当存储在表中时,直接寻址运用值和键之间的一对一映射。 但是,当存在少量键值对时,此办法存在成绩。 该表将具有很多记载,并且十分庞大,思索到典型计算机上的可用内存,该表能够不实在践甚至无法存储。 为避免此成绩,我们运用哈希表。
哈希函数
名为哈希函数(h)的特殊函数用于克制直接寻址中的上述成绩。
在直接拜访中,带有密钥k的值存储在插槽k中。 运用哈希函数,我们可以计算出每个值都指向的表(插槽)的索引。 运用给定键的哈希函数计算的值称为哈希值,它表示该值映射到的表的索引。
h:哈希函数
k:应确定其哈希值的键
m:哈希表的大小(可用插槽数)。 一个不接近2的准确乘方的素数是m的一个不错的选择。
Fig 5. Representation of a Hash Function
1→1→1
5→5→5
23→23→3
63→63→3
从下面给出的最后两个示例中,我们可以看到,当哈希函数为多个键生成相反的索引时,就会发作抵触。 我们可以经过选择适宜的哈希函数h并运用链接和开放式寻址等技术来处置抵触。
哈希表的运用
用于完成数据库索引。
用于完成关联数组。
用于完成"设置"数据结构。
6.树
树是一种层次结构,其中数据按层次停止组织并链接在一同。 此结构与链接列表不同,而在链接列表中,项目以线性顺序链接。
在过去的几十年中,曾经开收回各种类型的树木,以适宜某些运用并满足某些限制。 一些示例是二叉搜索树,B树,红黑树,展开树,AVL树和n元树。
二叉搜索树
望文生义,二进制搜索树(BST)是一种二进制树,其中数据以分层结构停止组织。 此数据结构按排序顺序存储值,我们将在本课程中详细研讨这些值。
二叉搜索树中的每个节点都包含以下属性。
key:存储在节点中的值。
left:指向左孩子的指针。
右:指向正确孩子的指针。
p:指向父节点的指针。
二叉搜索树具有共同的属性,可将其与其他树区分开。 此属性称为binary-search-tree属性。
令x为二叉搜索树中的一个节点。
假设y是x左子树中的一个节点,则y.key≤x.key
假设y是x的右子树中的节点,则y.key≥x.key
Fig 6. Visualization of Basic Terminology of Trees.
树的运用
二叉树:用于完成表达式解析器和表达式求解器。
二进制搜索树:用于许多不断输入和输入数据的搜索运用顺序中。
堆:由JVM(Java虚拟机)用来存储Java对象。
Trap:用于无线网络。
7.堆
堆是二叉树的一种特殊状况,其中将父节点与其子节点的值停止比较,并对其停止相应陈列。
让我们看看如何表示堆。 堆可以运用树和数组表示。 图7和8显示了我们如何运用二叉树和数组来表示二叉堆。
Fig 7. Binary Tree Representation of a Heap
Fig 8. Array Representation of a Heap
堆可以有2种类型。
最小堆-父项的密钥小于或等于子项的密钥。 这称为min-heap属性。 根将包含堆的最小值。
最大堆数-父项的密钥大于或等于子项的密钥。 这称为max-heap属性。 根将包含堆的最大值。
堆的运用
用于完成优先级队列,由于可以依据堆属性对优先级值停止排序。
可以在O(log n)时间内运用堆来完成队列功用。
用于查找给定数组中k个最小(或最大)的值。
用于堆排序算法。
8.图
一个图由一组有限的顶点或节点以及一组衔接这些顶点的边组成。
图的顺序是图中的顶点数。 图的大小是图中的边数。
假设两个节点经过同一边彼此衔接,则称它们为相邻节点。
有向图
假设图形G的一切边缘都具有指示什么是起始顶点和什么是终止顶点的方向,则称该图形为有向图。
我们说(u,v)从顶点u入射或分开顶点u,然后入射到或进入顶点v。
自环:从顶点到本身的边。
无向图
假设图G的一切边缘均有方向,则称其为无向图。 它可以在两个顶点之间以两种方式传达。
假设顶点未衔接到图中的任何其他节点,则称该顶点为孤立的。
Fig 9. Visualization of Terminology of Graphs
图的运用
用于表示社交媒体网络。 每个用户都是一个顶点,并且在用户衔接时会创立一条边。
用于表示搜索引擎的网页和链接。 互联网上的网页经过超链接相互链接。 每页是一个顶点,两页之间的超链接是一条边。 用于Google中的页面排名。
用于表示GPS中的位置和路途。 位置是顶点,衔接位置的路途是边。 用于计算两个位置之间的最长途径。
【编辑引荐】
顺序员的外包阅历:印度、中国和菲律宾
假设新冠病毒是在亚美尼亚迸发会发作什么?顺序员用Python停止模拟
(责任编辑:admin)