【算法与数据结构】--常见数据结构--树与图

一、二叉树

二叉树（Binary Tree）是一种重要的树状数据结构，它由节点构成，每个节点最多有两个子节点：一个左子节点和一个右子节点。这种结构使得二叉树在计算机科学和编程中具有广泛的应用。

1.1 二叉树的基本特性：
  1. 根节点：二叉树的顶部节点称为根节点，它是树的起点。
  2. 子树：树中的任何节点都可以作为根节点形成子树。
  3. 父节点和子节点：节点可以有零、一个或两个子节点。父节点指向子节点。
  4. 叶子节点：没有子节点的节点称为叶子节点。
  5. 深度：从根节点到某个节点的路径长度称为深度。根节点深度为0。
  6. 高度：树中最深节点的深度称为树的高度。
  7. 层次：节点的深度加1就是该节点所在的层次。
1.2 二叉树的常见类型：
  1. 二叉搜索树（Binary Search Tree，BST）：一种有序二叉树，左子树上的节点值小于根节点，右子树上的节点值大于根节点，这个性质使得二叉搜索树用于快速查找、插入和删除操作。
  2. 平衡二叉树：一种特殊的二叉搜索树，保持树的左右子树高度差不超过1，以保持查找操作的高效性能。常见的平衡二叉树包括AVL树和红黑树。
  3. 二叉堆（Binary Heap）：一种特殊的二叉树结构，通常用于实现堆排序和优先队列。有最大堆和最小堆两种类型。
1.3 二叉树的遍历方式：
  1. 前序遍历（Preorder Traversal）：先访问根节点，然后依次遍历左子树和右子树。
  2. 中序遍历（Inorder Traversal）：先遍历左子树，然后访问根节点，最后遍历右子树。对于二叉搜索树，中序遍历的结果是有序的。
  3. 后序遍历（Postorder Traversal）：先遍历左子树，然后遍历右子树，最后访问根节点。
  4. 层次遍历（Level Order Traversal）：按层次从上到下，从左到右遍历树的节点。
1.4 C#和Java示例代码：

下面是C#和Java示例代码，演示如何创建一个简单的二叉树、进行前序遍历和中序遍历。
C# 示例：

using System;class TreeNode
{public int Data { get; set; }public TreeNode Left { get; set; }public TreeNode Right { get; set; }public TreeNode(int data){Data = data;Left = null;Right = null;}
}class BinaryTree
{public TreeNode Root { get; set; }public BinaryTree(){Root = null;}public void PreorderTraversal(TreeNode node){if (node == null)return;Console.Write(node.Data + " ");PreorderTraversal(node.Left);PreorderTraversal(node.Right);}public void InorderTraversal(TreeNode node){if (node == null)return;InorderTraversal(node.Left);Console.Write(node.Data + " ");InorderTraversal(node.Right);}
}class Program
{static void Main(){BinaryTree tree = new BinaryTree();tree.Root = new TreeNode(1);tree.Root.Left = new TreeNode(2);tree.Root.Right = new TreeNode(3);tree.Root.Left.Left = new TreeNode(4);tree.Root.Left.Right = new TreeNode(5);Console.WriteLine("Preorder Traversal:");tree.PreorderTraversal(tree.Root);Console.WriteLine("\nInorder Traversal:");tree.InorderTraversal(tree.Root);}
}

Java 示例：

class TreeNode {int data;TreeNode left;TreeNode right;public TreeNode(int data) {this.data = data;left = null;right = null;}
}class BinaryTree {TreeNode root;public BinaryTree() {root = null;}void preorderTraversal(TreeNode node) {if (node == null)return;System.out.print(node.data + " ");preorderTraversal(node.left);preorderTraversal(node.right);}void inorderTraversal(TreeNode node) {if (node == null)return;inorderTraversal(node.left);System.out.print(node.data + " ");inorderTraversal(node.right);}
}public class Main {public static void main(String[] args) {BinaryTree tree = new BinaryTree();tree.root = new TreeNode(1);tree.root.left = new TreeNode(2);tree.root.right = new TreeNode(3);tree.root.left.left = new TreeNode(4);tree.root.left.right = new TreeNode(5);System.out.print("Preorder Traversal: ");tree.preorderTraversal(tree.root);System.out.print("\nInorder Traversal: ");tree.inorderTraversal(tree.root);}
}

这些示例演示了如何创建一个二叉树、进行前序和中序遍历，以及如何在C#和Java中实现二叉树的基本操作。二叉树是一种重要的数据结构，用于各种应用，包括数据库索引、解析表达式、图形处理等。

二、图的基本概念

图（Graph）是一种抽象数据结构，用于表示多个对象之间的关系。图是计算机科学中非常重要的数据结构，用于解决许多实际问题。以下是图的基本概念：

  1. 节点（Node 或 Vertex）：图中的基本元素，通常表示一个实体或对象。节点可以有不同的属性和类型，具体取决于应用。节点可以包含有关实体的信息，如名称、权重等。
  2. 边（Edge 或 Arc）：图中连接两个节点的线，表示节点之间的关系。边可以是有向的（从一个节点到另一个节点）或无向的（没有方向）。通常，边可能具有权重，用于表示关系的强度或成本。
  3. 顶点数（Vertex Count）：图中节点的总数。
  4. 边数（Edge Count）：图中边的总数。
  5. 路径（Path）：在图中，路径是一系列相邻的节点，它们通过边相连。路径的长度可以通过经过的边数或权重来度量。
  6. 有向图（Directed Graph）：也称为有向图，图中的边具有方向。在有向图中，从一个节点到另一个节点的边是单向的。
  7. 无向图（Undirected Graph）：在无向图中，图中的边没有方向，可以双向移动。
  8. 环（Cycle）：在图中，如果一条路径可以回到起始节点，形成一个闭合的环，那么该路径被称为环。
  9. 连通性（Connectivity）：一个图或图中的一部分被称为连通的，如果从任何一个节点到另一个节点都存在路径。
  10. 度数（Degree）：节点的度数是与该节点相连的边的数量。在有向图中，分为入度（In-Degree）和出度（Out-Degree）。
  11. 子图（Subgraph）：一个图的子集，包括一些节点和连接这些节点的边。
  12. 稀疏图和稠密图：稀疏图是具有相对较少边的图，而稠密图具有相对较多的边。

图是一种非常通用的数据结构，它在许多领域中都有广泛的应用，包括网络分析、社交网络、路线规划、数据库系统、编译器设计、图像处理等。不同类型的图和图算法被用于不同的问题，如最短路径问题、网络流问题、最小生成树问题等。了解这些基本概念是理解和使用图的关键。

三、常见图算法

图算法是解决图数据结构中的各种问题的算法。以下是一些常见的图算法，以及它们的简要介绍和C#、Java的代码示例：

3.1 深度优先搜索（DFS）：
  • 算法介绍：DFS 用于遍历图，从一个起始节点开始，沿着一条路径尽可能深入，直到无法再继续。然后，回溯到上一个节点，继续深入其他路径，直到所有节点都被访问。
  • 应用：查找连通组件、拓扑排序、解决迷宫问题等。
  • C# 示例：
using System;using System.Collections.Generic;class Graph{private int V; // 节点数private List<int>[] adj; // 邻接表public Graph(int v){V = v;adj = new List<int>[v];for (int i = 0; i < v; i++){adj[i] = new List<int>();}}public void AddEdge(int v, int w){adj[v].Add(w);}public void DFS(int v){bool[] visited = new bool[V];DFSUtil(v, visited);}private void DFSUtil(int v, bool[] visited){visited[v] = true;Console.Write(v + " ");foreach (int neighbor in adj[v]){if (!visited[neighbor]){DFSUtil(neighbor, visited);}}}}
  • Java 示例：
import java.util.LinkedList;class Graph {private int V; // 节点数private LinkedList<Integer> adj[];public Graph(int v) {V = v;adj = new LinkedList[v];for (int i = 0; i < v; i++) {adj[i] = new LinkedList<>();}}public void addEdge(int v, int w) {adj[v].add(w);}public void DFS(int v) {boolean[] visited = new boolean[V];DFSUtil(v, visited);}private void DFSUtil(int v, boolean[] visited) {visited[v] = true;System.out.print(v + " ");for (int neighbor : adj[v]) {if (!visited[neighbor]) {DFSUtil(neighbor, visited);}}}
}
3.2 广度优先搜索（BFS）：
  • 算法介绍：BFS 用于遍历图，从起始节点开始，首先访问所有与该节点直接相邻的节点，然后逐层向外扩展。
  • 应用：最短路径问题、网络分析、查找最近的连接等。
  • C# 示例：
using System;
using System.Collections.Generic;class Graph
{private int V; // 节点数private List<int>[] adj; // 邻接表public Graph(int v){V = v;adj = new List<int>[v];for (int i = 0; i < v; i++){adj[i] = new List<int>();}}public void AddEdge(int v, int w){adj[v].Add(w);}public void BFS(int s){bool[] visited = new bool[V];Queue<int> queue = new Queue<int>();visited[s] = true;queue.Enqueue(s);while (queue.Count != 0){s = queue.Dequeue();Console.Write(s + " ");foreach (int neighbor in adj[s]){if (!visited[neighbor]){visited[neighbor] = true;queue.Enqueue(neighbor);}}}}
}
  • Java 示例：
import java.util.LinkedList;
import java.util.Queue;class Graph {private int V; // 节点数private LinkedList<Integer> adj[];public Graph(int v) {V = v;adj = new LinkedList[v];for (int i = 0; i < v; i++) {adj[i] = new LinkedList<>();}}public void addEdge(int v, int w) {adj[v].add(w);}public void BFS(int s) {boolean[] visited = new boolean[V];Queue<Integer> queue = new LinkedList<>();visited[s] = true;queue.add(s);while (!queue.isEmpty()) {s = queue.poll();System.out.print(s + " ");for (int neighbor : adj[s]) {if (!visited[neighbor]) {visited[neighbor] = true;queue.add(neighbor);}}}}
}
3.3 最短路径算法（Dijkstra、Bellman-Ford、Floyd-Warshall）：
  • 算法介绍：这些算法用于查找图中两个节点之间的最短路径。Dijkstra 适用于带正权边的图，Bellman-Ford 适用于带负权边的图，Floyd-Warshall 适用于任何图。
  • 应用：路线规划、导航、网络路由、最短路径查找等。
  • C# 示例：以Dijkstra算法为例，下面是C#示例
using System;
using System.Collections.Generic;class Graph
{private int V; // 节点数private int[,] graph; // 邻接矩阵public Graph(int v){V = v;graph = new int[V, V];}public void AddEdge(int v, int w, int weight){graph[v, w] = weight;graph[w, v] = weight;}public void Dijkstra(int start){int[] dist = new int[V];bool[] visited = new bool[V];for (int i = 0; i < V; i++){dist[i] = int.MaxValue;visited[i] = false;}dist[start] = 0;for (int count = 0; count < V - 1; count++){int u = MinDistance(dist, visited);visited[u] = true;for (int v = 0; v < V; v++){if (!visited[v] && graph[u, v] != 0 && dist[u] != int.MaxValue &&dist[u] + graph[u, v] < dist[v]){dist[v] = dist[u] + graph[u, v];}}}PrintSolution(dist);}private int MinDistance(int[] dist, bool[] visited){int min = int.MaxValue;int minIndex = -1;for (int v = 0; v < V; v++){if (!visited[v] && dist[v] <= min){min = dist[v];minIndex = v;}}return minIndex;}private void PrintSolution(int[] dist){Console.WriteLine("Vertex \t Distance from Source");for (int i = 0; i < V; i++){Console.WriteLine(i + " \t " + dist[i]);}}
}
  • Java 示例：以Dijkstra算法为例，下面是Java示例
import java.util.Arrays;class Graph {private int V; // 节点数private int[][] graph; // 邻接矩阵public Graph(int v) {V = v;graph = new int[V][V];}public void addEdge(int v, int w, int weight) {graph[v][w] = weight;graph[w][v] = weight;}public void dijkstra(int start) {int[] dist = new int[V];boolean[] visited = new boolean[V];for (int i = 0; i < V; i++) {dist[i] = Integer.MAX_VALUE;visited[i] = false;}dist[start] = 0;for (int count = 0; count < V - 1; count++) {int u = minDistance(dist, visited);visited[u] = true;for (int v = 0; v < V; v++) {if (!visited[v] && graph[u][v] != 0 && dist[u] != Integer.MAX_VALUE &&dist[u] + graph[u][v] < dist[v]) {dist[v] = dist[u] + graph[u][v];}}}printSolution(dist);}private int minDistance(int[] dist, boolean[] visited) {int min = Integer.MAX_VALUE;int minIndex = -1;for (int v = 0; v < V; v++) {if (!visited[v] && dist[v] <= min) {min = dist[v];minIndex = v;}}return minIndex;}private void printSolution(int[] dist) {System.out.println("Vertex \t Distance from Source");for (int i = 0; i < V; i++) {System.out.println(i + " \t " + dist[i]);}}
}

这是一些常见的图算法及其C#和Java的代码示例。这些算法在许多领域中都有广泛的应用，包括网络分析、路线规划、社交网络分析等。根据具体问题需求，选择合适的算法和数据结构来解决问题非常重要。

四、总结

二叉树是一种树状数据结构，每个节点最多有两个子节点。常见的二叉树类型包括二叉搜索树、平衡二叉树和二叉堆。遍历方式有前序、中序、后序和层次遍历。图是用于表示多个对象之间关系的数据结构，具有节点和边，包括有向图和无向图。常见图算法包括深度优先搜索、广度优先搜索和最短路径算法。 C#和Java代码示例演示了如何创建二叉树和实现这些算法。二叉树和图在计算机科学中有广泛的应用。

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/news/108520.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

微查系统，一站式查询，让您的查询更加便捷

微查系统，一站式查询，让您的查询更加便捷

微查系统是挖数据一款功能强大的查询系统&#xff0c;是一个集多种查询和核验工具于一身的综合性平台。它可以大大简化企业和个人的查询流程&#xff0c;节省时间和成本&#xff0c;提高查询的准确性和效率。本文将介绍微查系统的主要特点&#xff0c;功能和使用方法&#xff0…
阅读更多...
Springboot 集成 WebSocket

Springboot 集成 WebSocket

WebSocket是一种在单个TCP连接上进行全双工通信的协议。WebSocket使得客户端和服务器之间的数据交换变得更加简单&#xff0c;允许服务端主动向客户端推送数据。在WebSocket API中&#xff0c;浏览器和服务器只需要完成一次握手&#xff0c;两者之间就直接可以创建持久性的连接…
阅读更多...
python 批量使图片重新排序

python 批量使图片重新排序

** 导入相关库 ** import os设置图片文件夹的路径 image_folder " D:\\images"获取文件夹中的所有图片文件 image_files [f for f in os.listdir(image_folder) if f.endswith(".jpg")]确保文件夹中至少有一个图片文件 if not image_files:print(&qu…
阅读更多...
【SA8295P 源码分析 (一)】52 - 答疑之 QNX 创建镜像、Android修改CMDLINE

【SA8295P 源码分析 (一)】52 - 答疑之 QNX 创建镜像、Android修改CMDLINE

【SA8295P 源码分析】52 - 答疑之 QNX 创建镜像、Android修改CMDLINE 一、QNX 侧创建 img 镜像二、QNX 侧指定只编译某一个版本三、Android定制修改selinux权限，user版本采用enforcing，userdebug版本permissive系列文章汇总见：《【SA8295P 源码分析 (一)】系统部分 文章链接…
阅读更多...
C++数据结构X篇_15_求二叉树叶子数与高度(递归方法)

C++数据结构X篇_15_求二叉树叶子数与高度(递归方法)

本篇参考求二叉树叶子数与高度&#xff08;C&#xff09;进行整理。 文章目录 1. 二叉树中叶子数与高度2. 求二叉树叶子数与高度的实现代码 1. 二叉树中叶子数与高度 我们首先来看一看二叉树中叶子数与高度的定义&#xff1a; 叶子数&#xff1a;对于一个二叉树的节点&#x…
阅读更多...
新型的终端复用器 tmux

新型的终端复用器 tmux

以前遇到长时间执行任务时&#xff0c;一般是使用nohup加后台运行&#xff0c;但是涉及到少量代码编写。 同事介绍了一个screen命令&#xff0c;根据文档&#xff0c;此命令已经过时&#xff0c;最新的命令是tmux。 tmux的介绍文档&#xff0c;RedHat的这一篇非常不错。 在文…
阅读更多...
图详解第四篇：单源最短路径--Dijkstra算法

图详解第四篇：单源最短路径--Dijkstra算法

文章目录 1. 最短路径问题2. 单源最短路径--Dijkstra算法算法思想图解如何存储路径及其权值代码实现调式观察打印最短路径Dijkstra算法的缺陷 3. 源码 1. 最短路径问题 最短路径问题&#xff1a; 从带权有向图&#xff08;求最短路径通常是有向图&#xff09;G中的某一顶点出发…
阅读更多...
为什么大势浏览器打开文件点进去都是一些分解的模型，没有一整块的模型？

为什么大势浏览器打开文件点进去都是一些分解的模型，没有一整块的模型？

答&#xff1a;选择Data文件夹&#xff0c;然后整体拖入Dasviewer&#xff0c;就可以整体查看了 DasViewer是由大势智慧自主研发的免费的实景三维模型浏览器,采用多细节层次模型逐步自适应加载技术,让用户在极低的电脑配置下,也能流畅的加载较大规模实景三维模型,提供方便快捷的…
阅读更多...
linux下的rsync(文件同步) 用法教程

linux下的rsync(文件同步) 用法教程

一、简介 rsync 是一个常用的 Linux 应用程序&#xff0c;用于文件同步。 它可以在本地计算机与远程计算机之间&#xff0c;或者两个本地目录之间同步文件&#xff08;但不支持两台远程计算机之间的同步&#xff09;。它也可以当作文件复制工具&#xff0c;替代cp和mv命令。 …
阅读更多...
BIO实战、NIO编程与直接内存、零拷贝深入剖析

BIO实战、NIO编程与直接内存、零拷贝深入剖析

原生 JDK 网络编程 BIO BIO&#xff0c;意为 Blocking I/O&#xff0c;即阻塞的 I/O。   BIO 基本上就是我们上面所说的生活场景的朴素实现。在 BIO 中类 ServerSocket 负责绑定 IP 地址&#xff0c;启动监听端口&#xff0c;等待客户连接&#xff1b;客户端 Socket 类的实例…
阅读更多...
SpringMVC源码分析（三）HandlerExceptionResolver启动和异常处理源码分析

SpringMVC源码分析（三）HandlerExceptionResolver启动和异常处理源码分析

问题&#xff1a;异常处理器在SpringMVC中是如何进行初始化以及使用的&#xff1f; Spring MVC提供处理异常的方式主要分为两种&#xff1a; 1、实现HandlerExceptionResolver方式&#xff08;HandlerExceptionResolver是一个接口&#xff0c;在SpringMVC有一些默认的实现也可以…
阅读更多...
C调用Objective-C的类和方法

C调用Objective-C的类和方法

C调用Objective-C的类和方法 最近有一个C提供回调接口调用Objective-c接口来传递数据的需求&#xff0c;研究了很久&#xff0c;最终通过bing的AI对话查到了需要的内容&#xff0c;这里记录一下&#xff0c;算是给基于C的IOS开发开了一个头。 在Objective-C中&#xff0c;你可…
阅读更多...
【算法练习Day22】 组合总和 III电话号码的字母组合

【算法练习Day22】 组合总和 III电话号码的字母组合

​&#x1f4dd;个人主页&#xff1a;Sherry的成长之路 &#x1f3e0;学习社区&#xff1a;Sherry的成长之路&#xff08;个人社区&#xff09; &#x1f4d6;专栏链接&#xff1a;练题 &#x1f3af;长路漫漫浩浩&#xff0c;万事皆有期待 文章目录 组合总和 III剪枝 电话号码…
阅读更多...
node 通过axios发送post请求（FormData）

node 通过axios发送post请求（FormData）

方案一&#xff1a; const axios require(axios) const FormData require(form-data) const fs require(fs)const sdUpscaleOnAzure async (req, res) > {const data new FormData()data.append(image, fs.readFileSync(/temp/ai/sd/download/1.png))let config {hea…
阅读更多...
R/d2及S/C4估计总体标准差，比较其CPK及规格限概率的差异

R/d2及S/C4估计总体标准差，比较其CPK及规格限概率的差异

R/d2 和 S/C4 是用于估计总体标准差的无偏估计方法&#xff0c;通常用于控制图中。这些估计方法的主要目的是通过样本数据来估计总体标准差&#xff0c;以便监测过程的稳定性和变异性&#xff0c;而不需要收集整个总体的数据。 具体来说&#xff1a; R图中的 R/d2 和 S图中的…
阅读更多...
gitlab自编译 源码下载

gitlab自编译 源码下载

网上都是怎么用 gitlab&#xff0c;但是实际开发中有需要针对 gitlab 进行二次编译自定义实现功能的想法。 搜索了网上的资料以及在官网的查找&#xff0c;查到了如下 gitlab 使用 ruby 开发。 gitlab 下载包 gitlab/gitlab-ce - Packages packages.gitlab.com gitlab/gitl…
阅读更多...
本地搭建渲染农场和云渲染农场哪个更推荐？看完帮你省下几个w

本地搭建渲染农场和云渲染农场哪个更推荐？看完帮你省下几个w

&#xfeff; 渲染农场是由众多机器组成的渲染集群&#xff0c;主要用于渲染单帧效果图或动画项目。凭借渲染农场的强大计算能力&#xff0c;设计师能够满足3D项目紧迫的交期要求。最近&#xff0c;小编注意到许多设计师对以下问题产生了疑惑&#xff1a; 是否可以自行搭建渲…
阅读更多...
MySQL查询优化看一篇就够了

MySQL查询优化看一篇就够了

关联查询优化 数据准备 #分类 CREATE TABLE IF NOT EXISTS type( id INT(10) UNSIGNED NOT NULL AUTO_INCREMENT, card INT(10) UNSIGNED NOT NULL, PRIMARY KEY ( id ) );#图书 CREATE TABLE IF NOT EXISTS book(bookid INT(10) UNSIGNED NOT NULL AUTO_INCREMENT,cardINT(10…
阅读更多...
fatal：Could not read from remote repository解决方法

fatal：Could not read from remote repository解决方法

Linux服务器如何连接GitHub&#xff1f; 生成SSH密钥 ssh-keygen -C “邮箱” -t rsa 存放位置一般是/root/.ssh/id_rsa 登录个人github&#xff0c;添加客户端生成的公钥 打开Settings&#xff0c;点击SSH and GPG keys&#xff0c;点击New SSH Key。Key中粘贴id_rsa.pub…
阅读更多...
以太网UDP数据回环实验

以太网UDP数据回环实验

一、TCP/IP协议簇 前面说到TCP/IP是一个协议簇&#xff0c;其中包含有IP协议、TCP协议、UDP协议、ARP协议、DNS协议、FTP协议等。设备之间要想完成通信&#xff0c;就必须通过这些网络通信协议。 物理层的主要作用就是传输比特流&#xff08;将1、0转化为电流强弱来进行传输&am…
阅读更多...
最新文章

Copyright @ 2022~2023