这篇文章,在我之前的博客地址中,很早之前写过的(源于从外国的文章中看到的,所以算是转载吧)。今天拿出来,已做备份只用。主要讲解的是:字符串,链表,树,图,排序,递归 vs. 迭代,动态规划,位操作,概率问题,排列组合
使用的开发语言:java(有兴趣的朋友可以用c/c++尝试一下)。
1.字符串和数组应用
首先需要注意的是和C++不同,Java字符串不是char数组。没有IDE代码自动补全功能,应该记住下面的这些常用的方法。
toCharArray() //获得字符串对应的char数组 Arrays.sort() //数组排序 Arrays.toString(char[] a) //数组转成字符串 charAt(int x) //获得某个索引处的字符 length() //字符串长度 length //数组大小 substring(int beginIndex) substring(int beginIndex, int endIndex) Integer.valueOf() //string to integer String.valueOf() /integer to string
字符串和数组本身很简单,但是相关的问题需要更复杂的算法来解决。
经典题目: Evaluate Reverse Polish Notation, Longest Palindromic Substring, Word Break, Word Ladder.
2.链表
在Java中,链表的实现非常简单,每个节点Node都有一个值val和指向下个节点的链接next。
class Node { int val; Node next; Node(int x) { val = x; next = null; } }链表两个著名的应用是栈Stack和队列Queue。在Java标准库都都有实现,一个是Stack,另一个是LinkedList(Queue是它实现的接口)。
经典题目: Add Two Numbers, Reorder List, Linked List Cycle, Copy List with Random Pointer.
3. 树
这里的树通常是指二叉树,每个节点都包含一个左孩子节点和右孩子节点,如:
class TreeNode{ int value; TreeNode left; TreeNode right; }下面是与树相关的一些概念:
- 二叉搜索树:左结点 <= 中结点 <= 右结点
- 平衡 vs. 非平衡:平衡二叉树中,每个节点的左右子树的深度相差至多为1(1或0)。
- 满二叉树(Full Binary Tree):除叶子节点以为的每个节点都有两个孩子。
- 完美二叉树(Perfect Binary Tree):是具有下列性质的满二叉树:所有的叶子节点都有相同的深度或 处在同一层次,且每个父节点都必须有两个孩子。
- 完全二叉树(Complete Binary Tree):二叉树中,可能除了最后一个,每一层都被完全填满,且所有节点都必须尽可能想左靠。
- 经典题目:Binary Tree Preorder Traversal , Binary Tree Inorder Traversal, Binary Tree Postorder Traversal,Word Ladder.
4. 图
图相关的问题主要集中在深度优先搜索(depth first search)和广度优先搜索(breath first search)。深度优先搜索很简单,广度优先要注意使用queue. 下面是一个简单的用队列Queue实现广度优先搜索。
public static void breathFirstSearch(GraphNode root, int x){ if(root.val == x) System.out.println("find in root"); Queue queue = new Queue(); root.visited = true; queue.enqueue(root); while(queue.first != null){ GraphNode c = (GraphNode) queue.dequeue(); for(GraphNode n: c.neighbors){ if(!n.visited){ System.out.print(n + " "); n.visited = true; if(n.val == x) System.out.println("Find "+n); queue.enqueue(n); } } } }
5. 排序
下面是不同排序算法的时间复杂度,你可以去wiki看一下这些算法的基本思想。
Algorithm | Average Time | Worst Time | Space |
冒泡排序(Bubble sort) | n^2 | n^2 | 1 |
选择排序(Selection sort) | n^2 | n^2 | 1 |
插入排序(Insertion sort) | n^2 | n^2 | |
快速排序(Quick sort) | n log(n) | n^2 | |
归并排序(Merge sort) | n log(n) | n log(n) | depends |
另外还有BinSort, RadixSort和CountSort 三种比较特殊的排序。
经典题目: Mergesort, Quicksort, InsertionSort.
6.递归 vs. 迭代
问题:有n步台阶,一次只能上1步或2步,共有多少种走法。
步骤1:找到走完前n步台阶和前n-1步台阶之间的关系。
为了走完n步台阶,只有两种方法:从n-1步台阶爬1步走到或从n-2步台阶处爬2步走到。如果f(n)是爬到第n步台阶的方法数,那么f(n) = f(n-1) + f(n-2)。
步骤2: 确保开始条件是正确的。
f(0) = 0;
f(1) = 1;
public static int f(int n){ if(n <= 2) return n; int x = f(n-1) + f(n-2); return x; }递归方法的时间复杂度是指数级,因为有很多冗余的计算:
f(5) f(4) + f(3) f(3) + f(2) + f(2) + f(1) f(2) + f(1) + f(1) + f(0) + f(1) + f(0) + f(1) f(1) + f(0) + f(1) + f(1) + f(0) + f(1) + f(0) + f(1)直接的想法是将递归转换为迭代:
public static int f(int n) { if (n <= 2){ return n; } int first = 1, second = 2; int third = 0; for (int i = 3; i <= n; i++) { third = first + second; first = second; second = third; } return third; }
典型例子:Recursion vs Iteration。
7.动态规划
动态规划是解决下面这些性质类问题的技术:
一个问题可以通过更小子问题的解决方法来解决,或者说问题的最优解包含了其子问题的最优解
有些子问题的解可能需要计算多次
子问题的解存储在一张表格里,这样每个子问题只用计算一次
需要额外的空间以节省时间
爬台阶问题完全符合上面的四条性质,因此可以用动态规划法来解决。
public static int[] A = new int[100]; public static int f3(int n) { if (n <= 2) A[n]= n; if(A[n] > 0) return A[n]; else A[n] = f3(n-1) + f3(n-2);//store results so only calculate once! return A[n]; }
8. 位操作
常用位操作符:
OR (|) | AND (&) | XOR (^) | Left Shift (<<) | Right Shift (>>) | Not (~) |
1|0=1 | 1&0=0 | 1^0=1 | 0010<<2=1000 | 1100>>2=0011 | ~1=0 |
用一个题目来理解这些操作 ,获得给定数字n的第i位:(i从0计数并从右边开始)。如下:
public static boolean getBit(int num, int i){ int result = num & (1<<i); if(result == 0){ return false; }else{ return true; }
9.概率问题
解决概率相关的问题通常需要先分析问题,下面是一个这类问题的简单例子:
一个房间里有50个人,那么至少有两个人生日相同的概率是多少?(忽略闰年的事实,也就是一年365天)
计算某些事情的概率很多时候都可以转换成先计算其相对面。在这个例子里,我们可以计算所有人生日都互不相同的概率,也就是:365/365 * 364/365 * 363/365 * … * (365-49)/365,这样至少两个人生日相同的概率就是1 – 这个值。
public static double caculateProbability(int n){ double x = 1; for(int i=0; i<n; i++){ x *= (365.0-i)/365.0; } double pro = Math.round((1-x) * 100); return pro/100; }
10.排列和组合
组合和排列的区别在于次序是否关键。
相关推荐
算法是解决问题或执行任务的一系列有序步骤。它们是计算机科学的基础,因为几乎所有的编程任务都依赖于某种形式的算法。好的算法可以显著减少计算时间,提高资源利用效率。算法的分析包括时间复杂度和空间复杂度,...
常见算法包括RSA(Rivest-Shamir-Adleman)、ElGamal等。 数学原理: RSA基于大数分解问题,ElGamal基于离散对数问题。 密钥生成: RSA密钥由两个大素数生成,ElGamal密钥包含生成元和素数。 3.2 RSA算法详解 ...
因此,无论是软件开发、数据分析还是机器学习,扎实的数据结构与算法基础都至关重要。 为了学习和掌握这些知识,初学者可以从以下几个方面入手: 1. 理解基本概念:熟悉每种数据结构的定义、特点以及它们在不同...
1. **排序与查找**:排序是组织数据的基础,常见的排序算法包括冒泡排序、插入排序、选择排序、快速排序、归并排序以及堆排序等。查找算法如二分查找、哈希查找则用于高效定位数据。这些基础知识对于优化程序性能至...
读书笔记:CC++ 基础语法及常见的知识点 , CC++ 常见笔试题及算法
数据结构与算法是计算机科学的基础,它们是解决问题和设计高效程序的关键。这本书详细介绍了如何在Java环境中理解和应用这些核心概念。 1. **数据结构**:数据结构是组织和存储数据的方式,它决定了数据的访问和...
《周航慈-嵌入式系统软件中的常用算法+数据结构》是一本深入探讨嵌入式系统软件设计中核心概念的书籍,由北京航空航天大学出版社出版。该书分为两部分,分别是“嵌入式系统软件设计中的数据结构.pdf”和“嵌入式系统...
数据结构与算法是计算机科学的基础,对于任何想要深入理解和实践编程的人来说,它们都是不可或缺的知识领域。这个名为“数据结构与算法+答案”的资源显然旨在帮助学习者系统地掌握这一领域的核心概念,并通过解答来...
总的来说,这个“java常见算法题解析大全”是一份宝贵的资源,它涵盖了算法的基础到高级主题,可以帮助Java开发者巩固理论知识,提高编程技巧,解决实际问题。通过深入学习和实践这些算法,你将能够更有效地处理复杂...
以下是一些常见的面试算法题及其详解: 1. **二分查找**:二分查找是一种在有序数组中寻找特定元素的搜索算法。它通过不断缩小查找范围,每次将查找区间减半,直到找到目标元素或确定其不存在。了解如何设计递归或...
在IT行业中,算法是解决问题的关键工具,它们是计算机科学的基础,也是软件开发、数据分析和人工智能等领域不可或缺的部分。本文将深入探讨七个常用的算法类别以及两个新兴的算法领域。 首先,我们来了解一下七大...
钢管切割问题是一个经典的优化问题,常见于计算机科学和运筹学领域,特别是在程序设计和算法分析中占有重要地位。这个问题通常被用来介绍和教授动态规划(Dynamic Programming, DP)这一强大的解决问题的方法。在这...
总结来说,这份“Java数据结构与算法+源代码高清版”资源涵盖了IT领域的基础核心知识,它可以帮助学习者或开发者从理论到实践全面掌握数据结构和算法,提升编程能力,为解决复杂问题打下坚实的基础。通过深入学习和...
Java常用类与基础API--String常见算法题目
数据结构与算法是计算机科学的基础,对于理解和设计高效的软件至关重要。C语言作为底层编程语言,是学习数据...通过这样的学习工具,不仅可以提升理论知识,还能培养实际编程技能,为未来解决复杂问题打下坚实基础。
"算法练习,常见算法,面试常用"这个标题暗示了我们即将探讨的是与算法相关的内容,这些内容不仅适用于提升个人技能,也是面试中常见的考核点。描述中提到的"C语言"和"Go语言"是两种常用的编程语言,它们常被用来...
常见的算法类型包括排序(如冒泡排序、快速排序、归并排序)、搜索(如二分查找、广度优先搜索、深度优先搜索)、图论(如最短路径算法Dijkstra、最小生成树Prim或Kruskal)、动态规划(如背包问题、最长公共子序列...