[工学]数据结构 第五章 数组和广义表.pptVIP

广义表从结构上可以分解成 广义表 = 表头 + 表尾 或者 广义表 =子表1 + 子表2 + ··· + 子表n 因此常利用分治法求解之。算 法设计中的关键问题是，如何将 l 个子问题的解组合成原问题的解。 广义表的头尾链表存储表示： typedef enum {ATOM, LIST} ElemTag; // ATOM==0:原子, LIST==1:子表 typedef struct GLNode { ElemTag tag; // 标志域 union{ AtomType atom; // 原子结点的数据域 struct {struct GLNode *hp, *tp;} ptr; }; } *GList tag=1 hp tp ptr 表结点 例一 求广义表的深度 例二 复制广义表 例三 创建广义表的存储结构 广义表的深度=Max {子表的深度} +1 例一 求广义表的深度 可以直接求解的两种简单情况为： 空表的深度 = 1 原子的深度 = 0 将广义表分解成 n 个子表，分 别(递归)求得每个子表的深度， int GlistDepth(Glist L) { // 返回指针L所指的广义表的深度 for (max=0, pp=L; pp; pp=pp-ptr.tp){ dep = GlistDepth(pp-ptr.hp); if (dep max) max = dep; } return max + 1; } // GlistDepth if (!L) return 1; if (L-tag == ATOM) return 0; 1 1 1 … ? for (max=0, pp=L; pp; pp=pp-ptr.tp){ dep = GlistDepth(pp-ptr.hp); if (dep max) max = dep; } 例如: pp pp-ptr.hp pp pp pp-ptr.hp pp-ptr.hp L StatusFastTransposeSMatrix(TSMatrix M,TSMatrixT){ T.mu = M.nu; T.nu = M.mu; T.tu = M.tu; if (T.tu) { for (col=1; col=M.nu; ++col) num[col] = 0; for (t=1; t=M.tu; ++t) ++num[M.data[t].j]; cpot[1] = 1; for (col=2; col=M.nu; ++col) cpot[col] = cpot[col-1] + num[col-1]; for (p=1; p=M.tu; ++p) { } } // if return OK; } // FastTransposeSMatrix 转置矩阵元素 col = M.data[p].j; q = cpot[col]; T.data[q].i = M.data[p].j; T.data[q].j = M.data[p].i; T.data[q].e = M.data[p].e; ++cpot[col] 分析算法FastTransposeSMatrix的时 间复杂度： 时间复杂度为: O(M.nu+M.tu) for (col=1; col=M.nu; ++col) … … for (t=1; t=M.tu; ++t) … … for (col=2; col=M.nu; ++col) … … for (p=1; p=M.tu; ++p) … … 三元组顺序表又称有序的双下 标法，它的特点是，非零元在表中 按行序有序存储，因此便于进行依 行顺序处理的矩阵运算。然而，若 需随机存取某一行中的非零元，则 需从头开始进行查找。 二、行逻辑链接的顺序表 #define MAXMN 500 typedef struct { Triple data[MAXSIZE + 1]; int rpos[MAXMN + 1]; int mu, nu, tu; }