用go语言实现树和哈希表算法

算法复杂度

判断一个算法的效率通常基于其计算复杂度,这主要与算法访问输入数据的次数有关。计算机科学中常用大O表示法来描述算法的复杂度。例如,O(n)的算法只需访问一次输入数据,因此优于O(n²)的算法,后者则优于O(n³)的算法,依此类推。最差的算法是O(n!)的复杂度,当输入数据超过300个元素时,这样的算法几乎无法使用。

在Go语言中,大多数内建类型的查找操作(如通过键值查找map中的元素或访问数组元素)都具有常数时间复杂度,表示为O(1)。这意味着内建类型通常比自定义类型更快,除非你希望对底层行为进行完全控制,否则应优先选择使用内建类型。

不仅如此,不同的数据结构效率各不相同。通常,数组操作比map操作要快,但map的多功能性使它具有独特的优势。因此,开发者在选择数据结构时需权衡这些特性。

Go中的二叉树

二叉树简介

二叉树是一种数据结构,每个节点最多有两个子节点,即一个节点可以与最多两个其他节点相连。二叉树的根节点是树的第一个节点。树的深度(也称为高度)是从根节点到某个节点的最长路径,而某个节点的深度是该节点到根节点的边数。没有子节点的节点称为叶子节点。

当一棵树的最长路径与最短路径之间的差值不超过1时,称其为平衡树。如果不满足这一条件,则为不平衡树。树的平衡操作通常较为复杂且耗时,因此最好在树创建时保持其平衡,特别是在节点数量较多的情况下。

二叉树的实现

在Go中,二叉树的实现可以通过结构体定义节点。下面是实现一个简单二叉树的代码,并带有中文注释。

package mainimport ("fmt""math/rand""time"
)// 定义二叉树节点结构
type Tree struct {Left  *Tree // 左子节点Value int   // 节点的值Right *Tree // 右子节点
}// 遍历二叉树
func traverse(t *Tree) {if t == nil {return}traverse(t.Left) // 递归遍历左子树fmt.Print(t.Value, " ") // 打印当前节点的值traverse(t.Right) // 递归遍历右子树
}// 创建二叉树并填充随机值
func create(n int) *Tree {var t *Treerand.Seed(time.Now().Unix()) // 初始化随机数种子for i := 0; i < 2*n; i++ {temp := rand.Intn(n * 2)t = insert(t, temp) // 插入随机值}return t
}// 插入节点到二叉树中
func insert(t *Tree, v int) *Tree {if t == nil {return &Tree{nil, v, nil} // 创建根节点}if v == t.Value {return t // 如果值已存在,不做操作}if v < t.Value {t.Left = insert(t.Left, v) // 递归插入到左子树return t}t.Right = insert(t.Right, v) // 递归插入到右子树return t
}func main() {tree := create(10)fmt.Println("树的根节点值为:", tree.Value)traverse(tree)fmt.Println()// 插入新值并再次遍历tree = insert(tree, -10)tree = insert(tree, -2)traverse(tree)fmt.Println()fmt.Println("树的根节点值为:", tree.Value)
}

运行结果:

树的根节点值为: 18
0 3 4 5 7 8 9 10 11 14 16 17 18 19
-10 -2 0 3 4 5 7 8 9 10 11 14 16 17 18 19
树的根节点值为: 18

二叉树的优势

二叉树特别适合用于表示层次结构的数据,因此在编译器解析程序代码时,广泛采用二叉树。此外,二叉树是天然有序的,只需插入元素到正确位置,树结构就会保持有序。然而,删除树中的元素相对复杂,因为需要维护树的结构。

当二叉树是平衡的,其查找、插入和删除操作的时间复杂度大约为O(log n),其中n是树中元素的数量。例如,一个包含100万个元素的平衡树,其高度大约为20,这意味着可以在不到20步内访问到树中的任意节点。

二叉树的主要缺点在于其结构取决于插入元素的顺序。如果树的键值较长且复杂,插入和查找操作可能会变慢。此外,如果树不平衡,树的性能将变得不可预测。

哈希表在Go中的应用

哈希表的概念

哈希表是一种存储键值对的数据结构,它通过哈希函数计算出一个索引,从而定位数据。一个好的哈希函数需要能够产生均匀分布的哈希值,以避免哈希冲突。

Go中的哈希表实现

下面展示了如何在Go中实现一个简单的哈希表:

package mainimport ("fmt"
)// 定义哈希表的大小
const SIZE = 15// 定义哈希表的节点结构
type Node struct {Value intNext  *Node
}// 定义哈希表结构
type HashTable struct {Table map[int]*NodeSize  int
}// 哈希函数
func hashFunction(i, size int) int {return i % size
}// 插入数据到哈希表
func insert(hash *HashTable, value int) int {index := hashFunction(value, hash.Size)element := Node{Value: value, Next: hash.Table[index]}hash.Table[index] = &elementreturn index
}// 遍历哈希表
func traverse(hash *HashTable) {for k := range hash.Table {if hash.Table[k] != nil {t := hash.Table[k]for t != nil {fmt.Printf("%d -> ", t.Value)t = t.Next}fmt.Println()}}
}func main() {// 创建哈希表table := make(map[int]*Node, SIZE)hash := &HashTable{Table: table, Size: SIZE}fmt.Println("哈希表的大小为:", hash.Size)// 向哈希表插入数据for i := 0; i < 120; i++ {insert(hash, i)}// 遍历并打印哈希表traverse(hash)
}

运行结果:

哈希表的大小为: 15
105 -> 90 -> 75 -> 60 -> 45 -> 30 -> 15 -> 0 ->
110 -> 95 -> 80 -> 65 -> 50 -> 35 -> 20 -> 5 ->
...

哈希表的优势

哈希表的最大优势在于查找速度快。当哈希表有n个键和k个桶时,查找时间复杂度从O(n)降低到O(n/k),即使哈希表中有大量元素,查找效率也能保持在较低的时间复杂度内。

补充知识点

  1. 二叉树的平衡与自平衡树:虽然普通二叉树的性能取决于插入顺序,但一些自平衡树(如AVL树和红黑树)通过自动调整树的结构,确保即使在最差情况下也能维持较优的性能。

  2. 哈希碰撞处理:在哈希表中,多个键可能会映射到同一个索引,这被称为哈希碰撞。常用的碰撞处理方法有链地址法和开放地址法。在链地址法中,每个桶包含一个链表,用于存储冲突的键值对。

通过本文的讲解,相信大家对数据结构如二叉树和哈希表在Go中的应用有了更深入的理解。掌握这些基础结构,不仅能提升代码效率,还能为复杂项目的实现打下坚实的基础。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/53850.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

2024数学建模国赛官方评阅标准发布!

​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑​↑…

C++类与对象(下)--最后的收尾

内部类 • 如果⼀个类定义在另⼀个类的内部&#xff0c;这个内部类就叫做内部类。内部类是⼀个独⽴的类&#xff0c;跟定义在 全局相⽐&#xff0c;他只是受外部类类域限制和访问限定符限制&#xff0c;所以外部类定义的对象中不包含内部类。 #include<iostream> using…

JS中的indexOf与Set(其实是引用类型比较的问题)

起因是想在一个二维数组中查找是否包含一个一维数组 indexOf 先看个例子&#xff1a; const arr [[1, 1], [2, 2]] if(arr.indexOf([1, 1]) -1){console.log("无法查到该数组") }else{console.log("已找到") }const arr2 [1,2,3,4,5] if(arr2.index…

安装FTP服务器教程

一。安装vsftpd yum install vsftpd 二。修改配置文件&#xff0c;匿名账户具有访问&#xff0c;上传和创建目录的权限 vim /etc/vsftpd/vsftpd.conf &#xff08;红色进行设置放开YES&#xff09; local_enable&#xff1a;本地登陆控制&#xff0c;no表示禁止&#xff0c;ye…

3. 轴指令(omron 机器自动化控制器)——>MC_MoveAbsolute

机器自动化控制器——第三章 轴指令 4 MC_MoveAbsolute变量▶输入变量▶输入输出变量▶输入输出变量 功能说明▶指令详情▶时序图▶重启运动指令▶多重启动运动指令▶异常 示例程序1▶参数设定▶动作示例▶梯形图▶结构文本(ST) 示例程序2▶参数设定▶动作示例▶梯形图▶结构文…

Python 从入门到实战16(正则表达式语法)

我们的目标是&#xff1a;通过这一套资料学习下来&#xff0c;通过熟练掌握python基础&#xff0c;然后结合经典实例、实践相结合&#xff0c;使我们完全掌握python&#xff0c;并做到独立完成项目开发的能力。 上篇文章我们通过举例学习了字符串一些操作说明。今天讨论一下正…

RDMA应用场景及效果

GPU Direct 参考&#xff1a;网络架构如何支持超万卡的大规模 AI 训练&#xff1f;| AICon_芯片与网络_InfoQ精选文章 GPU 网络的情况已经发生了很大变化。每个 GPU 都有自己的内部互联&#xff0c;例如 NVIDIA 的 A100 或 H800&#xff0c;它们内部的 NVLink 互联可以达到 6…

【Kubernetes】常见面试题汇总(六)

目录 17.简述 kube-proxy ipvs 和 iptables 的异同&#xff1f; 18.简述 Kubernetes 中什么是静态 Pod&#xff1f; 19.简述Kubernetes中 Pod 可能位于的状态&#xff1f; 17.简述 kube-proxy ipvs 和 iptables 的异同&#xff1f; &#xff08;1&#xff09;iptables 与 IP…

单个 java 虚拟机 生产者消费者

一、通过 java.lang.Object#wait()&#xff0c;java.lang.Object#notify&#xff0c;java.lang.Object#notifyAll来实现 生产者&#xff0c;消费者 public abstract class Goods {protected String type;protected String goodName;protected int number;public abstract …

【Authing身份云-注册安全分析报告-无验证方式导致安全隐患】

前言 由于网站注册入口容易被黑客攻击&#xff0c;存在如下安全问题&#xff1a; 1. 暴力破解密码&#xff0c;造成用户信息泄露 2. 短信盗刷的安全问题&#xff0c;影响业务及导致用户投诉 3. 带来经济损失&#xff0c;尤其是后付费客户&#xff0c;风险巨大&#xff0c;造…

EP10 全局渐变背景色

文件路径&#xff1a; E:/homework/uniappv3tswallpaper/common/style/common-style.scss view,swiper,swiper-item{box-sizing: border-box; } .pageBg{background: linear-gradient(to bottom,rgba(0,0,0,0.2),white 35%),linear-gradient(to right,#A6E3D7 30%,#FFE1F2);mi…

香港打工人√三天通过微软mos认证

在繁忙的香港&#xff0c;时间就是金钱&#xff0c;效率就是生命。作为一名香港的打工人&#xff0c;在这座竞争激烈的城市中&#xff0c;不断提升自我是保持竞争力的关键。最近&#xff0c;我完成了一项挑战&#xff1a;在短短三天内通过微软MOS认证大师。以下是我备考的经验分…

微调大模型:提高其代码修复能力的尝试

目录 一、作品背景&#xff1a; 二、作品目标&#xff1a; 三、作品技术方案&#xff1a; (1)标记化 (2)量化 (3) LoRA&#xff08;低秩自适应&#xff09;配置 (4)训练配置 (6)模型保存 四、作品效果&#xff1a; 一、作品背景&#xff1a; 随着大型模型技术的日益成…

c#语言写一个数组排序函数

在C#中&#xff0c;有多种方式可以编写一个数组排序函数。最直接和常用的方式之一是利用.NET Framework内置的Array.Sort()方法&#xff0c;但如果你想要自己实现排序算法来加深理解&#xff0c;下面我将提供一个简单的冒泡排序算法示例。 冒泡排序是一种简单的排序算法&#…

SOMEIP_ETS_107: SD_Consider_Entries_Order

测试目的&#xff1a; 验证DUT在接收到包含两个条目的消息时&#xff0c;能够按照正确的顺序处理&#xff1a;首先是带有TTL 0的SubscribeEventgroup以删除订阅&#xff0c;然后是常规的SubscribeEventgroup以重新订阅。 描述 本测试用例旨在确保DUT能够正确处理订阅消息的顺…

Frida0C - Module相关API

亲爱的读者你们好啊&#xff0c;今天主要分享一下 frida 相关的学习文档&#xff0c;见文章最后一节。 Module var module Process.findModuleByAddress(Module.findBaseAddress("libc.so")) module.enumerateSymbols()enumerateSymbols 返回该 so 的符号表。 还…

Java项目: 基于SpringBoot+mybatis+maven医院管理系统(含源码+数据库+任务书+开题报告+毕业论文)

一、项目简介 本项目是一套基于SpringBootmybatismaven医院管理系统 包含&#xff1a;项目源码、数据库脚本等&#xff0c;该项目附带全部源码可作为毕设使用。 项目都经过严格调试&#xff0c;eclipse或者idea 确保可以运行&#xff01; 该系统功能完善、界面美观、操作简单、…

ffmpeg安装测试(支持cuda支持SRT)

文章目录 背景安装ffmpeg直接下载可执行文件选择版本选择对应系统版本下载测试Linux下安装 查看支持协议以及编码格式 常见错误缺少 libmvec.so.1LD_LIBRARY_PATH 错误 GPU加速测试SRT服务器搭建下载srs5.0源码解压安装配置启动 SRT推流测试SRT播放测试 背景 在音视频开发测试中…

视频监控管理平台LntonAIServer视频智能分析抖动检测算法应用场景

在视频监控系统中&#xff0c;视频画面的稳定性对于确保监控效果至关重要。抖动现象是指视频画面中存在不稳定或频繁晃动的情况&#xff0c;这可能会影响视频的清晰度和可读性。LntonAIServer通过引入抖动检测功能&#xff0c;帮助用户及时发现并解决视频流中的抖动问题&#x…

如何在Oracle中实现数据的加密

在Oracle数据库中实现数据加密是一项重要的安全措施&#xff0c;它可以保护存储在数据库中的敏感信息不被未授权访问。Oracle提供了多种数据加密方法&#xff0c;包括透明数据加密&#xff08;TDE&#xff09;、列级加密和使用内置加密函数等。以下是一些在Oracle中实现数据加密…