1.向量

[TOC]

写在前面

本篇文章整理《数据结构(C++语言版)》关于向量这种线性结构知识点。
整个数据结构部分章节列表如下:
1 向量
-- 1.1 遍历
-- 1.2 唯一化
-- 1.3 查找
2 列表
-- 2.1 列表节点
---- 2.1.1前插入算法
-- 2.2 列表模板类
---- 2.2.1 列表初始化
3 栈
-- 3.1 栈应用
---- 3.1.1 括号匹配
---- 3.1.2 栈混洗甄别
---- 3.1.3 中缀表达式
4 队列

0 线性表

线性表是最基本、最简单、也是最常用的一种数据结构。线性表中数据元素之间的关系是一对一的关系,即除了第一个和最后一个数据元素之外,其它数据元素都是首尾相接的。
线性表有两种存储方式,一种是顺序存储结构,另一种是链式存储结构。即,一种是物理地址与逻辑地址均连续,另一种是只有逻辑地址连续

1.向量_第1张图片
线性表两种形式

1 向量

向量结构是一种顺序存储结构,即其物理地址与逻辑地址均连续(数组array是一种无序向量实例)。
向量可以通过寻秩访问进行快速定位向量中某一元素,与此同时,由于其物理地址连续性,向量在删减或添加某个元素时,需对被修改位置之后的所有元素依次向前(后)移动,以保证其物理地址连续性。

1.向量_第2张图片
向量添加元素示例

1.1 遍历

对向量中所有元素实施某种统一操作。
具体有两种采用方式,前一种是借助函数指针*visit()指定某一函数;后者 借助函数对象机制,通过将操作符"()"重载后,使其调用方式可以如同函数一样。

template
void Vector::traverse(void (*visit) (T&) ) {  //借助函数指针
    for(int i = 0; i < _size; i++){
    //函数指针调用可以为visit(),也可使用(*visit)(),但前者更合适
        visit( _elem[i]);  
    }
}

template template
void Vector::traverse(VST& visit ) {  //借助函数对象
    for(int i = 0; i < _size; i++){
    //函数指针调用可以为visit(),也可使用(*visit)(),但前者更合适
    visit( _elem[i]);  
    }
}

实例

template  struct Increase{  //函数对象
    virtual void operator() (T& e) {e++;}
}

template  
void Vector::increase( Vector& V) {
    V.traverse( Increase() );
}

1.2 唯一化

无序向量
算法:从第二个元素开始,在其前缀中查找相同元素,若存在雷同者,删除当前(最后一个相同元素)。这种算法下,每次最多只有一个相同元素需要去除

template 
int Vector::deduplicate(){
    int oldSize = _size;  //记录原始长度
    Rank i = 1;
    while(i < _size){
        (find(_elem[i], 0, i) ) < 0 ?  //查找当前元素前缀中是否有雷同
        i++ : remove( i );
    }
    return oldSize - _size;
}

有序向量
算法:对于有序向量,相同元素彼此相邻。设置入选元素_elem[i]与待入选元素_elem[j],比较二者,相同则忽略,不同则将j对应元素赋值i的后继,以此类推。

1.向量_第3张图片
有序向量唯一化算法示意图

template 
int Vector::uniquify() {  //有序向量去重
    Rank i = 0, j = 1;
    while(j<_size){
        (_elem[i] == _elem[j]) ? j++ : _elem[++i] = _elem[j];
    }
    ++i = _size;
    shrink();  //截除多余元素
    return j - i;
}

1.3 查找

无序向量
算法:从后往前,找到该元素对应秩最大者。
代码:略。
有序向量
对有序向量而言,通常采用减而治之的策略。即将所查找的区间分段,分别核实待查元素是落入左区间还是右区间亦或是中点位置,再反复迭代。
为了优化算法。一种方法是增加代价小的一方深度,即将区间点不再设置为中点,转而设置Fibonacci节点,使得左区间包含元素更多(代价小);另一种方法,即将中转点包含入右区间中,使得左右区间代价相等(都只需经过一次判断)。

1.向量_第4张图片
减而治之

算法:
待续....

你可能感兴趣的:(1.向量)