问题。 时间复杂度的概念： 给定算法的运行时间增长趋势，一般输入规模看成很大。 （渐进）阶从低到高： 1 logn n nlogn n2 n3 2n n! nn 「大O阶表示法」的计算原则：保留最高阶，去头去尾。 头：最高阶项的系数。 尾：非最高阶项与常数。 比如： 6n3 + 4n2 + 10000 = O( n3 ) 10n2 + 2n = O（2n） 随机化算法分类： 数值随机化算法 舍伍德算法 拉斯维加斯算法 蒙特卡罗算法 棋盘覆盖（分治策略）： 前提：棋盘必须正好有2k×2k（k = 自然数）个格子。 步骤： 将棋盘划分成4个子棋盘。 除了有特殊格的子棋盘外，其它3个盘里各取离结合点最近的格子，组成骨牌。 将每个子棋盘再划分成4个子棋盘，同样执行步骤2。 递归终止条件：子棋盘的普通格只剩3个。 比如一个8×8的棋盘（书p21页例子）： 划为4等份： 不看有特殊格那份，其它3份取离结合点最近的格子，拉黑，就形成了一块骨牌。 现在每份都有1块特殊格，然后每份再划4等份： 每一小份重新执行上面的算法（递归了），忽视特殊份，拉黑离结合点近的。 然后继续递归，重复刚才的步骤（子问题结构完全相同）。 当然这里棋盘比较小，到这里已经可以看出结果。 递归中止条件：当子棋盘（划出的小份）只剩下3个普通格时。 七种常用排序算法的时间复杂度： 最好情况O( ? ) 平均情况O( ? ) 最坏情况O( ? ) 稳定性 冒泡 n n2 n2 稳定 选择 n2 n2 n2 稳定 插入 n n2 n2 稳定 希尔 n1.3 nlogn ~ n2 n2 不稳定 堆 nlogn nlogn nlogn 不稳定 归并 nlogn nlogn nlogn 稳定 快速 nlogn nlogn n2 不稳定 其中最坏情况最重要。 稳定性的意思： 假设有一个数组{ 2, 5, 2, 7, 1 } 其中第一个2假设叫a元素，第二个2叫b元素吧。 对其排序后得{ 1, 2, 2, 5, 7 } 原本a在b前面，如果排序后，a还在b前面，就是稳定的。它们调换了就是不稳定的。 也就是说稳定性，决定了同值元素的顺序会不会变动。 理论上，希尔和堆排序不会考，因为上课没讲过。 0-1背包（动态规划）： 假设有3个物品： 物品A重3斤，价值4元； 物品A重4斤，价值5元； 物品A重5斤，价值6元。 考虑方式： 当放了n-1个物品时，第n个物品放还是不放？ 设： C - 当前背包容量（斤） w[n] - 第n个物品的重量（斤） v[n] - 第n个物品的价值（元）。 F( n, C ) - 将前n个物品放入容量为C的背包时，能获取的总价值。 如果不放第n个物品： 公式： F( n-1, C ) 如果放第n个物品 公式： F( n-1, C - w[n] ) + v[n] 简单来说，就是把C、w[n]、v[n] 代入公式，看2个公式哪个得出的结果大，就选哪个。 然后可以构造出一张表： 背包容量为C时，能选择的最大价值。 重量 价值 C=1 C=2 C=3 C=4 C=5 C=6 C=7 C=8 C=9 C=10 A 3斤 4元 A X X 4 4 4 4 4 4 4 4 B 4斤 5元 A + B X X 4 5