数据结构期末复习（8）_(数据结构期末复习) -(百度文库)-CSDN博客

本文链接：https://blog.csdn.net/weidl001/article/details/144196759

1. 在单链表中要在已知结点 p 之前插入一新结点，仍需找到 ____，其时间复杂度为 ____，而在双链表中完成同样操作其时间复杂度为 ____。

2. 在 HQ 的链队中，判定只有一个结点的条件是 ____。

3. 含 n 个元素的顺序表：

4. 一个算法的效率可分为 ____ 和 ____。

5. 设有一稠密图 G，则 G 采用 ____ 存储较省空间。

6. 在 n 个结点的单链表中要删除已知结点 p，需找到 ____，其时间复杂度为 ____。

7. 深度为 k 的完全二叉树至少有 ____ 个结点，至多有 ____ 个结点。若按自上而下从左到右次序给结点编号（从 1 开始），则编号最小的叶子结点的编号是 ____。

8. 线性结构中元素之间存在 ____ 关系，树形结构中元素之间存在 ____ 关系，图形结构中元素之间存在 ____ 关系。

9. 数据的运算最常用的有五种，它们分别是 ____ 和 ____。

10. 一棵含有 n 个结点的完全二叉树，它的高度是 ____。

附加内容：循环队列的存储设计

1. 在单链表中要在已知结点 `p` 之前插入一新结点，仍需找到 ``，其时间复杂度为 ``，而在双链表中完成同样操作其时间复杂度为 ``。

正确答案：
1. p 的直接前驱
2. O(n)
3. O(1)
答案解析： 在单链表中，要在已知结点 p 之前插入新结点，必须先找到结点 p 的直接前驱，这需要遍历链表，时间复杂度为 O(n)。而在双链表中，每个结点都包含指向前驱的指针，因此可以直接访问 p 的前驱，插入操作的时间复杂度为 O(1)。
知识点讲解：

单链表与双链表的插入操作：
- 单链表（Singly Linked List）：
  - 每个结点包含数据部分和指向下一个结点的指针。
  - 插入操作需要找到目标结点的前驱结点。
  - 查找前驱结点的时间复杂度为 O(n)。
- 双链表（Doubly Linked List）：
  - 每个结点包含数据部分、指向下一个结点和前驱结点的指针。
  - 插入操作可以直接访问前驱结点，无需遍历。
  - 插入操作的时间复杂度为 O(1)。

知识点总结表格：

知识点	解释
单链表	每个结点有一个指向下一个结点的指针，插入操作需找到前驱结点
双链表	每个结点有指向前驱和后继结点的指针，插入操作可直接访问前驱结点
时间复杂度	单链表插入操作为 O(n)，双链表插入操作为 O(1)
插入操作步骤	单链表需遍历找到前驱，双链表直接访问前驱后插入

2. 在 HQ 的链队中，判定只有一个结点的条件是 `____`。

正确答案：
- HQ->front == HQ->rear
答案解析： 当队列的前指针（front）和后指针（rear）指向同一个结点时，说明队列中只有一个结点存在。
知识点讲解：

链队（链式队列）的判定条件：
- 队空条件： front == rear 并且队列为空。
- 队满条件（若使用循环队列）： (rear + 1) % m == front。
- 单一结点条件： 当 front == rear 且队列不为空时，说明队列中只有一个结点。

知识点总结表格：

知识点	解释
链队（链式队列）	基于链表实现的队列结构，具有队首和队尾指针
队空条件	`front == rear`，且队列为空
队满条件	`(rear + 1) % m == front`（适用于循环队列）
单一结点条件	`front == rear`，且队列不为空

3. 含 `n` 个元素的顺序表：

顺序查找法的平均查找长度为：(n + 1) / 2
二分查找法的平均查找长度为：((n + 1) * log(n + 1)) / (n - 1)
分块查找法（顺序查找块）平均查找长度为：(s + 2s + n) / (2s)
分块查找法（二分查找块）平均查找长度为：log₂(n/s + 1) + 1/2
哈希表查找法平均查找长度为：1 + c/2（其中 c 为装填因子）
答案解析：
- 顺序查找法（Linear Search）： 平均情况下需要查找 (n + 1) / 2 次。
- 二分查找法（Binary Search）： 在有序表中，平均查找长度为 ((n + 1) * log(n + 1)) / (n - 1)。
- 分块查找法（Block Search）：
  - 顺序查找块的平均查找长度为 (s + 2s + n) / (2s)。
  - 二分查找块的平均查找长度为 log₂(n/s + 1) + 1/2。
- 哈希表查找法（Hash Table Search）： 平均查找长度为 1 + c/2，其中 c 是装填因子。
知识点讲解：

查找算法的平均查找长度（ASL）：
- 顺序查找法：
  - 在未排序或有序表中均可使用。
  - 平均查找长度：(n + 1) / 2
- 二分查找法：
  - 仅适用于有序表。
  - 每次比较将查找范围缩小一半。
  - 平均查找长度：((n + 1) * log₂(n + 1)) / (n - 1)
- 分块查找法：
  - 将顺序表分成多个块，每个块内部有序。
  - 顺序查找块： 先顺序查找块，再顺序查找元素。
    - 平均查找长度：(s + 2s + n) / (2s)
  - 二分查找块： 先顺序查找块，再二分查找元素。
    - 平均查找长度：log₂(n/s + 1) + 1/2
- 哈希表查找法：
  - 通过哈希函数将关键字映射到表中位置。
  - 平均查找长度：1 + c/2，其中 c 为装填因子（Load Factor）

知识点总结表格：

查找方法	平均查找长度	适用条件
顺序查找法	`(n + 1) / 2`	无序或有序表
二分查找法	`((n + 1) * log₂(n + 1)) / (n - 1)`	有序表
分块查找法（顺序查找块）	`(s + 2s + n) / (2s)`	分块且块内有序
分块查找法（二分查找块）	`log₂(n/s + 1) + 1/2`	分块且块内有序，使用二分查找
哈希表查找法	`1 + c/2`	使用哈希函数，装填因子为 `c`

4. 一个算法的效率可分为 `` 和 ``。

正确答案：
1. 时间效率
2. 空间效率
答案解析： 一个算法的效率主要包括时间效率和空间效率。时间效率指算法执行所需的时间，空间效率指算法执行所需的内存空间。
知识点讲解：

算法效率的两大方面：
- 时间效率（Time Efficiency）：
  - 衡量算法运行所需的时间。
  - 通常用大O符号表示，如 O(n)、O(log n) 等。
  - 影响因素包括算法的基本操作次数和数据规模。
- 空间效率（Space Efficiency）：
  - 衡量算法运行所需的存储空间。
  - 包括输入数据、辅助存储以及算法本身的额外空间。
  - 优化空间效率有助于在资源有限的环境中运行算法。

知识点总结表格：

效率类型	解释
时间效率	算法执行所需的时间，通常用大O符号表示
空间效率	算法执行所需的内存空间，包括输入、辅助存储和额外空间
影响因素	操作次数、数据规模、存储结构等
优化目标	减少时间复杂度和空间复杂度，提升算法性能

5. 设有一稠密图 G，则 G 采用 `____` 存储较省空间。

正确答案：
- 邻接矩阵
答案解析： 对于稠密图（即边数接近顶点数的平方），使用邻接矩阵存储更为节省空间。邻接矩阵使用二维数组表示顶点之间的连接关系，适合边较多的图。
知识点讲解：

图的存储方式：
- 邻接矩阵（Adjacency Matrix）：
  - 使用二维数组表示图。
  - matrix[i][j] 表示顶点 i 到顶点 j 是否有边。
  - 空间复杂度为 O(n²)，适用于稠密图。
- 邻接表（Adjacency List）：
  - 每个顶点维护一个链表，存储其邻接的顶点。
  - 空间复杂度为 O(n + e)，其中 e 为边数。
  - 适用于稀疏图。
稠密图与稀疏图：
- 稠密图（Dense Graph）： 边数接近顶点数的平方，即 e ≈ n²。
- 稀疏图（Sparse Graph）： 边数远小于顶点数的平方，即 e << n²。

知识点总结表格：

存储方式	特点	适用图类型
邻接矩阵	使用二维数组表示，空间复杂度 O(n²)	稠密图
邻接表	每个顶点维护链表，空间复杂度 O(n + e)	稀疏图
十字链表	适用于有向图，分别存储入边和出边	有向稠密图
边集数组	列出所有边，适用于需要遍历所有边的场景	任意类型图

6. 在 `n` 个结点的单链表中要删除已知结点 `p`，需找到 ``，其时间复杂度为 ``。

正确答案：
1. p 的直接前驱
2. O(n)
答案解析： 在单链表中删除结点 p 时，需要先找到 p 的直接前驱结点，以便更新前驱结点的指针指向 p 的下一个结点。这一操作需要遍历链表，时间复杂度为 O(n)。
知识点讲解：

单链表的删除操作：
- 步骤：
  1. 找到前驱结点： 遍历链表找到结点 p 的前驱结点。
  2. 更新指针： 将前驱结点的 next 指针指向 p 的 next 结点。
  3. 释放结点： 释放结点 p 的内存（若使用动态内存管理）。
- 时间复杂度：
  - 由于需要遍历链表找到前驱结点，时间复杂度为 O(n)。

知识点总结表格：

知识点	解释
单链表	每个结点有一个指向下一个结点的指针
删除操作步骤	找到前驱结点，更新指针，释放目标结点
时间复杂度	删除操作需要遍历链表，时间复杂度为 O(n)
前驱结点查找	需要从头开始遍历，直到找到目标结点的前驱

7. 深度为 `k` 的完全二叉树至少有 `` 个结点，至多有 `` 个结点。若按自上而下从左到右次序给结点编号（从 1 开始），则编号最小的叶子结点的编号是 ``。

正确答案：
1. 至少有 2^k - 1 个结点
2. 至多有 2^(k+1) - 1 个结点
3. 最小的叶子结点编号是 2^k
答案解析：
- 结点数量：
  - 至少： 一个深度为 k 的完全二叉树至少需要满二叉树的结点数，即 2^k - 1。
  - 至多： 深度为 k 的完全二叉树至多有 2^(k+1) - 1 个结点。
- 最小叶子结点编号： 在按层序编号的完全二叉树中，最小的叶子结点编号为 2^k。
知识点讲解：

完全二叉树的性质：
- 定义： 完全二叉树是除了最后一层外，每一层的结点都达到最大个数，且最后一层的结点都尽可能地集中在左侧。
- 结点数量：
  - 最少结点数： 对于深度为 k 的完全二叉树，最少结点数为满二叉树的结点数，即 2^k - 1。
  - 最多结点数： 对于深度为 k 的完全二叉树，最多结点数为 2^(k+1) - 1。
- 结点编号：
  - 按层序编号（自上而下，从左到右）时，最小的叶子结点编号为 2^k。

知识点总结表格：

知识点	解释
完全二叉树定义	除了最后一层外，每层结点数达到最大，最后一层结点尽可能集中在左
最少结点数	`2^k - 1`，对应满二叉树
最多结点数	`2^(k+1) - 1`
叶子结点编号	按层序编号时，最小的叶子结点编号为 `2^k`
完全二叉树性质	高度平衡，适用于堆等数据结构

8. 线性结构中元素之间存在 `` 关系，树形结构中元素之间存在 `` 关系，图形结构中元素之间存在 `` 关系。

正确答案：
1. 一对一
2. 一对多
3. 多对多
答案解析：
- 线性结构（Linear Structure）： 元素之间为一对一关系，如链表中的前后结点关系。
- 树形结构（Tree Structure）： 元素之间为一对多关系，如树的父子结点关系。
- 图形结构（Graph Structure）： 元素之间为多对多关系，如社交网络中的朋友关系。
知识点讲解：

数据结构中的元素关系：
- 线性结构：
  - 定义： 元素按顺序排列，每个元素只有一个前驱和一个后继。
  - 关系类型： 一对一。
  - 示例： 数组、链表、栈、队列。
- 树形结构：
  - 定义： 层次化的结构，每个结点可以有多个子结点，但只有一个父结点。
  - 关系类型： 一对多。
  - 示例： 二叉树、堆、文件系统目录结构。
- 图形结构：
  - 定义： 任意连接的结构，结点之间可以有多个连接。
  - 关系类型： 多对多。
  - 示例： 社交网络图、交通网络图、通信网络图。

知识点总结表格：

数据结构	元素关系	解释	示例
线性结构	一对一	每个元素有一个前驱和一个后继（除了第一个和最后一个）	数组、链表、栈、队列
树形结构	一对多	每个结点有一个父结点和多个子结点	二叉树、堆、文件系统目录结构
图形结构	多对多	任意结点之间可以有多个连接，形成复杂网络	社交网络图、交通网络图、通信网络

9. 数据的运算最常用的有五种，它们分别是 `` 和 ``。

正确答案：
1. 插入
2. 查找
3. 删除
4. 更新
5. 排序
答案解析： 数据的基本运算包括插入、查找、删除、更新和排序。这些操作是各种数据结构和数据库管理系统的基础，支持数据的增删改查和组织。
知识点讲解：

基本数据操作：
- 插入（Insert）：
  - 向数据结构中添加新的元素。
  - 示例：在数组中添加元素，在链表中插入结点。
- 查找（Search）：
  - 在数据结构中查找特定元素。
  - 示例：在数组中查找元素，使用哈希表查找键。
- 删除（Delete）：
  - 从数据结构中移除特定元素。
  - 示例：从链表中删除结点，从数据库中删除记录。
- 更新（Update）：
  - 修改数据结构中已有元素的值。
  - 示例：在数组中修改元素值，更新数据库中的记录。
- 排序（Sort）：
  - 将数据结构中的元素按特定顺序排列。
  - 示例：对数组进行升序排序，使用快速排序算法。

知识点总结表格：

运算类型	解释	示例
插入	向数据结构中添加新的元素	数组中添加元素，链表中插入结点
查找	在数据结构中查找特定元素	数组中查找元素，哈希表查找键
删除	从数据结构中移除特定元素	链表中删除结点，数据库中删除记录
更新	修改数据结构中已有元素的值	数组中修改元素，更新数据库记录
排序	将数据结构中的元素按特定顺序排列	数组升序排序，快速排序算法

10. 一棵含有 `n` 个结点的完全二叉树，它的高度是 `____`。

正确答案：
- [log₂n] + 1
答案解析： 完全二叉树的高度（或深度）可以通过公式计算得出。对于含有 n 个结点的完全二叉树，其高度为 floor(log₂n) + 1。这里的 floor(log₂n) 表示 log₂n 的下取整。
知识点讲解：

完全二叉树的高度计算：
- 定义： 完全二叉树是一种特殊的二叉树，除了最后一层外，其他每一层的结点都达到最大个数，且所有结点尽可能地集中在左侧。
- 高度计算公式：
  高度=⌊log⁡2n⌋+1\text{高度} = \lfloor \log_2 n \rfloor + 1高度=⌊log2n⌋+1
  其中，n 为结点数，log₂ 表示以 2 为底的对数，floor 表示向下取整。
- 示例：
  - 对于 n = 7，log⁡27≈2.807\log_2 7 \approx 2.807log27≈2.807，向下取整为 2，故高度为 2 + 1 = 3。
  - 对于 n = 15，log⁡215≈3.907\log_2 15 \approx 3.907log215≈3.907，向下取整为 3，故高度为 3 + 1 = 4。

知识点总结表格：

知识点	解释
完全二叉树定义	每层结点数达到最大，最后一层结点尽可能集中在左侧
高度计算公式	`floor(log₂n) + 1`
高度意义	从根到叶子的最长路径上的结点数
计算步骤	计算 `log₂n`，向下取整，再加 1
示例	`n = 7` 时，高度为 3；`n = 15` 时，高度为 4

附加内容：循环队列的存储设计

条件：
1. 队空标志为：front == rear
2. 队满标志为：(rear + 1) % m == front
3. 当 rear > front 时，队列长度为：rear - front
4. 当 rear < front 时，队列长度为：(rear + m) - front
5. 进队操作：rear = (rear + 1) % m
6. 出队操作：front = (front + 1) % m
答案解析： 循环队列通过取模运算实现队列的环状循环。当 rear 指针移动到队列末尾后，通过取模运算可以回到队列的起始位置，实现循环使用存储空间。
知识点讲解：

循环队列的存储设计：
- 定义： 循环队列是一种利用数组实现的队列，支持队列头尾的循环使用。
- 关键指标：
  - 队空条件： front == rear，表示队列为空。
  - 队满条件： (rear + 1) % m == front，表示队列已满，其中 m 为队列的最大容量。
- 队列长度计算：
  - 当 rear > front 时： 队列长度为 rear - front
  - 当 rear < front 时： 队列长度为 (rear + m) - front
- 队列操作：
  - 进队（Enqueue）： 将元素插入到 rear 指针指向的位置，然后更新 rear。 rear=(rear+1)%mrear = (rear + 1) \% mrear=(rear+1)%m
  - 出队（Dequeue）： 移除 front 指针指向的元素，然后更新 front。 front=(front+1)%mfront = (front + 1) \% mfront=(front+1)%m
- 优点：
  - 高效利用存储空间，避免了普通队列的“假溢出”问题。
- 注意事项：
  - 必须预留一个空间区分队满和队空状态。
  - 需要合理选择队列的容量 m 以满足应用需求。

知识点总结表格：

知识点	解释
队空条件	`front == rear`，队列为空
队满条件	`(rear + 1) % m == front`，队列已满
队列长度计算	`rear - front`（当 `rear > front`），`(rear + m) - front`（当 `rear < front`）
进队操作	`rear = (rear + 1) % m`
出队操作	`front = (front + 1) % m`
优点	高效利用存储空间，避免假溢出
注意事项	预留空间区分队满和队空，合理选择队列容量 `m`