查找算法

目录 教材学习内容总结 教材学习中的问题和解决过程 代码调试中的问题和解决过程 代码托管 上周考试错题总结 学习进度条 参考资料 目录 教材学习内容总结 Chapter13 查找与排序 查找 线性查找:从表头开始，依次将每个值与目标元素进行比较。 public static<T> boolean linearSearch(T[] data,int min,int max,T target) { int index=min; boolean found=false; while(!found&&index<=max) { found=data[index].equals(target); index++; } return found; } 线性查找的平均时间复杂度为O(n)。 二分查找:在一个已排序的项目组中，从列表的中间开始查找，如果中间元素不是要找的指定元素，则削减一半查找池，从剩余一半的查找池（可行候选项）中继续以与之前相同的方式进行查找，多次循环直至找到目标元素或确定目标元素不在查找池中。 public static <T extends Comparable<T>> boolean binarysearch (T[] data, int min, int max,int mid,T target) { boolean found = false; //int mid =

学号20182329 2019-2020-1 《数据结构与面向对象程序设计》第8周学习总结 教材学习内容总结 用链表实现队列，以及队列的出入、删除、交换等等操作。 用数组实现队列，同样实现上述操作。 学习查找的ASL算法，对比出更加高效的算法，同时学会鉴别算法的稳定性。 学会最简单的线性查找，以及二分法查找。 学会在查找的基础上进行简单排排序，学会并实现选择排序。 插入排序是将元素插入已有列表。 学习冒泡排序，但是冒泡是一种算法非常复杂的。 学习快速排序和归并排序。 教材学习中的问题和解决过程啊 问题1：在学习归并查找的过程中，发现在分解和归并的每一步中度需要进行一轮比较，也就是说，在一个循环中套两个循环，但是这样的运算算法就会非常复杂，而且只是设置分解在循环中可以，但是很难把合成也放在其中。 问题1解决方法：算法本身复杂是没有解决的方法，两个循环无法并行时，可以将归并部分的代码重新设置一个方法，需要的时候调用就可以了。 问题2：在学习Android 的课程时，不是很理解和使用监听器，自己编写的监听器总是无法连接。 问题2解决方案：在实验2的学习编写中，监听器与按钮相结合的方式，连接两个活动，这当然含有点击、长按等，关键在一个监听器等待一个活动开始后，相应另一个活动，接口是必要且关键的。 问题3：我在编写书上SortPlayerList代码时，发现我设置一个inset（void

20182310 2019-2020-1 《数据结构与面向对象程序设计》第八周学习总结 教材学习内容总结 1.泛型 之前涉及过通过继承实现多态，而Object则是所有类型的父类，因此只要将一个数组指向Object类型，那么该数组理论上就可以保存所有类型的数据了，这是一种极端情况 但是，当使用了Object后，容易出现兄弟类型之间转换的问题，编译不会报错，但是运行时会出错。 泛型：可以定义一个类，可以保存数据及操作，但只有当实例化时才确定类型（一般用T来表示泛型） class Box { T类型对象的声明与操作代码 } 当要使用Box定义的数据时，通过实例化来实现它的具体类型，来替代T Box box1=new Box ; Box box2=new Box ; ... 2.线性查找法 线性查找法就是从头开始查找，与每一个列表中的元素进行比较，直到找到该目标元素或查找到末尾还没找到。 以下的方法实现了一个线性查找。该方法返回一个布尔值，若是true，便是找到该元素，否则为false，表示没找到。 public static boolean linearSearch(T[] data, int min, int max, T target) { int index = min; boolean found = false; while (!found && index <= max) {

学号 2019-2020-20182321 《数据结构与面向对象程序设计》第八周学习总结 教材学习内容总结 查找中最简单的查找就是线性查找了，也就是对一列元素一个一个的向下寻找，找到了再返回，线性查找中其实可以利用哨兵法来简化线性查找的过程。 简化查找的方法有二分查找，二分查找可以极大的减小算法的时间复杂度，但是缺点是其查找的内容必须是已经排序好的，对于那种不排序的杂乱的线性集合，二分查找法不适用，必须要先排序再查找。 除了以上的两种方法，我们其实还另外学了三种，哈希线性查找、哈希链表查找、二叉树查找，他们三个的查找方法我觉得都比以上查找快得多，但是前提是其必须要按照一定的要求将其进行排序，形成一个集合。 哈希就是找出每个单个元素与所在节点的关系，利用这层关系，我们对其进行区域性查找 二叉树查找就是利用链表形成一个二叉树，比父节点大的在右边，比父节点小的在左边，查找时顺着二叉树向下查找。 排序方面，最简单的两个也是我们在c语言里学的选择排序和冒泡排序，选择排序就是找出最大或者最小的元素依次放在数列的最左边，冒泡排序是两两进行比较，找出第一轮比较和后面几轮比较次数之间的关系，其效果就像是水池里的泡泡一样，小的或者大的数字会一点一点的向最上边移动 -插入排序就是将队列里一个又一个的值，插入到已经排序的子序列，如下面序列 20 18 23 21 20 19 11 02 21 14 55

目录 一 STL基本概念 二 string容器 三 vector容器 3.1 vector动态增长原理 3.2 vector构造函数 3.3 vector常用赋值操作 3.4 vector大小操作 3.5 vector数据存取操作和插入删除 3.6 使用swap()收缩空间 3.7 使用reserve()预留空间提高程序效率 注：原创不易，转载请务必注明原作者和出处，感谢支持！ 注：内容来自某培训课程，不一定完全正确！ 一 STL基本概念 STL（Standard Template Library）标准模板库，最早是惠普实验室开发的一系列软件的统称，现在主要出现在C++中，但是在引入C++之前该技术已经存在很长的时间了。 STL从广义上分为：容器（container），算法（alogrithm）和迭代器（iterator）。容器和算法之间通过迭代器进行无缝连接。STL几乎所有的代码都采用了模板类或者模板函数，这相比传统的由函数和类组成的库来说提供了更好的代码重用机会。 在C++标准库当中，隶属于STL的占到了80%以上。在C++标准库中，STL被组织成以下13个头文件： <algorithm> <deque> <functional> <iterator> <vector> <list> <map> <memory> <numeric> <queue> <set> <stack>

目录 pymysql 1.基本操作 1.新建表 2.增加数据 3.删除数据 4.更改数据 5.查找数据 6.断开连接 2.sql注入 解决方法 3.创建大数据库 索引 定义 作用 实现原理 B+树的性质 B+树的分类 InnoDB存储引擎表示索引组织表，即表中数据按照主键顺序存放。而聚集索引（clustered index）就是按照每张表的主键构造一棵B+树，同时叶子结点存放的即为整张表的行记录数据，也将聚集索引的叶子结点称为数据页。聚集索引的这个特性决定了索引组织表中数据也是索引的一部分。同B+树数据结构一样，每个数据页都通过一个双向链表来进行链接。 如果未定义主键，MySQL取第一个唯一索引（unique）而且只含非空列（NOT NULL）作为主键，InnoDB使用它作为聚簇索引。 如果没有这样的列，InnoDB就自己产生一个这样的ID值，它有六个字节，而且是隐藏的，使其作为聚簇索引。 由于实际的数据页只能按照一棵B+树进行排序，因此每张表只能拥有一个聚集索引。在多少情况下，查询优化器倾向于采用聚集索引。因为聚集索引能够在B+树索引的叶子节点上直接找到数据。此外由于定义了数据的逻辑顺序，聚集索引能够特别快地访问针对范围值得查询。 索引的种类 主键索引 primary key 唯一索引 unique(name) 唯一联合索引 uniqe (name, email) 普通索引

2019/11/02 3、分块查找 （又称 索引顺序查找）[性能介于 顺序查找 和 折半查找之间] 索 引 表 最大关键字 22 48 86 起始地址 1 7 13 22 12 13 8 9 20 3 3 42 44 38 24 48 60 58 74 49 86 53 表及其索引表 3、分块查找 （又称 索引顺序查找）[性能介于 顺序查找 和 折半查找之间] 索 引 表 最大关键字 22 48 86 起始地址 1 7 13 22 12 13 8 9 20 3 3 42 44 38 24 48 60 58 74 49 86 53 表及其索引表 来源： https://www.cnblogs.com/LinQingYang/p/11780770.html

2019/11/02 2、折半查找 （ 折半查找效率比顺序查找效率高 ,但折半查找只适用于 有序表 ,且限于 有序结构 ） 要求： 1.线性表必须采用 顺序存储结构。 2.表中元素按关键字有序排列。 算法描述： [时间复杂度：O(log 2 n) ] int Search_Bin(SSTable ST, KeyTable key){ int low = 1,mid; int high = ST.length; while(low<=high){ mid = (low+high) / 2; if(key==ST.R[mid].key) return mid; //找到待查元素 else if(key<ST.R[mid].key) high=mid-1; //继续在前一子表进行查找 else low=mid+1;//继续在后一子表进行查找 } return 0; //表中不存在待查元素 } 折半查找递归算法： int Search_bin(SSTable ST, KeyType key, int low_in, int high_in){ int low = low_in; int high = high_in; int mid=mid = (low+high) / 2; while(low<=high){ if(key==ST.R[mid].key) return mid; /

2019/11/02 1、顺序查找（从前往后||从后往前查） 数据元素定义： typedef struct{ Keytype key; //关键字域 InfoType otherinfo;//其他域 }Elemtype; 顺序表定义： typedef struct{ Element *R; //存储空间基地址 int length; //当前长度 }SSTable; 算法1顺序查找： [时间复杂度：O(n)] int Search_Seq(SSTable ST,KeyType key){ for(i=ST.length;i>=1;--i) 　 if(ST.R[i].key==key) return i; //从后往前找 return 0; } 算法2设置监视哨的顺序查找： [时间复杂度：O(n)] int Search_Seq(SSTable ST,Keytype key){ ST.R[0].key=key; //"哨兵"，也可以放在高下标处 for(i=ST.length; ST.R[i]!=key; --i); //从后往前找 return i; } "哨兵"的使用，能使顺序查找在ST.length≥1000时，进行一次查找所需的平均时间几乎减少一半。 顺序查找 优点 ： 算法简单，对表结构无要求，既适用于顺序结构，又适用于链式结构，无论记录是否按关键字有序 均可使用。

维基百科对B树的定义为“在计算机科学中，B树（B-tree）是一种树状数据结构，它能够存储数据、对其进行排序并允许以O(log n)的时间复杂度运行进行查找、顺序读取、插入和删除的数据结构。B树，概括来说是一个节点可以拥有多于2个子节点的二叉查找树。与自平衡二叉查找树不同，B-树为系统最优化 大块数据的读和写操作 。B-tree算法减少定位记录时所经历的中间过程，从而加快存取速度。普遍运用在 数据库 和 文件系统 。” 定义 B 树 可以看作是对2-3查找树的一种扩展，即他允许每个节点有M-1个子节点。 根节点至少有两个子节点 每个节点有M-1个key，并且以升序排列 位于M-1和M key的子节点的值位于M-1 和M key对应的Value之间 其它节点至少有M/2个子节点 下图是一个M=4 阶的B树: 可以看到B树是2-3树的一种扩展，他允许一个节点有多于2个的元素。 B树的插入及平衡化操作和2-3树很相似，这里就不介绍了。下面是往B树中依次插入 6 10 4 14 5 11 15 3 2 12 1 7 8 8 6 3 6 21 5 15 15 6 32 23 45 65 7 8 6 5 4 的演示动画： B+ 树是对B树的一种变形树，它与B树的差异在于： 有k个子结点的结点必然有k个关键码； 非叶结点仅具有索引作用，跟记录有关的信息均存放在叶结点中。