ACM竞赛所用数据结构 .pptVIP

Trie树的插入 Trie树的插入 首先根据插入纪录的关键码找到需要插入的结点位置 如果该结点是叶结点，那么就将为其分裂出两个子结点，分别存储这个纪录和以前的那个纪录 如果是内部结点，则在那个分支上应该是空的，所以直接为该分支建立一个新的叶结点即可 Trie树的删除 Trie树的删除 根据插入纪录的关键码找到需要删除的结点位置 如果一个被删除结点的父结点没有其他的儿子，那么就需要合并 否则只需要将此分支设置为空即可 后缀树和后缀数组 百度百科中 后缀树 /view/117678.html 后缀数组 /view/1240197.htm 附件中相关资料 后缀树.pdf 后缀数组.doc 关于后缀数组 字符串处理当中，后缀树和后缀数组都是非常有力的工具，其中后缀树大家了解得比较多，关于后缀数组则很少见于国内的资料。其实后缀数组是后缀树的一个非常精巧的替代品，它比后缀树容易编程实现，能够实现后缀树的很多功能而时间复杂度也不太逊色，并且，它比后缀树所占用的空间小很多。可以说，在ACM比赛中中后缀数组比后缀树要更为实用。 树 树的一般表示法 数组父亲表示法 儿子节点表示法（用指针构建多叉树） 比赛的时候常用vector来构造 左儿子右兄弟表示法 哈夫曼树 ? 哈夫曼树又称最优树（二叉树），是一类带权路径最短的树。构造这种树的算法最早是由哈夫曼(Huffman)1952年提出，这种树在信息检索中很有用。 定义： 结点之间的路径长度：从一个结点到另一个结点之间的分支数目。 树的路径长度：从树的根到树中每一个结点的路径长度之和。(PL) 哈夫曼树 PL计算 哈夫曼树 结点的带权路径长度：从该结点到树根之间的路径长度与结点上权的乘积。 树的带权路径长度：树中所有叶子结点的带权路径长度之和，记作： WPL为最小的二叉树就称作最优二叉树或哈夫曼树。 哈夫曼树 WPL的计算 完全二叉树不一定是最优二叉树。 哈夫曼树构造算法（贪心） （1）根据给定的n个权值{w1,w2,...,wn}构造n棵二叉树的集合F={T1,T2,...,Tn}，其中Ti中只有一个权值为wi的根结点，左右子树为空；（2）在F中选取两棵根结点的权值为最小的数作为左、右子树以构造一棵新的二叉树，且置新的二叉树的根结点的权值为左、右子树上根结点的权值之和。（3）将新的二叉树加入到F中，删除原两棵根结点权值最小的树；（4）重复（2）和（3）直到F中只含一棵树为止，这棵树就是哈夫曼树。 哈夫曼树的构造图 树状数组 树状数组是一个查询和修改复杂度都为log(n)的数据结构，假设数组a[1...n]，那么查询a[1] + …… + a[i] 的时间是log级别的，而且是一个在线的数据结构，支持随时修改某个元素的值，复杂度也为log级别。 令这棵树的结点编号为C1，C2……Cn。令每个结点的值为这棵树的值的总和，那么容易发现： C1 = A1 C2 = A1 + A2 C3 = A3 C4 = A1 + A2 + A3 + A4 C5 = A5 C6 = A5 + A6 C7 = A7 C8 = A1 + A2 + A3 + A4 + A5 + A6 + A7 + A8 …… C16 = A1 + A2 + A3 + A4 + A5 + A6 + A7 + A8 + A9 + A10 + A11 + A12 + A13 + A14 + A15 + A16 树状数组 树状数组 设节点编号为x，那么这个节点管辖的区间为2^k（其中k为x二进制末尾0的个数）个元素。因为这个区间最后一个元素必然为Ax，所以很明显： Cn = A(n – 2^k + 1) + …… + An 算这个2^k有一个快捷的办法，定义一个函数如下即可： int lowbit(int x){ ? ? return x (x ^ (x – 1)); } 树状数组 当想要查询一个SUM(n)时，可依据如下算法即可： step1:　令sum = 0，转第二步； step2:　假如n = 0，算法结束，返回sum值，否则sum = sum + Cn，转第三步； step3: 令n = n – lowbit(n)，转第二步。 可以看出，这个算法就是将这一个个区间的和全部加起来，为什么是效率是log(n)的呢？ 以下给出证明： n = n – lowbit(n)这一步实际上等价于将n的二进制的最后一个1减去。而n的二进制里最多有log(n)个1，所以查询效率是log(n)的。 树状数组推广 二维树状数组 求sum{a[1..m][1..n]} 维护和查询复杂度均为O(logm*logn) 用于动态求子阵和,数组内容保存在sum.a[][]中 还可