当前位置: 首页 > news >正文

软件设计(十一)数据结构(上)

  • 线性结构
  1. 线性表

线性表是n个元素的有限序列,通常记为(a1,a2....an),特点如下。

  1. 存在唯一的一个称作“第一个”的元素。
  2. 存在位移的一个称作“最后一个”的元素。
  3. 除了表头外,表中的每一个元素均只有唯一的直接前趋
  4. 除了表尾外,表中的每一个元素均只有唯一的直接后继

1)线性表的 顺序存储:优点随机存取表中元素,缺点每次插入需要移动大量元素。

2)线性表的 链式存储:指用节点来存储数据元素,节点的空间可以是连续的,也可以是不连续的,因此存储数据元素的同时必须存储元素之间的逻辑关系。节点空间只有在需要的时候才申请,无须事先分配。

链表作为存储结构时,不能进行数据元素随机访问,但优点是插入和删除操作时候不需要移动大量数据

常用的链表结构:

  1. 双向链表:每个节点包含两个指针,指明直接前趋和后继,可在两个方向遍历链表。
  2. 循环链表:表尾的指针指向第一个节点。
  3. 静态链表:借助数组来描述线性表的链式存储结构。

  1. 栈和队列

只能通过访问它一端来实现数据存储和检索的一种线性数据结构。它是先进后出的原则FILO

栈典型的应用包括表达式求值、括号匹配等。在计算机语言的实现以及将递归过程转变为非递归过程的处理中,栈都很重要

队列

队列是一种先进先出(FIFO)的线性表,它只允许在表的一端插入元素,表的另一端删除元素

  • 数组、矩阵和广义表
  1. 数组

n维数组是一种“同构”的数据结构,其每一个元素类型相同,结构一致。数组是定长线性表在维数上的扩张,即线性表中的元素又是一个线性表。

数组结构特点:数据元素数目固定、数据元素具有相同的类型、数据元素的下标关系具有上下界的约束且下标有序。

一旦定义了数组,结构中元素个数和元素之间的关系就不再发生改变,因此数组适用于采用顺序存储结构。

因为计算机内存结构是一维线性的,因此存储多维数组时必须按照某种方式进行降维处理。

  1. 矩阵

特殊矩阵:若矩阵中元素(或非0元素)的分部有一定规律,则为特殊矩阵。(如 三角矩阵、对称矩阵、对角矩阵)

稀疏矩阵:若非零的元素远远小于零元素的个数,且非零元素的分部没有规律,则为稀疏矩阵。

  1. 广义表

广义表是线性表的推广,由0个或者多个单元素或子表所组成的有限序列。

广义表长度是元素的个数,深度指广义表展开后所含括号的最大层数。

树是n(n>=0)个节点的有限集合,n=0时称为空树,在任意非空树中:

  1. 有且仅有一个称为根的节点。
  2. 其余的节点可分为m(m>=0)个互不相交的子集T1,T2...Tm,其中每个子集本身又是一棵树,并称为根节点的子树。

树由若干子树构成,子树又由子树构成。

  1. 双亲和孩子:节点的子树的跟称为该节点的孩子,该节点称为其子节点的双亲。
  2. 兄弟:具有相同双亲的节点互为兄弟。
  3. 节点的度:一个节点的子树的个数记为该节点的度。
  4. 叶子结点:也称为终端节点,指度为0的节点。

等...

  1. 二叉树

二叉树binary tree是n(n>=0)个节点的有限集合,它或者是空树(n=0),或者是由一个根节点及两棵互不相交的、分别称为左子树和右子树的二叉树所组成。

二叉树节点最大度为2,而普通树不限制节点的度数

二叉树基本运算时是遍历,他有如下性质

  1. 二叉树第i层上的节点数目最多为 2 的 (i-1)次方。(i>=1)
  2. 深度为k的二叉树至多 (2的k次方)-1 个节点。(i>=1)
  3. 在任意一颗二叉树中,若终端节点数为n0,度为2的节点数为n2,则n0 = n2+1。

等...

二叉树的遍历

二叉树分为根节点、左子树和右子树,按照左子树必须遍历在右子树之前,所以分为前序、中序、后续

也可以层序遍历,从树的根节点出发,依次访问第一层节点,从左往右依次访问第二层的节点,以此类推,自上而下,自左往右

图G是由两个集合V和E构成的二元组,记作G=(V,E),其中V是图中顶点的非空有限集合,E是图中边的有限集合。从数据结构逻辑关系看,图中任意顶点都与其他顶点有关,而图中所有顶点都有可能与某一顶点有关。在图中,数据结构中的数据元素用顶点表示,数据元素之间的关系则用边表示。

  1. 有向图:若图中每条边都是有方向的,则称G为有向图。
  2. 无向图:若图中每一条边都是无方向的。
  3. 无向完全图:若一个图像图具有n个顶点,若每一个顶点与其他n-1个顶点之间都有边,则称为无向完全图。显然含n个顶点的无向完全图共有n(n-1)/2条边。
  4. 有向完全图:有n个顶点的有向完全图中孤的数目为n(n-1),即任何两个不同顶点之间都有方向相反的两条弧存在。

等...

图的遍历分为:

  1. 深度优化遍历 DFS:从图G任意一个顶点v出发。设计搜索指针,指向旁边未访问的顶点。
  2. 广度优化遍历:BFS:从顶点v出发,访问v旁边都未访问过的顶点。

相关文章:

软件设计(十一)数据结构(上)

线性结构 线性表 线性表是n个元素的有限序列,通常记为(a1,a2....an),特点如下。 存在唯一的一个称作“第一个”的元素。存在位移的一个称作“最后一个”的元素。除了表头外,表中的每一个元素均只有唯一的直接前趋除了表尾外&…...

https协议

文章目录对称加密方案非对称加密方案对称加密方案非对称加密方案对称加密方案非对称加密方案数字证书因为HTTP是明文传输,所以会很有可能产生中间人攻击(获取并篡改传输在客户端及服务端的信息并不被人发觉),HTTPS加密应运而生。 …...

深入浅出C语言——数据在内存中的存储

文章目录一、数据类型详细介绍1. C语言中的内置类型2. 类型的基本归类:二. 整形在内存中的存储1. 原码、反码、补码2. 大小端三.浮点数存储规则一、数据类型详细介绍 1. C语言中的内置类型 C语言的内置类型有char、short、int、long、long long、float、double&…...

在 Centos 上在线安装 GitLab

作为程序员,其中一个愿望是拥有一个自己的代码存储库。在支持私有部署的代码存储库产品中,GitLab 是比较著名的了,所以今天我总结了一下在 Centos 上安装 GitLab 的过程。 依赖 基础依赖 首先,需要安装部分基础的依赖&#xff…...

模型解释性:SHAP包的使用

本篇博客介绍另一种事后可解释性方法:SHAP(SHapley Additive exPlanation)方法。 1. Shapley值理论 Shapley值是博弈论中的一个概念,通过衡量联盟中各成员对联盟总目标的贡献程度,从而根据贡献程度来进行联盟成员的利益分配,避免…...

算法训练营 day45 动态规划 0-1背包理论 分割等和子集

算法训练营 day45 动态规划 0-1背包理论 分割等和子集 0-1背包理论 有n件物品和一个最多能背重量为w 的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。每件物品只能用一次,求解将哪些物品装入背包里物品价值总和最大。 在下面的讲解中&…...

SSM框架

1.mybatis的底层原理 本质上就是使用反射和动态代理来实现对应的映射关系 2.日志级别 3.传递参数 单个参数的传递和多个参数的传递 Emp selectOne(Param(“xingming”) String name); List selectByCondition(Param(“name”) String name,Param(“sal”) double sal); 4.#和…...

教育行业需要什么样的客服系统?

某教育公司拥有素质教育、成人教育、智慧教育等多个业务板块,日常通过电商、线上媒体、线上线下授课等方式进行业务开展和品牌宣传,取得了非常不错的成绩,受到了很多人的好评反馈。 对于这样一个教育公司,客户来源广泛&#xff0…...

花房集团任命新首席财务官:已跌破IPO发行价,活跃用户下滑

上市刚满2个月,花椒母公司花房集团(HK:03611)的高管就发生了变更。2023年2月12日,花房集团披露的公告显示,董事会宣布赵磊为该公司首席财务官(CFO),自2023年2月10日起生效。 据贝多…...

儿童绘本馆图书借阅租赁知识付费小程序源码交流

1.分类图书 2.书单推荐 4.会员卡次、期限购买 5.借阅时间选择 6.积分签到 7.优惠Q领取 前端uniapp开发 后端thinkphp开发 完全开源 <template> <view class"sp-section sp-index"> <!-- search --> <view class&qu…...

Vue3 中 axios 的安装及使用

目录前言&#xff1a;一、什么是 axios &#xff1f;二、Axios 的配置项三、Axios 的请求方式四、自定义创建实例五、Axios 请求错误处理六、Axios 解决跨域问题七、Axios 请求案例随机笑话大全总结&#xff1a;前言&#xff1a; 在编写vue里的项目时&#xff0c;必须要用和后台…...

Django设计模式以及模板层介绍

MVC和MTV 传统的MVC作用&#xff1a;降低模块间的耦合度&#xff08;解耦&#xff09;Django的MTV模式 作用&#xff1a;降低模块间的耦合度&#xff08;解耦&#xff09;什么是模板 1、模板是可以根据字典数据动态变化的html网页2、模板可以根据视图中传递的字典数据动态生成相…...

Linux信号一门搞定

1.信号是什么&#xff1f; 信号其实就是一个软件中断。 例&#xff1a; 输入命令&#xff0c;在Shell下启动一个前台进程。用户按下Ctrl-C&#xff0c;键盘输入产生一个硬件中断。如果CPU当前正在执行这个进程的代码&#xff0c;则该进程的用户空间代码暂停执行&#xff0c;…...

手撸一个动态Feign,实现一个“万能”接口调用

Feign&#xff0c;在微服务框架中&#xff0c;是的服务直接的调用变得很简洁、简单&#xff0c;而不需要再编写Java Http调用其他微服务的接口。 动态feign 对于fegin调用&#xff0c;我们一般的用法&#xff1a;为每个微服务都创建对应的feignclient接口&#xff0c;然后为每…...

Linux Capabilities 入门

目录 Linux capabilities 是什么&#xff1f; capabilities 的赋予和继承 线程的 capabilities Permitted Effective Inheritable Bounding Ambient 文件的 capabilities Permitted Inheritable Effective 运行 execve() 后 capabilities 的变化 案例 Linux capab…...

驱动 day6

关于设备树的理解&#xff1a; 设备树&#xff08;Device Tree&#xff09;是一种用于特定硬件设备的解释语法树。它用来表示存储有关主板硬件和CPU架构信息的数据在内核中的传递格式&#xff0c;使内核可以更好地了解硬件并支持它们&#xff0c;而不必编写固定的代码。设备节点…...

附录2-tensorflow目标检测

源码来自作者Bubbliiiing&#xff0c;我对参考链接的代码略有修改&#xff0c;网盘地址 链接&#xff1a;百度网盘 请输入提取码 提取码&#xff1a;dvb1 目录 1 参考链接 2 环境 3 数据集准备 3.1 VOCdevkit/VOC2007 3.2 model_data/voc_classes.txt 3.3 voc_an…...

常见的EMC问题

电磁兼容设计的目的就在于满足产品功能要求、减少调试时间&#xff0c;使产品满足电磁兼容标准的要求&#xff0c;并且使产品不会对系统中的其它设备产生电磁干扰。 电磁兼容设计中常见的问题有哪些&#xff1f; 1、电磁兼容设计可以从电路设计&#xff08;包括器件选择&…...

Redis内存存储效率问题

目录 内存碎片是如何形成的&#xff1f; 如何判断是否有内存碎片&#xff1f; 如何清理内存碎片&#xff1f; INFO命令 面向 Prometheus 的 Redis-exporter 监控 实习期间&#xff0c;了解到&#xff0c;企业级开发中多个项目使用Redis&#xff0c;运行Redis实例的有可能是…...

3.28 haas506 2.0开发教程-example-蓝牙多设备扫描(仅支持M320,HD1)

haas506 2.0开发教程-example-蓝牙多设备扫描案例说明蓝牙信息克隆1.手机蓝牙改名信息克隆代码测试案例说明 开发板扫描蓝牙设备&#xff0c;获取并打印蓝牙设备mac地址。mac地址每个设备不同&#xff0c;且不能更改。本案例仅适用于M320开发板和HD1-RTU。案例使用手机与iBeac…...

BetterOCR:融合多引擎OCR与LLM的智能文档理解方案

1. 项目概述&#xff1a;当OCR遇上AI&#xff0c;一场关于“理解”的进化 最近在折腾一个文档自动化的项目&#xff0c;发现传统的OCR&#xff08;光学字符识别&#xff09;工具虽然能把图片里的文字“读”出来&#xff0c;但效果总差那么点意思。比如&#xff0c;一张随手拍的…...

告别开发板:用QEMU+STM32虚拟环境,零成本开启你的ARM Cortex-M汇编学习之旅

零成本构建ARM Cortex-M开发环境&#xff1a;QEMU模拟STM32实战指南 为什么选择虚拟化环境学习嵌入式开发&#xff1f; 记得第一次接触嵌入式开发时&#xff0c;面对琳琅满目的开发板和动辄上千元的调试器&#xff0c;作为学生的我一度望而却步。直到发现了QEMU这个开源神器&…...

让Linux桌面工作流更高效:Sticky便签应用深度解析

让Linux桌面工作流更高效&#xff1a;Sticky便签应用深度解析 【免费下载链接】sticky A sticky notes app for the linux desktop 项目地址: https://gitcode.com/gh_mirrors/stic/sticky 在Linux桌面环境中&#xff0c;快速记录和访问临时信息是每个用户都会遇到的日常…...

AI编程助手高效协作:Cursor与Claude Code开发者工具箱实战指南

1. 项目概述&#xff1a;一个为AI编程时代量身定制的开发者工具箱如果你和我一样&#xff0c;日常开发已经从传统的IDE搜索引擎模式&#xff0c;逐渐转向与Cursor、Claude Code等AI编程助手深度协作&#xff0c;那你一定遇到过类似的痛点&#xff1a;每次开启一个新项目&#x…...

别再只会用Matplotlib画基础热力图了!这5个高级定制技巧让你的图表更专业

别再只会用Matplotlib画基础热力图了&#xff01;这5个高级定制技巧让你的图表更专业 热力图是数据可视化中最直观的展示方式之一&#xff0c;但大多数数据分析师止步于基础用法。当你的图表需要出现在学术论文、商业报告或投资人演示中时&#xff0c;默认参数生成的热力图往往…...

半导体虚拟计量技术:AI驱动的制造工艺优化

1. 半导体制造中的计量困境与虚拟计量技术崛起 在半导体制造车间里&#xff0c;工程师们每天都要面对一个令人头疼的难题&#xff1a;如何在保证产品质量的同时&#xff0c;又能实时掌握每一片晶圆的工艺状态&#xff1f;传统物理计量方法就像是用显微镜检查大海——虽然精确&a…...

潜变量模型完全指南:从高斯混合模型到变分自编码器

潜变量模型完全指南&#xff1a;从高斯混合模型到变分自编码器 【免费下载链接】bayesian-machine-learning Notebooks about Bayesian methods for machine learning 项目地址: https://gitcode.com/gh_mirrors/ba/bayesian-machine-learning 潜变量模型是机器学习领域…...

【限时解密】Photoshop 25.5 Beta隐藏功能+Midjourney API私有化接入指南(含已验证Webhook配置模板与错误码速查表)

更多请点击&#xff1a; https://intelliparadigm.com 第一章&#xff1a;Midjourney与Photoshop整合方案的演进逻辑与架构全景 随着生成式AI在创意工作流中的深度渗透&#xff0c;Midjourney与Photoshop的协同已从“图像导出→手动精修”的离散模式&#xff0c;演进为基于API…...

为什么你的Gemini写作总像“AI腔”?资深技术文档架构师揭秘3层语义校准法

更多请点击&#xff1a; https://intelliparadigm.com 第一章&#xff1a;为什么你的Gemini写作总像“AI腔”&#xff1f;资深技术文档架构师揭秘3层语义校准法 Gemini 生成的技术文档常被诟病为“语法正确但语义失焦”——术语堆砌、逻辑断层、人机语感割裂。根本原因在于模…...

DistroAV(原OBS-NDI)终极配置指南:5步打造专业级网络视频传输系统

DistroAV&#xff08;原OBS-NDI&#xff09;终极配置指南&#xff1a;5步打造专业级网络视频传输系统 【免费下载链接】obs-ndi DistroAV (formerly OBS-NDI): NDI integration for OBS Studio 项目地址: https://gitcode.com/gh_mirrors/ob/obs-ndi 你是否曾为OBS Stud…...