数据结构笔记——线性表、栈、队列、串（王道408）_408 如何做笔记

前言

本系列笔记分为三篇，系统总结了王道408数据结构课程的内容，加入了大量个人思考。

数据结构笔记——线性表、栈、队列、串（王道408）
数据结构笔记——树、图（王道408）
数据结构笔记——查找、排序（王道408）

数据结构的笔记相比于其他3门，笔记的重要性要低很多，毕竟对于选择408的同学来说，大二时候应该有足够的时间学习，所以基础是比较好的，再加上csdn上一大堆数据结构和算法的帖子，我再重复造轮子也没啥意思了。

所以我这篇文章不打算写的很细节，就是单纯地把思路提纯出来，并附上自己的理解，再搭配思维导图就行了，而不去记录过于细节的知识。

绪论

408的4门课，构建了计算机的根基。

计算机处理信息的原理如下：

1. 现实-计算机。从现实到计算机，需要经过硬件+软件的转化，其中就需要数据结构表示现实事物。
2. 内部处理。内部处理的过程中，需要高效，因此诞生了各种算法。
3. 计算机-显示到现实。是步骤1的逆过程。

数据结构基本概念

基本概念

现实世界有信息，通过数据来承载信息，而数据可以被计算机所处理。

数据的形式可以是数值和非数值，但是底层只能是0和1，这是计算机的数学原理和基础构造决定的。

1. 数据项
   • 在C语言中，int，float这些东西，都是最基本的数据单位，就是所谓的数据项
   • 数据项这个概念很矛盾，一边说不可分，但是另一边，有一些特殊的组合项是仍然可分的，比如如果用一个结构体当数据项，那么这个数据项就是组合项。
   • 我们姑且忽略组合项这种东西，就强行把数据项定义为不可分的基本单位就好。
2. 数据元素
   • 在C语言中就是一个结构体实例，代表着一个具体的个体，比如张三。
3. 数据对象
   • 同一类（相同性质）数据元素的集合
   • 在C语言中，就是同一个结构体原型实例化后的所有结构体实例的集合
4. 数据
   • 数据对象的集合，代表了计算机中所有的数据

概念讲完了，然后就是数据结构的定义了。

数据结构描述了一个数据对象内部，不同的数据元素组合的方式。

数据结构是普遍适用的，因为不关心数据元素内部的数据项，所以凡是数据元素，都可以用数据结构去组织，因此不同的数据对象内部，完全可以适用同一个数据结构去组织。

数据结构三要素与ADT

数据结构：

1. 定义：使用者视角
   • 逻辑结构定义。是什么
   • 数据运算定义。可以干什么
2. 实现：开发者视角，需要考虑储存结构，这会影响到空间效率和时间效率。
   • 顺序，链式。
   • 索引储存。索引表通过key-value方式记录数据地址，给定一个key，可以马上得到地址，进而马上得到储存在内存中的值。优点是速度快，缺点是浪费一个索引表的空间，浪费内存。
     
   • 散列储存。散列储存和索引一样快，但是却不需要借助索引表。散列储存本质上是通过一个映射函数代替索引表，这个函数就是Hash函数，输入一个key，直接输出地址，和索引表效果相同，但是并不占用内存。优点同索引，缺点在于，散列函数并不能100%利用内存空间，和索引储存半斤八两，都会浪费内存。

我们再把视角抬高，你会发现数据结构其实是一种ADT（抽象数据类型）。

数据类型=值的范围+可进行的操作，进而可以细分为原子类型（int，float）和结构类型（struct）
数据结构定义=逻辑结构+可进行的操作，和数据类型本质是一样的，所以把数据结构成为抽象数据类型，说白了，ADT描述了数据结构的逻辑部分，隐藏了实现部分，可以拿来即用。

定义好数据类型或者ADT后，使用者就可以使用，无论是哪种，使用者都可以拿来即用。

算法基本概念

算法定义

数据结构是原料，算法是处理步骤。

具体来说，数据结构负责将现实问题装入计算机，而算法就是一系列求解问题的步骤，将计算机中的问题求解出来。

算法五个基本特性

算法其实就是一个可以执行下去（有穷，可行）的函数（输入，确定，输出）

1. 有穷性。
   • 步骤有穷，时间有穷
   • 程序≠算法，程序可能无穷（死循环）
2. 确定性。
   • 说白了算法就是一个函数，x确定y就确定
   • 描述不能有歧义，比如最小，如果有两个一样小的，那就要修改成第一个最小的
3. 可行性。
   • 算法=基本运算有限次组合。其实和有穷性差不多
4. 输入。
   • 可以为0个
5. 输出
   • 至少一个，不然没啥用

算法只要求这些，不强求正确，只要是确定的就行。

好算法的进阶特性

1. 正确。
   • 实用算法的基本要求，算法不一定要求对，但是拿来用一定得对
2. 可读。
   • 伪代码或者代码+注释
3. 健壮性。
   • 容错率
4. 高效率和低储存量需求
   • 时间复杂度低和空间复杂度低

算法复杂度

算法复杂度=时间复杂度+空间复杂度

事后统计（×）：评估算法不应该用实际执行时间，因为影响因素太多了，而且有些算法不能事后统计
事前估计（√）

时间复杂度

T：时间复杂度
n：问题规模

使用渐进记法，只考虑最高阶部分，且系数忽略，$T(n)=O(n^3)$
这个记法代表当n趋于无穷时，T和n是同阶无穷大量，比值为k，这个k是被我们忽略为1的
具体的高阶比较，下图给出直观理解，n的n次方＞阶＞指＞幂＞对＞常

具体分析的时候，关键在于要写出基本操作执行次数x的表达式，用n表达x，或者是写出n和x的关系后化简，然后运用复杂度运算规则得到最后的渐进复杂度：

下面这个例子，这个大循环就是要分析的目标，内层循环总共执行n方次，而外层循环是n次，虽然可以一眼看出来是n方，但是还是要写出来表达式后再化简。

面对复杂问题，应该写出x，变形，化简，得到目标的阶数。

有的时候，x与具体情况有关，那么就有三种计算方法：

1. 最好。参考意义不大
2. 最坏。常用
3. 平均。常用，这个平均需要写出概率分布，计算期望

空间复杂度

S：空间复杂度

S是空间开销与n的关系

内存开销来源：

1. 变量定义/malloc
2. 函数调用

递归调用的空间复杂度就有点像循环时候的时间复杂度，有时候也会算一个式子。

线性表

定义和基本操作

注意：

1. 逻辑上，描述线性表的位序是从1开始的
2. 物理上，用数组实现线性表下标从0开始。

顺序表

定义

静态分配方式中，InitList函数在初始化的时候，可以省略脏数据清洗的过程，但是Length=0不可以省略。
只要Length=0，那么在不违规访问的前提下，就不可能碰到脏数据，所以才可以省略

动态分配的原理：

1. 将储存数据的空间与SqList数据结构分离，通过内部的指针Elem *data连接。
2. 为了控制动态分配，需要用当前长度和理论最大长度两个变量

扩容原理：

1. 双指针：使用两个指针，指向两片连续内存
   • p继承旧的内存
   • data指向新开内存
2. 内存搬运+MaxLength扩容
3. 释放旧内存
   

顺序表优缺点：

1. 高密度（数据和控制分离）
2. 高速（随机访问）
3. 12优点的代价就是不方便，只要涉及到改变结构的操作，都很消耗资源

增删

给定条件：

i=插入位序，并非实际下标（i-1），最后是要插到data[i-1]

先看核心部分：

1. 移位
   1. 核心操作： j-1 → j
   2. 起始：j=Length。Length代表末尾+1，是我们的目标
   3. 终点：j=i
      • 因为要插到i-1，所以最后一次循环肯定是把i-1的数据搬到i
      • 所以j≥i，可以保证最后一次循环是针对i-1的搬运
2. 插入
3. 增加长度

非核心部分就是两个判断：

1. i的范围。i是位序，所以从1开始，到Length+1
2. 溢出。Length=MaxSize后，不能进行插入

复杂度分析，经典的等差数列复杂度，最好1，最坏n，平均下来是O（n）

删除的时候，给定的i仍然是位序，实际删的是i-1元素

核心部分：

1. 取出，从i-1取出元素到e
2. 移位
   1. 核心操作：j-1 ← j
   2. 起始：j=i。因为要填到i-1（目标），所以从i开始
   3. 终点：j<Length。把数组最后一个元素（Length-1）搬运完就行
3. 减长

复杂度和插入相同。

查

顺序表的按位查找很简单，随机存取，复杂度为O（1）。
考虑到健壮性，可以增加一个判断越界的句子。

顺序表的按值查找需要从前往后遍历，找到第一个符合条件的值
返回位序，所以是return i+1;
如果没有找到，最后放一句return 0；

时间复杂度就是一个等差数列复杂度，因此是O（1），O（n），O（n）

链表

单链表

定义

单链表在每一个节点中，储存了数据元素+指针
相比于顺序表，其数据密度降低，指针带来的浪费是比例性的，但是其灵活性大大提高
因此，顺序表适合频繁查找的场景，其他场景可以一律使用链表，灵活性大有益处。

单链表定义中，L是一个指针，指向链表（其实是指向链表的第一个节点）。
如果不带头结点，那么空表=L为Null：L==NULL
如果是带头结点的，那么空表=头结点的next指针为Null：L->next==NULL
头结点在初始化的时候创建，只是其不储存数据，单纯是为了方便写代码

增删

先说带头结点的插入，其优势在于任意合法位序的插入都可以按照这套逻辑来，因为都是两个节点之间插入一个节点，包括第一个元素：

i代表位序，从1开始
起始：j=0，含义是p一开始指向第“0”个节点
循环次数：p最终要挪到目标位置的前一个位置，即i-1个节点，所以要移动i-1次，所以j=0开始，j<i-1
提前终止：如果碰到了p=NULL，那么就提前终止，此时p已经无意义了，代表越界，后续进行判断

如果一切正常，就可以进行插入操作了：

1. p指向前驱，s指向待插入元素
2. 先填充s指向的节点
3. 更改链表结构：先让s对应元素指向链表（过河），再让p对应元素指向s对应元素（拆桥）

很明显，第3步不能反，没过河怎么能拆桥呢？

如果越界，即i>Length，那么p在移动过程中就会变成NULL，提前退出循环，并触发判断语句，报错。

不带头结点的按位插入，只需做点改进：

1. p一开始指向的就是1号元素，所以j=1，其余逻辑一样
2. i为1的特殊情况：在最开始增加i==1的判断，要改变头指针，同样是先过河再拆桥

带不带头结点的根本区别在于，不带头结点时，i=1的逻辑与其他逻辑不同，i=1是在头指针与节点之间插入结点，而i=其他是在两个结点之间插入结点。

前面的是给定位序的插入，现在是给定节点的后插：

后插其实很简单：

1. 申请，赋值
2. 过河，拆桥

前面的位插，其实可以直接用封装好的后插代码InsertNextNode

给定节点的前插就比较麻烦了，如果按照传统思路，还要先从头结点找到前驱，很难，很慢。

不如转换思路，我们又不是一定要插到p前面，只要效果一样就行。
最终的效果是要把插入元素的内容放在p的前面，而不一定是那个节点，本质上我们插的是内容，那么可以改一下步骤：

1. 插入节点s
2. 将p的内容移到s中
3. 用e覆盖原来p的内容

这样的速度很快，而且效果一致。
其实开拓思路的思路就在于，唯效果论，尽可能去破除人为强加的条条框框，获得我们最基础，最核心的目标。
然后针对目标，制定方法，就可以跳出原有思路的限制，本质是跳出了原有隐性前提的限制。

按位序删除：

目标：删除第i个节点
寻找逻辑：p指向第i-1个，因此同样是j=0，然后移动i-1次
逻辑：q指向被删节点，然后直接用p拆桥
理论上，单论拆桥，q是不需要的，可以用p->next=p->next->next；代替
q唯一的作用就是拆桥以后的善后，free（p），没有p就无法释放被删除的节点，顺便承担了提升代码可读性的次要任务。

删除指定节点：

和前插同样的问题，找不到前驱。
前插思路还可以应用到删除目标节点上，本质仍然在于，我们要删的是内容，而不是p指向的节点，因此把下一个节点的内容挪到p节点里，删掉下一个节点就好：

1. 用q指向后继
2. 移动数据
3. 过河拆桥，释放后继（q的作用仍然只是用于free）

注意bug：这段代码没有考虑到p指向最后一个节点的情况，无论如何，当p指向最后一个节点，那么删除就必须依靠前驱了，因此一定是要从头遍历一次的，因为即使你知道p是最后一个节点，单靠p指针是无法回溯到前面的。
即使你增加判断，如果q==NULL，只有一个p也无法实现删除操作，问题不在于判断，而在于需要依靠前驱。

因此，最有效率的做法是增加判断，如果q==NULL（p为末尾节点），就以O（n）为复杂度找前驱，除此之外的情况，都可以以O（1）的效率来直接后插。

如果可以回溯（双向链表），那就更简单了，这就是后话了

查

按位查的逻辑前面已经写过了：

1. 最开始p指向头结点
2. j=0
3. 循环i次，所以j<i，如果越界，p=NULL后退出循环

最后返回一个指针，表示我们找到的节点。

右边王道书给的代码略有差异，刚开始让p指向第一个节点，那么j=1，后续逻辑同理。

后插和按位查找都可以封装进去，那么带头结点的按位插入就会变得非常简单，先找到前驱节点，然后直接后插就好，顶多再加一个越界判断。

按值查找，核心代码是一个遍历循环：

1. 退出条件：p指向的元素为目标元素，或者p已经指向了NULL
2. 初始化：让p指向第一个元素（其实指向头结点也是可以的，但是徒增1次循环损耗）
3. 返回：p指针

建立

头插法是逆序的，可以用于逆置链表，尾插法是顺序的，执行的时候稍微要麻烦一点儿，多一个尾指针。

尾插法中，首先要建立头结点，之后对于每个元素的操作如下：

1. 用s指针指向新节点，装入元素
2. 用r指针链接新节点
3. 更新r指针，使其指向尾结点

最后令尾结点的r->next=NULL，收尾。

头插法的流程：

1. 新建节点
2. 对头结点尾插

头插法和尾插都要收尾，头插在一开始收尾，尾插在最后收：

1. 尾插法只能在最后一步执行完以后收尾r->next=NULL，因为尾结点总是在不断生成，只有完全插完，才能确定尾结点，然后收尾。
2. 头插法最开始要让L->next=NULL，这是因为头插法的插入不影响尾结点，一开始就收尾是最好的。如果一开始不收尾，就得让一个指针跟踪尾结点，反而麻烦了。

双链表

首先定义后插，分为4步：

1. 过河：新节点先连接后继
   • 注意，如果后继为NULL，则只需要单边连接就好
   • 12步可以交换
2. 拆桥：前驱连接新节点
   • 34步可以交换
3. 先过河再拆桥，仍然适用

前插可以直接用后插实现，先反向找到前驱，对前驱后插

删除节点。

单链表是针对一个节点进行删除，而双链表更多地使用后删：

1. p指向节点，q指向后继（被删除节点）
2. 操作：
   • p指向q的后继
   • q的后继指向p
   • 可以交换顺序
3. 三层健壮性判定：
   • p是否为NULL
   • p的后继是否为NULL
   • p的后继的后继是否为NULL（q的后继是否为NULL）
4. q只是为了free而生，其他操作可以被p替代

定义了后删以后，清空链表的操作也就比较简单了，对着头结点一顿后删。

至于双链表的遍历，就比较简单，一股脑循环到p=NULL就行
如果说要早点停，那就p-next!=NULL或者p->prior!=NULL
这样就可以让p在循环结束后指向尾结点/头结点，跳过对这两个节点的处理。

循环链表

单链表，循环起来就是要让表尾节点的next指向头结点。
这个操作在建立之初就需要做，L->next=L

循环链表中，头结点是必不可少的，只有依靠L指针，才能确定循环链表的首尾：

1. 判断表尾p->next==L
2. 判断空表L->next==L。当头结点是表尾，自然就代表空表

循环单链表可以通过一个节点，顺着绕一圈找到表里的任何一个节点，比如前驱

循环单链表还有一种魔改版，就是让L指向尾结点。
如果L指向头结点，那么找到尾结点，需要O（n）
但是如果L指向尾结点，那么找到头结点只需要O（1）
如果一个操作需要频繁用到尾结点，那么让L保持在尾结点上也是一个不错的选择。

循环双链表，其实就是两个方向的循环单链表组合起来
因此判定表尾的操作和循环单链表一样，p->next==L

区别在于：

1. 初始化的时候，要让L的next和prior都指向自己
2. 插入和后删操作其实比双链表更简单了，因为前驱后继不存在NULL情况，无需判断特殊情况，直接过河+拆桥就可以。

静态链表

静态链表：用数组实现的链表，用下标来充当next指针

0号节点固定为头结点
但是注意，尾结点的next不是0，而是-1

定义的时候，有两种方法：

1. 先定义Node，再去声明静态链表数组，缺点是意义不明
2. 用宏定义+typedef直接定义静态链表结构，这样虽然僵化，但是直观

初始化静态链表：

1. 头结点next赋-1
2. 其他节点的next赋-2。之所以这么做，是为了后续找空节点方便

查找，插入，删除，其实和链表思路一样，只不过next是用数字代替了。

静态链表有什么优点呢？

其实毫无优点，论速度，不如顺序表，方便不如链表，哪哪都不行。
唯一的应用场景：

1. 底层语言：底层原理很简单，可以被用在不支持指针的底层语言里
2. os的FAT文件分配表：数据元素数量不变，实际上是把一个链表限制在一定范围内

总结对比

答题的时候，可以从逻辑结构，储存结构，基本操作三方面分别对比，选择最佳的结构。

逻辑结构、储存结构

都是线性结构

储存结构，顺序表采用数组连续高密度储存，链表采用指针离散有浪费地储存。

基本操作

基本操作=创建销毁，增删查改

创销

需要特别注意动态分配的顺序表，因为是用malloc分配的，所以一定要配合free释放，否则会导致堆上的内存泄露。而声明的数组就不需要这样，这是因为其在栈上，会自动回收。

增删

前面说顺序表快，其实只是查找的时候快，而按位插的时候，顺序表和链表时间复杂度一样。

但是即便如此，其常数也是不同的，顺序表移动元素的成本是链表访问元素的k倍，可能是1000倍，越大的元素，顺序表移动的成本就越大。

查

顺序表：

按位查是O（1）
按值查找也可以在有序的前提下，通过二分算法加速成O（logN）

而链表都是O（n），需要遍历。

应用：矩阵压缩

二维矩阵可以压缩为一维数组，节省冗余空间

平铺的时候，分为行优先和列优先，但是无论如何，计算思路都是一样的：

1. 在计算一维数组地址的时候，都是基地址+偏移量
2. 偏移量取决于前面有几个元素，具体情况具体分析
   • 一般是先计算前i-1行里有多少个元素
   • 再计算当前元素在第i行是第几个元素
   • 两者相加，就代表这个元素整体上是第几个元素
3. 修正量。注意数组元素是从1开始还是从0，矩阵元素从1还是从0，仍然是具体看。

对称矩阵，只需要储存主对角线+下三角区

下面的公式给出了这种情况下的正向映射
整体思路就是对前面i-1行进行等差数列求和，然后再加上当前行前面元素的个数
算其他映射也都是如此，先看前面i-1行/列，再考虑当前行

下三角矩阵，只需要额外多一个元素存常量就行。

三对角矩阵，就是只有中间三条斜线才能存数据，其他都是0

整体来看，有n行，每行为3个元素，首尾两行是2个元素（3-1），后续进行计算就用这个视角理解就行。

来看正映射：

1. 前i-1行，假设每行为3，就是3（i-1），但是第一行要修正一下，因此外面再-1
2. 第i行，为2+j-i
   • 以2为基底，如果元素在这行正中间，那么其就是这行第2个元素
   • 根据j-i的值，确定这个元素是在左，中，还是右，假设j=3，i=2，那么说明这个元素就是这行第2+1=3个元素

两者相加，再-1，就是以0为初始的数组下标了。

三对角矩阵还会考你逆映射，这里统一说一下逆映射的思路：

1. 确定行数。
   • 假定元素在i行
   • 下界：前i-1行所有元素
   • 上界：前i行所有元素
   • 必然是：下界＜元素位序≤上界
2. 根据上界/下界，计算，取整
   • 一般来说只需要根据一边计算就行，结果都是一样的，一般是用带等号的一边（比如这里的上界）

注，下面王道书应该是有误，因为如果位序＝下界，那么元素就在i-1行了。
又或者，这种思路里k指代数组下标，那么就是：下界≤数组下标＜上界

稀疏矩阵压缩：

最基本的数组结构，采用<i,j,k>结构体数组，只有空间压缩，时间上比较慢，要遍历

而进阶版的十字链表，我直呼牛逼，真的在满足了空间压缩的前提下，做到了最快：

1. 两个数组，给出了行列的索引，以O（1）时间复杂度就可以锁定行/列
2. 在锁定行/列的前提下，再进行内部遍历，就可以以极快速度找到对应元素

具体是按照行还是列遍历呢？没有定论
那我提出一个思路，就是在行列数组上再附加一个数据，即该行/列内的元素个数，给定一个坐标，我们先比较i行和j列内部的元素哪个多，然后选择一个比较少的路线遍历。

假设i行有100个元素，而j列只有2个元素，肯定是从j列里面遍历，秒杀。

栈和队列

栈

基本概念

栈就是只能在栈顶增删的线性表。

GetTop和Pop都可以返回栈顶元素，区别只在于是否弹出，因为Pop要弹出，所以传入&S引用

栈会考一种出栈顺序的题，所有可能的出栈顺序加起来非常多，所以只能反向判断，判断哪个顺序不是可能的出栈顺序，一般是ABCD选择题会这么考。

顺序储存实现

顺序栈，top的含义是现在的栈顶元素的下标，top与空满的关系如下：

1. 空栈的时候，无元素，因此下标top==-1，这也是判空的依据。
2. 满栈的时候，top指向最后一个元素，即top==MaxSize-1

因为top指向现有栈顶下标，因此在入栈之前，要注意顺序：

1. 让top指向新栈顶位置（抬升）
2. 插入新栈顶

出栈是逆过程：

1. 先读取
2. 再让top回落（栈顶逻辑上弹出，其实元素还在）

为了保证进出栈的健壮性，会分辨判满和判空。

读取栈比出栈还简单，直接读取不回落。

前面的讨论，都是基于top代表现在的栈顶下标，还有一种方式：top代表下一个元素的位置，top-1才是现栈顶

在这种方式下，操作都会有偏移：

1. 入栈出栈操作顺序都要反一下
2. 判空判满也都要在原来的基础上多1
3. 读取栈顶return data[top-1]

共享栈说实话作用不明，理论上可以弥补静态栈空间浪费的问题，但是感觉够呛。

姑且记着一个是-1，一个是MaxSize，然后满了即两个栈顶顶在一起了，top0+1=top1

链式储存实现

栈这个结构，不需要随机读取，因此用链式结构完全可以碾压顺序表实现。

最直接的思路可能是加一个链表尾部的指针，那你就慢了，直接逆序看，用头结点当栈顶，更快。

至于怎么插入，怎么删除，自己脑子里想一下就行，仅仅针对第一个结点，要比给定位序的增删更加简单。

队列，直观意义上发挥的就是排队的作用，先进的先出（FIFO），因此队尾用来插入，队头用来删除

队列

基本概念

顺序储存实现

基本循环队列

引入MOD运算后，逻辑上是环状的，所以顺序表队列又可以叫循环队列
每次有+1运算，就要配MOD防止溢出。

front：队头现在的下标
rear：指向队尾的下一个元素

如此设计有一个好处，就是入队和出队的操作顺序是一样的：

1. 先放入/取出数据
2. 再移动rear/front指针

在出/入前，还要判断空满：

1. 空：front和rear在环上重叠
2. 满：rear和front在环上相邻

在这个环上，还可以快速计算出队列长度：

最直接的思路是：rear-front
考虑到环以后是：(rear-front+MaxSize)%MaxSize

改变判满/空方法：辅助变量

最初的思路中，通过浪费一个元素的空间来区分满空，如果一个元素的空间比较大，那么浪费还是比较可观的。

此时可以引入一个size变量，通过size=0/MaxSize来区分是空还是满，而那个被浪费的元素空间也就可以利用起来了。这个size变量是int型，占用空间很小，所以更加经济实惠。

类似于size，还可以通过另外一种思路区分，在front=rear的时候，通过看最后一次操作是插入还是删除就可以判断出现在是空是满。

改变rear含义

最开始rear是指向队尾下一个元素，还可以改成指向队尾。

那么整个逻辑就都会有偏差：

1. front=rear，代表有一个元素。因此初始化的时候需要令rear=MaxSize-1,这样插入第一个元素后，rear=front
2. 插入元素的顺序改变。需要先移动再插入
3. 判空判满逻辑改变。之前是重叠，现在是差一位，至于判空判满的区分，仍然是浪费一个空间/辅助变量。

链式储存实现

用链表实现队列，可以完全碾压数组。

先说初始化

带头结点，要先创建头结点，然后让front和rear指向头结点。

此时判空有两个特征：

1. 头结点后无元素
2. front和rear指向同一个地方

如果不带头结点，就直接让front=rear=NULL

此时判空就直接看front是否为空就行

再说入队

带头结点的逻辑是统一的：

1. 创建新节点，收尾
2. 对rear结点进行一次后插
3. 后插后移动rear指针，保持在队尾

不带头结点，第一个节点的逻辑会有不同：

1. 第一个节点不后插，而是让front和rear指向该节点
2. 其他节点逻辑同后插

正常情况是对front节点进行后删
但是无论带不带头结点，都需要对最后一个元素特殊处理：

1. 带头结点：
   • 最后一个节点的时候，后删之余还要让rear归位，指向头结点，表示已经空了
2. 不带头结点：
   • 最后一个节点的时候，不是后删，而是让front和rear归NULL

双端队列

说白了，双端队列更像是双头栈，如果只看一端的话，就会退化成栈。

3412举例，3如果先出，那么剩下的（21），必然是逆序出来。
4321举例，4如果先出，那么剩下的（321），必然是逆序

任何一个数先出来，那么就去进行排除：

1. 排除掉已经出栈的，找到剩下的还在栈里的
2. 在这些数里找到比这个数小的

找出的这些数必须逆序出来，否则就是有问题。

打脸了，上面那个思路虽然有用，但是对于双端队列是无效的，有用，但不多。

还是老老实实地模拟吧，给你ABCD选项，你自己一个一个试就行。

栈和队列的应用

括号匹配（栈）

大二学数据结构的时候，有道算法题就是这样。

思路很简单，就是左括号压入，右括号匹配，关键在于终止情况：

1. 如果右括号有，左括号没（栈空），说明右括号单身
2. 如果左右括号都有，但是不一致，那么就是不匹配
3. 如果扫完整个串后，右括号消耗完了，但是左括号还有（栈非空），说明左括号单身
4. 这些都通过了，那就是完美配对。

表达式求值（栈）

后缀表达式

中缀转后缀：

1. 操作数顺序一定不变
2. 操作符顺序有多种可能
   • 在左优先思路下，其结果唯一，与转后缀算法结果统一
   • 所谓左优先，其实就是从左往右看，只要能算就直接出结果

以下图为例：

按照左优先，先处理左边
最开始是A（）+
然后扩写，A B（）*+
再扩写，ABCD-*+

引入右半部分ABCD-*+（）-
扩写ABCD-*+EF/-

后缀表达式的计算，其实手算和计算的思路是一模一样的，都是栈思想。

至于后缀转中缀，计算的过程本身就是在转成人类可以理解的中缀，所以转换过程蕴含在计算过程中。

前缀表达式

前缀和后缀是相反的：

1. 中转前，要从右往左，右优先扫描。而中转后是左优先
2. 运算中缀，要从右往左扫，送到栈里算。而运算后缀，是从左往右扫，送到栈里算。
   • 出栈的时候，前缀是左操作数先出，而后缀是右操作数先出

中转前，按照右优先思路，就是从后往前扫，能先算的就先算：

最先算：/EF
加入-号：-（）/EF
扩写（括号内部继续从右往左扫）：-*B-CD/EF
加入+号：+A-*B-CD/EF

中缀转后缀算法

这个比较重要，单独拿出来，思想：

1. 栈和后缀
   • 栈储存运算符，用于确定运算顺序。
   • 操作数是直接丢到生成的后缀式里的，至于运算符会根据次序弹到后缀式里
2. 优先级
   • 栈内运算符大于等于自己优先级，肯定是先算的
   • 所以在压入当前操作符前，先弹出去
   • 让其在后缀式中更靠近左端（先算）
3. 界限符
   • ( 发挥一个临时栈底的作用，实际上就是要强行修改运算符顺序了
   • ）清空临时栈。看到），或者再没有输入的时候，说明运算符顺序就已经确定，直接弹就行

你会发现，这个过程中，是从左往右输出后缀表达式的，恰好后缀表达式计算的过程是从左往右扫的
因此中缀转后缀，以及后缀计算，这两个过程可以用两个栈一次性实现了，左边负责转化，输出，右边负责计算，输入
最后就可以得到结果。

顺便提一嘴，这个东西很重要，在计组以及编译原理中，把人类语言转化为计算机可识别的无二义性的语言，就需要这个过程转化。

递归调用（栈）

结合计组来看，递归调用就是栈帧叠加的过程。

一个栈帧里面，最底部储存了调用返回地址，之后上面储存了局部变量和传入的参数。
本质上，栈起到的作用有两个：

1. 隔离。在当前函数中修改数据，不会影响到其他栈帧中的数据
2. 还原。返回地址。

具体到函数调用过程，如果只是简单的递归，那还比较简单，分叉情况就需要仔细讨论一下了：

1. 画出递归树
2. 先序遍历递归树

可以看到，有一些重复计算，因此递归算法有两个缺点：

1. 重复计算
2. 对栈空间消耗较大，如果递归较深，可能爆栈
3. 递归过程慢

因此，递归算法通常会被改进成循环算法来提高时间和空间利用率，又或者会改成动态规划类的算法，降低重复计算。

队列的应用

队列的本质就是FIFO

而层次遍历也是如此：

从上到下，在遍历当前层的时候，会按序依次加入下一层的元素，而且只会加入一层元素。
因此就是先遍历完当前层，再遍历下一层，再遍历下下层，队列和层次遍历统一了。

广度优先遍历，其实也是一层一层，只不过是以一个点为中心向四周扩散，只要逐层，顺序，那就符合FIFO特性，就可以用队列实现。

队列还可以用于计算机内部的缓冲。

一般来说，缓冲区其实就是就绪队列，先进先出，先来先服务，后来者可以先休息，等待服务。

串

数据结构

定义

概念区分

1. 位置：这个同前面的位序，逻辑概念一般都是从1开始
2. 字符集编码。字符集指的是字符集合，而字符集编码是通过映射的方式对字符编码，同一个字符集可能有不同的编码，比如UTF-8，UTF-16

实现

储存结构

顺序储存采用数组，如果想要扩容，就要用malloc和free。
下图为4种储存方案，方案3是C语言字符串结构，方案12单独用空间储存长度，实现解耦，但是各有缺点
方案4是最佳选择，仅仅浪费了一个字符的空间，损失很小，但是带来了巨大的方便：位序与下标统一，且长度不限

链式储存扩容比较容易，但是其他操作都很麻烦，而且分节储存后，也会为操作带来不便，因此后续算法都是用数组方案4实现的。

算法实现

在方案4的前提下，位序和下标是一致的。

SubString函数，取的下标范围是pos到pos+len-1，总长len
开始还有一个越界判断，因为length和最大串长一致，因此很符合直观逻辑，即最后一个下标是否＞length

循环中，因为位序统一的缘故，从i=1开始，以i<=length结尾

返回只看正负，所以直接用差值就好

Index函数非常粗暴，遍历，每次判断都要进行StrCompare，时间效率是比较低的，但是直观。

注意边界条件，两个数组尾部对齐的时候，是最后一次判断，因此循环次数是n-m+1，从1开始。

串匹配算法

朴素模式匹配算法

朴素模式匹配算法，类似于前面的SubString，但是这里没有进行调用，而是直接去写：

ij分别指向ST两个串，大循环是一个while循环，让i和j从前往后扫：

1. 如果匹配失败了，ij就各自回退一定的量
2. 最终退出条件有两种，会在退出后进行判断
   • j超过了T边界，说明无误地扫完了子串，即匹配成功，此时想当于提前退出了（if条件）
   • i超过了S边界，说明扫完了都没匹配上，即匹配失败（else部分）

KMP算法

上面是KMP算法在碰到匹配失败点时的初始状态。

KMP的本质在于，只要确定不匹配的点位，就说明前面的都是匹配的，就可以利用这些已知信息针对性的跳步，除了第一个就不匹配的时候，其他情况下i指针不需要回退，而跳过的部分分为两类：

1. 肯定匹配不上的：比如下图中的i=2,3时
2. 可能匹配且已经匹配好的：比如下图中的i=4

你需要明白，这个过程是不依赖于主串的，仅仅依赖于子串本身，所以在一开始就可以计算出在不同点位不匹配时，j需要回退的位置，在具体扫描过程中无需重复计算。

woc真是妙啊，大天才！

需要特别声明的是，一般情况，i是不回退也不前进的，但是当第一个字符就不匹配时，ij都要同时前进一次，这个逻辑略微特殊，具体实现如下图：

为了代码代码逻辑一致，需要令next[1]=0

1. 当j≠1，那么就直接让模式串指针按照通用逻辑移动
2. 当j=1，说明第一个就失败。
   • 先让j变0（统一的代码逻辑），后面再让i，j同时自增
   • 实际上就是让j从1变0又变1，而i++，只不过为了代码逻辑统一服务才这么折腾的

下图给出两个算法的区别：

1. ij同时自增的条件多了一个j==0，即j=next[1]之后
   • 其实这里告诉我们，j=1时候的修改逻辑其实是非常精妙的，不仅统一了j=next[j]的代码逻辑，还统一了i++；j++的代码逻辑，一石二鸟，高手
2. 匹配失败后i不需要回退，而只需要修改j
   • 当然，j=1还会牵动i++

实际上观察一下i，j的变动：

1. j根据情况回退
2. i整体上每次循环都在前进，不回退
   • 正常情况以及上一次刚开始就匹配失败的情况，i前进
   • 非正常情况，i会卡一个循环不动

在不考虑偶尔卡住的i，从头到尾遍历完也就只需要O（n）的时间，考虑到计算next数组，实际时间是O（n+m），远远小于朴素匹配

只能用精妙来评价KMP算法了！

求next数组

next1=0，next2=1，这两个是无脑的

从next3开始，以失败点左侧为分界线，逐步后移模式串，直到其前半部分可以和主串在分界线左边的部分完全匹配上，这部分就是匹配成功不需要匹配的，此时指向的j就是其next数组对应的值

（“很少有人能在第一次学KMP的时候，就彻底理解的”，巧了，本人就是，不仅理解了，还把整体过程以及核心思想归纳出来了）

KMP优化——不在重复的地方跌到

j不能落在上次失败的字符上，否则下次匹配必然上来就失败。

比如因为b匹配失败了，那么j一定不能落在b上。
如果落在b上，接下来就需要继续移动模式串，如果还落到b，那就继续，一直移动直到非b为止，记录在next数组中，此时已经叫做nextval了

我们上面是直接求nextval的思路，实操过程中，会让你通过next数组来获得nextval数组

首先要明白，从j=2开始，就有可能在同一个地方跌倒了，所以即使next[2]是无脑写的，也可以进行优化，有两种情况：

1. 一般情况（else），是直接原样拿过来的，无法优化
2. 踩坑情况（if）：
   • 怎么才算踩坑呢？当前匹配失败的字符（T.ch[j]）与我要转移到的点位字符相同（T.ch[next[j]]），即转以后仍然踩坑
   • 怎么避免踩坑呢？二连跳。从第一次回退踩坑的位置(x)，进一步回退到不踩坑的位置(nextva[x])。而这个x就是next[j]，用next作用j是第一级跳，而用nextval再次作用，是第二级跳。
   • 妙处就在于，nextval[[nextj]]一定存在。因为我在j踩坑的时候，next[j]的回退踩坑问题肯定已经处理完了，因此我以next[j]的回退踩坑解决机制为基础，构造j的回退回退踩坑解决机制，就是合情合理的了。动态规划的感觉很像，以前面已经计算出的结果去计算新的结果。