当前位置: 首页>后端>正文

【算法训练营学习笔记-Week06】一遍不懂就多刷几遍

字典树(Trie )

温故知新:

  • 树的定义
  • 二叉树,前中序列遍历,层次遍历
  • DFS和BFS
  • 二叉搜索树(BFS)定义,左子树都小于根,右子树都大于根,中序遍历是有序序列

实际问题:搜索引擎中自动联想

定义: 多叉树,常用于搜索引擎的文本词频统计,用于最大新都减少不必要的字符串比较,查找效率高于哈希表

基本性质:

  1. 节点本身不存完整单词
  2. 从根节点到某一节点,路径上经过的字符链接起来,为该节点对应的字符串
  3. 每个节点的所有子节点路径代表的字符串都不相同

注意,图中的to, ted, tea 并不实际存在,只是表示按照路径查找之后连接后的单词

【算法训练营学习笔记-Week06】一遍不懂就多刷几遍,第1张
字典树

核心思想:

  • 空间换时间(树的每层至少存在26个分支)
  • 利用字符串的公共前缀来降低查询时间的开销,以达到提高效率的目的

Trie模板

class Trie(object):
    
    def __init__(self): 
        self.root = {} 
        self.end_of_word = "#" 
        
    def insert(self, word): 
        node = self.root 
        for char in word: 
            node = node.setdefault(char, {}) 
        node[self.end_of_word] = self.end_of_word 

    def search(self, word): 
        node = self.root 
        for char in word: 
            if char not in node: 
                return False 
            node = node[char] 
        return self.end_of_word in node 

    def startsWith(self, prefix): 
        node = self.root 
        for char in prefix: 
            if char not in node: 
                return False 
            node = node[char] 
        return True

实现字典树: 看题解,临摹一种写法,不必要自己去创造(除非你想).动态采用字典数据结构(哈希表)

单词搜索: 无论是1还是2,都很经典, 要学习计算时间复杂度(这是面试的最高难度)

并查集

直接套用模板即可,常用来解决组团和配对问题(Group or not?)

属于

基本操作

  • makeSet(s): 新建一个新的并查集,包括s个元素集合
  • unionSet(x,y): 合并元素x和元素y,要求x和y所在集合不相交,如果相交则不合并
  • find(x): 找到元素x所在集合的代表,该操作也可以用来判断两个元素是否位于同一个集合,只要将他们各自的代表比较一下就可以
【算法训练营学习笔记-Week06】一遍不懂就多刷几遍,第2张
路径压缩

代码模板: Python

def init(p): 
    # for i = 0 .. n: p[i] = i; 
    p = [i for i in range(n)] 

def union(self, p, i, j): 
    p1 = self.parent(p, i) 
    p2 = self.parent(p, j) 
    p[p1] = p2 
    
def parent(self, p, i): 
    root = i 
    while p[root] != root: 
        root = p[root] 
    while p[i] != i: # 路径压缩 ?
        x = i; i = p[i]; p[x] = root 
    return root
struct DSU
{
    std::vector<int> data;
    
    void init(int n) { data.assign(n, -1); }
    
    bool unionSet(int x, int y)
    {
        x = root(x);
        y = root(y);
        if (x != y)
        {
            if (data[y] < data[x])
            {
                std::swap(x, y);
            }
            data[x] += data[y];
            data[y] = x;
        }
        return x != y;
    }

    bool same(int x, int y) { return root(x) == root(y); }

    int root(int x) { return data[x] < 0 x : data[x] = root(data[x]); }

    int size(int x) { return -data[root(x)]; }
};

//https://leetcode-cn.com/problems/friend-circles/solution/547-by-ikaruga/

朋友圈:每个人都是一个人,然后根据好友关系矩阵,如果M[i][j]==1, 就合并,最后统计孤立的集合。

高级搜索

不要死磕,多过遍数(你不是一个人懵逼)

初级搜索改进

  1. 不重复(斐波那契)、剪枝(括号生成)
  2. 双向搜索,启发式搜索(优先级搜索)

剪枝

括号生成: 剪枝体现在右括号一定要小于左括号。而不是生成所有可能后,再去判断是否符合要求

思考题: DP如何解决括号生成的问题。

N皇后问题: 剪枝体现在,发现col, row diagonal只要存在皇后,立马放弃(剪枝),而不是先把所有可能都生成之后,才去判断当前布局是否符合要求。

数独问题: 剪枝体现在对行、列、块进行判断,用于判断是否合法,不符合就不再递归。更好的操作,预先扫描数组,记录每行、每列、每个方块的可填数组,记录哪些位置需要进行填写。

双向BFS

先默写BFS模板代码

def BFS(graph, start, end):
    visited = set()
    queue = []
    queue.append[start]
    while queue: #不为空
        # 处理
        node = queue.pop()
        visited.add(node)

        process(node)
        nodes = generate_related_nodes(node)
        queue.push(nodes)
    #other process work
    ... 

双向BFS就是从A和L分别往中间搜索,两个人在中间碰头

【算法训练营学习笔记-Week06】一遍不懂就多刷几遍,第3张
双向BFS

单词接龙(硅谷非常高频)

双向模板

def dBFS(graph, start, end):
    visited = set()
    front = []
    back = []
    front.append(start)
    back.append(end)
    while front and back:
        nodes = set()
        for node in front:
            visited.add(node) #加入访问
            process(node) # 处理当前node
            nodes.append(generate_related_nodes(node)) #获取子节点
        front = nodes
        # 从较小的set开始
        if len(back) < len(front):
            front, back = back, front
    ...
        

是否双向BFS一定要用set?

很多时候,双向BFS的队列底层数据结构会用set,特别是那种左边动一步,右边动一步,每次就把所有一层的节点处理完,生成新的一层的节点的情况,用set能更好的判断对面的节点是否也在当前的节点里有。

启发式搜索

不需要着急学习这一块,注意多过遍数(你不是一个人一脸懵逼的听完第一遍)

启发式搜索(Heuristic Search, A*),Heuristic指的是根据某一些条件,我们不断的优化搜索方向,本质上用的就是利用优先级进行查找。

def AstarSearch(graph, start, end):

    pq = collections.priority_queue() # 优先级 —> 估价函数
    pq.append([start]) 
    visited.add(start)

    while pq: 
        node = pq.pop() # can we add more intelligence here ?
        visited.add(node)

        process(node) 
        nodes = generate_related_nodes(node) 
         unvisited = [node for node in nodes if node not in visited]
        pq.push(unvisited)

核心是在定义在估价函数, h(n)。

一些相似度度量方法:https://dataaspirant.com/2015/04/11/five-most-popular-similarity-measures-implementation-in-python/

二进制矩阵的最短路径, 估计函数,曼哈顿距离

滑动谜题: 经典题目是 8 puzzles

  • DFS/BFS
  • A*, 得分为坐标差

红黑树和AVL树

这个章节主要是了解性质,需要掌握红黑树和AVL树的异同,以及AVL树的四种旋转操作。

温故知新:

  • 思考下树的结构和二叉树的结构
  • 树的遍历,前中序遍历,DFS,BFS
  • 二叉搜索树(BST), 查找,插入,删除(要求理解逻辑)

起因:二叉搜索树的极端情况,退换成链表

改进:平衡二叉树,包括2-3 树, AA 树,B+ Tree, 红黑树和AVL 树

这些数据结构面试的时候只需要理解原理,不需要书写

AVL树: 完全平衡二叉树

发明者是G. M. Adelson-Velsky和Evgenii Landis

  • 平衡因子(记录左子树和右子树的高度差)
  • 旋转操作(左旋,右旋,左右旋,右左旋)
  • 不足: 节点需要存储额外信息,且调整次数频繁(维护成本高)

面试要点:平衡因子的由来,四种基本旋转操作,

右右子树,都在右边,左旋

【算法训练营学习笔记-Week06】一遍不懂就多刷几遍,第4张
左旋

左左子树,都在左边,右旋

【算法训练营学习笔记-Week06】一遍不懂就多刷几遍,第5张
右旋

左右子树,左右都有,左右旋

【算法训练营学习笔记-Week06】一遍不懂就多刷几遍,第6张
左右旋

右左子树,左右都有,右左旋

【算法训练营学习笔记-Week06】一遍不懂就多刷几遍,第7张
右左旋

思考题1:下面是什么树形,应该如何调整

【算法训练营学习笔记-Week06】一遍不懂就多刷几遍,第8张
思考题1

思考题2:下面是什么树形,应该如何调整

【算法训练营学习笔记-Week06】一遍不懂就多刷几遍,第9张
思考题2

红黑树: 近似平衡二叉树

面试要点:高度差2倍,红黑树的五点性质

保证任何一个节点的左右子树高度差小于两倍(例如,左边是5,右边可以是10,或者2.5 )即

  • 每个节点要么是红色,要么是黑色
  • 根节点是黑色
  • 每个叶节点(NIL节点,空节点)是黑色
  • (关键)不能有相邻的两个红色节点
  • (关键)从任一节点到其中每个叶子的所有路径都包括相同数目的黑色节点
【算法训练营学习笔记-Week06】一遍不懂就多刷几遍,第10张
红黑树

面试关键知识点

  1. AVL树比红黑树查找速度快(因为完全平衡)
  2. 红黑树比AVL树更快的插入和删除(因为近似平衡)
  3. AVL存放平衡因子(或高度信息),要求的一个整型,而红黑树只需要一个1bit存放红黑信息
  4. 红黑树应用于C++的map, multimap, multiset, 而AVL树用于数据库(对查询要求较高)

https://www.xamrdz.com/backend/32w1886159.html

相关文章: