数据结构和算法是程序的灵魂,基本的数据结构分为:线性结构、树、图。线性结构又分为顺序实现的线性结构和链式实现的线性结构。顺序实现的线性结构是一种随机存取结构,适合遍历,寻找元素;而不适合插入和删除操作。其get()、set()的时间复杂度为O(1),而插入和删除的时间复杂度为O(N)。使用java语言实现顺序存储的线性结构代码如下:
线性表的抽象数据类型 package dataStructtion.linear; /** * 线性表的抽象数据类型 * @author xiucai * @param <T> */ public interface LList<T> { /** * 判断是否为空 * @return */ public boolean isEmpty(); /** * 返回线性表长度 * @return */ public int length(); /** * 返回下标为i的元素(i>=0) * @param i * @return */ public T get(int i); /** * 设置下标为i的元素值为t * @param i * @param t */ public void set(int i,T t); /** * 在下标为i的位置插入元素t * @param i * @param t */ public void insert(int i,T t); /** * 在线性表末尾追加元素t * @param t */ public void append(T t); /** * 移除下标为i的元素 * @param i * @return */ public T remove(int i); /** * 移除线性表所有元素 */ public void removeAll(); /** * 查找,返回首次出现的关键字为key的元素 * @param t * @return */ public T search(T t); /** * 判断线性表是否包含元素t * @param t * @return */ public boolean contain(T t); } 顺序存储的线性表的实现: package dataStructtion.linear; /** * 线性表的顺序表示和实现 * @author xiucai * @param <T> */ public class SeqList<T> implements LList<T>{ private Object[] element;//对象数组 private int len;//顺序表长度,记录元素个数 /** * 构造方法,初始化为size长度 * @param size */ public SeqList(int size){ this.element=new Object[size]; this.len=0; } /** * 默认构造长度为64的数组 */ public SeqList(){ this(64); } /** * 重写toString方法,用于输出 */ @Override public String toString(){ String string=""; if(this.len==0) return string; for(int i=0;i<this.len;i++) string+=element[i].toString()+" "; return string; } /** * 重写equals方法,用于比较 */ @Override public boolean equals(Object obj) { // TODO Auto-generated method stub boolean flag=true; if(this==obj) return flag; if(obj instanceof SeqList){ SeqList<T> t=(SeqList<T>)obj; if(this.len==t.len){ for(int i=0;i<this.len;i++){ if(this.element[i]!=t.element[i]){ flag=false; } } }else return false; }else return false; return flag; } /** * 判断线性表是否为空 */ @Override public boolean isEmpty() { // TODO Auto-generated method stub return this.len==0; } /** * 线性表的长度 */ @Override public int length() { // TODO Auto-generated method stub return this.len; } /** * 获取下标为i的元素 */ @Override public T get(int i) { // TODO Auto-generated method stub if(i>=0&&i<this.len) return (T)element[i]; else throw new IndexOutOfBoundsException(i+",下标越界"); } /** * 设置小标为i的元素为t */ @Override public void set(int i, T t) { // TODO Auto-generated method stub if(t==null) return; if(i>=0&&i<this.len) this.element[i]=t; else throw new IndexOutOfBoundsException(i+",下标越界"); } /** * 在下标为i的位置设置元素t,其他元素依次后移 */ @Override public void insert(int i, T t) { // TODO Auto-generated method stub if(t==null) return ; if(this.len==element.length){ Object[] temp=this.element; this.element=new Object[temp.length*2]; for(int j=0;j<temp.length;j++){ element[i]=temp[i]; } } i=i<0?0:i>this.len?len:i; for(int j=this.len-1;j>=i;j--) this.element[j+1]=this.element[j]; this.element[i]=t; this.len++; } /** * 线性表末尾追加元素t */ @Override public void append(T t) { // TODO Auto-generated method stub insert(this.len, t); } /** * 移除下表为i的元素,剩下元素依次前移 */ @Override public T remove(int i) { // TODO Auto-generated method stub if(i<0||i>this.len-1) return null; T t=(T)this.element[i]; for(int j=i;j<this.len;j++) this.element[j]=this.element[j+1]; this.element[this.len-1]=null; this.len--; return t; } /** * 清空线性表 */ @Override public void removeAll() { // TODO Auto-generated method stub for(int i=0;i<this.len;i++) this.element[i]=null; this.len=0; } /** * 搜索key为t的元素 */ @Override public T search(T t) { // TODO Auto-generated method stub if(t==null) return null; for(int i=0;i<this.len;i++){ if(element[i].equals(t)) return (T)element[i]; } return null; } /** * 判断线性表是否包含元素t */ @Override public boolean contain(T t) { // TODO Auto-generated method stub return this.search(t)!=null; } } 测试类: package dataStructtion.linear; /** * 此类进行测试 * @author xiucai * */ public class SeqTest { public static void main(String[] args) { SeqList<String> seqList=new SeqList<String>(); System.out.println(seqList.isEmpty()); System.out.println(seqList.length()); seqList.insert(0, "aaa"); System.out.println(seqList); seqList.insert(1,"bbb"); System.out.println(seqList); seqList.insert(0,"ccc"); System.out.println(seqList); System.out.println(seqList.length()); // System.out.println(seqList.get(4)); seqList.set(0, "ddd"); System.out.println(seqList); seqList.remove(0); System.out.println(seqList); seqList.append("ccc"); System.out.println(seqList); System.out.println(seqList.contain("aaa")); System.out.println(seqList.search("bbb")); seqList.removeAll(); System.out.println(seqList); } }
相关推荐
32033c12-f67c-4013-a328-58ec566695d8.png
**基于MATLAB GUI界面的优化手写数字识别系统:集成预处理与BP神经网络算法的实践**,- 标题: 基于matlab的自由手写体数字识别系统 - 关键词:matlab GUI界面 手写体数字 预处理 bp神经网络 特征提取 - 简述:支持打开图片识别,可对图片进行二值化、噪声处理、图像分割、归一化、细化等图像处理方法,采用了bp神经网络算法,并以MATLAB作为编程工具实现了具有友好的图形用户界面的自由手写体数字识别系统。 实验结果表明,本方法具有较高的识别率,并具有较好的抗噪性能。 附带文档 ,matlab; GUI界面; 手写体数字; 预处理; 图像处理方法; bp神经网络; 识别率; 抗噪性能; 文档,基于MATLAB的BP神经网络手写数字识别系统
协作机器人结构设计及齿轮传动系统仿 真.pdf
"基于CEEMD-GWO-SVM算法的时间序列预测:风电、光伏、负荷预测通用解决方案",基于CEEMD+GWO+SVM的时间序列预测,风电,光伏,负荷预测,替数据就可以使用。 ,CEEMD; GWO; SVM; 时间序列预测; 风电; 光伏; 负荷预测; 替换数据,基于CEEMD-GWO-SVM算法的能源时间序列预测模型
针对NCM111、523、622及811等不同配比的硬壳三元镍钴锰酸锂电池的针刺热失控现象的Comsol模拟计算研究:可调整针刺位置的影响分析。,针刺热失控硬壳三元镍钴锰酸锂电池NCM111+523+622+811针刺热失控comsol模拟计算,可调整针刺位置。 ,针刺热失控;硬壳三元镍钴锰酸锂电池;NCM系列;comsol模拟计算;针刺位置调整;可调位置;电性能优化,针刺热失控模拟:多元镍钴锰酸锂电池硬壳结构研究
"探索Comsol模拟热流固耦合中的压缩空气模型:多物理场耦合下的应力场、温度场与渗流场研究",comsol 热流固耦合 压缩空气模型 应力场 温度场 渗流场 ,comsol;热流固耦合;压缩空气模型;应力场;温度场;渗流场,COMSOL热流固耦合分析:压缩空气模型中的应力场、温度场与渗流场
"Comsol技术:经典复古与高性能偏振分光器的完美结合",Comsol高性能偏振分光器。 经典复古小案例。 ,Comsol; 高性能; 偏振分光器; 经典复古; 小案例。,经典复古案例下的高性能Comsol偏振分光器
Matlab环境中结合经验小波变换与梯度下降回归的脉冲故障电流信号降噪新方法:融合机器学习自编码器技术的优化策略,Matlab环境下一种基于经验小波变和梯度下降回归的脉冲故障电流信号降噪方法 基于机器学习(传统自编码器和极限学习自编码器)的脉冲故障电流信号降噪。 正在整理中。 ,经验小波变换;梯度下降回归;脉冲故障电流信号降噪;Matlab环境;自编码器;极限学习自编码器,Matlab中脉冲故障电流信号的降噪新方法:经验小波与机器学习融合
基于电导分量法与扰动观测法的MPPT光伏输出模型比较与探讨,基于mppt两种方法:电导分量法,扰动观测法的光伏输出模型 ,基于MPPT; 电导分量法; 扰动观测法; 光伏输出模型;,基于电导分量与扰动观测法的MPPT光伏输出模型对比研究
8457b1084d4d7727ac9316167aba56ed.part2
OFDM系统调制下QPSK与16QAM的误码率比较分析程序,OFDM系统在QPSK与16QAM调制下,误码率比较程序 ,OFDM系统; QPSK调制; 16QAM调制; 误码率比较程序,OFDM系统调制下误码率比较程序:QPSK vs 16QAM
"No.1141 S7-200 PLC与MCGS组态构建的自动化搬运机械手组态系统研究",No.1141 S7-200 PLC和MCGS组态自动化搬运机械手的组态系统 ,S7-200 PLC; MCGS组态; 自动化搬运机械手; 组态系统; 1141 型号,"S7-200 PLC与MCGS组态系统在自动化搬运机械手中的应用"
"COMSOL仿真:固体超声导波二维模拟及汉宁窗调制5周期正弦激励信号的添加与中心频率200kHz的位移控制",COMSOL—固体超声导波二维仿真 激励信号为汉宁窗调制的5周期正弦函数,中心频率为200kHz 通过指定位移来添加激励信号 ,COMSOL;固体超声导波;二维仿真;汉宁窗调制;正弦函数;中心频率200kHz;指定位移添加激励信号。,COMSOL固体超声导波二维仿真:汉宁窗调制正弦激励信号添加
"基于多种智能算法的带时间窗与容量限制的车辆路径规划问题求解程序代码",带时间窗的车辆路径规划(VRPTW)问题 遗传算法求解程序代码,蚁群算法,粒子群算法,节约里程算法,禁忌搜索算法 考虑车辆的最大容量限制 考虑违反时间约束和容量约束的惩罚系数 以距离最优为优化目标 代码注释清楚,可改性强,可替自己的数据 代码使用matlab编写。 可以直接运行的 ,带时间窗;遗传算法;蚁群算法;粒子群算法;节约里程算法;禁忌搜索算法;车辆最大容量限制;惩罚系数;距离最优;可改性强;Matlab编写;直接运行代码。,"基于多种算法的带时间窗车辆路径规划优化程序"
西门子S7-200PLC在物料自动称量控制系统中的应用:基于称重配料混合程序的组态设计与王设计PLC程序设计,74基西门子S7-200PLC的物料自动称量控制系统称重配料物料混合程序组态设计组态设计组态王设计plc程序设计 ,核心关键词:西门子S7-200PLC;自动称量控制系统;物料混合程序;组态设计;组态王设计;PLC程序设计。,西门子S7-200PLC物料自动称量控制系统称重配料程序组态设计
"基于物理约束的神经网络:求解偏微分方程及多类型耦合方程的机器学习新方法",物理约束的神经网络 PINN 物理约束的神经网络求解偏微分方程,对基本渗流方程进行了求解,还有不同类型的方程,固体,流体,传热,以及耦合方程的求解。 机器学习与传统数值模拟的对比,适合发文章。 ,PINN; 物理约束神经网络; 偏微分方程求解; 渗流方程; 不同类型方程; 固体流体传热; 耦合方程; 机器学习; 传统数值模拟。,物理约束神经网络在偏微分方程求解中的应用
"Informer模型详解:深度解析与注释指南",Informer模型,有详细注释 ,Informer模型; 详细注释; 算法模型; 机器学习,Informer模型详解
COMSOL声学超声波无损检测模型:基于多物理场模块的压电耦合分析与应用研究,COMSOL声学—超声波无损检测 模型介绍:本模型主要利用压力声学、静电、固体力学以及压电效应、声结构耦合边界多物理场6个模块。 本模型包括压电单元(PZT-5H)和被检测材料(樟子松)两个部分。 一个压电陶瓷激励信号,一个压电陶瓷接受信号。 版本为5.6,低于5.6的版本打不开此模型 ,COMSOL声学; 超声波无损检测; 模型介绍; 压力声学; 静电; 固体力学; 压电效应; 声结构耦合边界多物理场; 压电单元(PZT-5H); 被检测材料(樟子松); 激励信号; 接受信号; 版本5.6,COMSOL声学模型:超声波无损检测(压力声学与多物理场耦合)
"No.905 S7-200 PLC与组态王联合实现温度PID控制:加热炉与电阻炉的智能化管理",No.905 S7-200 PLC和组态王组态温度PID控制加热炉电阻炉 ,核心关键词:S7-200 PLC;组态王组态;温度PID控制;加热炉;电阻炉;No.905;组态温控,基于S7-200 PLC与组态王控制的温度PID加热炉控制
"MATLAB仿真技术:并联平台与并联机器人Stewart舵机的集成应用",MATLAB仿真并联平台并联机器人Stewart 舵机 ,MATLAB仿真; 并联平台; 并联机器人; Stewart舵机,MATLAB仿真Stewart舵机并联机器人平台研究