数据结构与算法-内容介绍与概述

简介: 数据结构与算法-内容介绍与概述
话不多说,懂得都懂,不想被时代遗忘?不想一再错过机会,算法还不会?两个月后你会感谢现在的选择,跟着博主一起学算法吧。

在这里插入图片描述


一、 数据结构和算法内容介绍

1. 字符串匹配问题

最快的速度进行匹配
str=”查德常你好查德你常查德你好”
str= “查德你常查德”
如果让你做,你是不是会用

  • 暴力匹配法

但是如果你会算法你会用

  • KMP 部分匹配表

2. 汉诺塔游戏

在这里插入图片描述

将A 塔的所有圆盘移动到 C 塔,小圆盘上不能放大圆盘,在三根柱子之间一次只能移动一个圆盘
如果你会算法,你用以下算法会很好解决

  • 分治算法

3. 八皇后问题

在这里插入图片描述

古老而著名的问题

8*8的棋盘上摆放八个皇后,使其不能互相攻击,即:任意两个皇后不能再同一行,同一列或者统一斜线上,问有多少种摆法

如果你会算法,你用以下算法会很好解决

  • 回溯算法

4. 马踏棋盘算法也称骑士周游问题

在这里插入图片描述

国际象棋8*8的棋盘,马按照日字走,每个方格只走一次,走遍整个棋盘的方格
如果你会算法,你用以下算法会很好解决

  1. 深度优化遍历算法(DFS)+贪心算法优化
  2. 算法是程序的灵魂,优秀的程序在海量数据计算时,依然保持告诉计算。
  3. 一般情况下内存计算框架(Spark)和缓存技术(比如Rides)来优化程序,思考一下,计算框架和缓存技术,他的核心也是算法。
  4. 数据结构和算法是公司筛选人才的依据。 程序员门槛越来越高了,不学算法会落伍。

二、数据结构和算法的概述

数据结构是一门研究研究组织数据方式的学科,有了编程语言就有了算法。 数据结构是算法的基础。 程序 = 数据结构 + 算法

实际编程中遇到的问题

1. 五子棋替换问题

在这里插入图片描述

如何判断游戏的输赢,并可以完成存盘推出和继续上局的功能
1)棋盘 二维数组=》(稀疏数组)=》写入文件【存档】
2)读取文件=》稀疏数组=》二维数组=》棋盘【接上局】

数据结构包括:线性结构+非线性结构
线性结构:
在这里插入图片描述

存储元素是连续的指的是地址是连续的。

非线性结构:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

2. 应用场景

从 6 * 7 = 42 个数据
转换为稀疏数组变为 9 * 3 = 27 个数据
起到了使原始数组变小的作用。

3. 应用实例(重点)

在这里插入图片描述

1)使用稀疏数组,来保留类似前面的二维数组(棋盘)
2)把稀疏数组存盘,并可以重新回复原来的二维数组
3)整体思路分析

转为稀疏数组的思路
1.遍历原始的二维数组,得到有效数据的个数sum
2.根据个数就可以创建稀疏数组的spareArr intsum+1
3.将二维数组的有效数据存入到稀疏数组中

恢复的思路
1.先读取第一行根据第一行的数据创建原始的二维数组chessArr2=int11
2.再其他数据赋值给原始的二维数组即可

代码实现:
创建原始的棋盘,二维数组

public class sparseArr {
    public static void main(String[] args) {
        int chessArr1[][] = new int[11][11];
        chessArr1[1][2] = 1;
        chessArr1[2][3] = 2;
        System.out.println("原始的二维数组");
        for (int[] row: chessArr1) {
            for (int data: row) {
                System.out.printf("%d\t",data);
            }
            System.out.println();
        }
    }
}

结果:
在这里插入图片描述

求sum,一共有多少非零个数

int sum = 0;
for (int i = 0; i < chessArr1.length; i++){
    for (int j = 0; j < chessArr1.length; j++) {
        if(chessArr1[i][j]!=0){sum++;}
    }
}
System.out.println(sum);

得出结果2

创建稀疏数组并赋值

int sparseArr[][] = new int[sum+1][3];
//给稀疏数组赋值
sparseArr[0][0] = 11;
sparseArr[0][1] = 11;
sparseArr[0][2] = sum;

int count = 0;
for (int i = 0; i < chessArr1.length; i++){
    for (int j = 0; j < chessArr1.length; j++) {
        if(chessArr1[i][j]!=0){
            count++;
            sparseArr[count][0] = i;
            sparseArr[count][1] = j;
            sparseArr[count][2] = chessArr1[i][j];
        }
    }
}

for(int[] row: sparseArr){
    for (int data : row){
        System.out.printf("%d\t",data);
    }
    System.out.println();
}

得到稀疏数组
在这里插入图片描述

将稀疏数组恢复成原始的数组(棋盘)

重新创建二维数组(棋盘)chessArr2

int[][] chessArr2 = new int[sparseArr[0][0]][sparseArr[0][1]];
int rowNum = 0;
//已知稀疏数组有3列
for (int[] row: sparseArr) {
    rowNum++;
}
for(int i = 1; i < rowNum; i++){
    chessArr2[sparseArr[i][0]][sparseArr[i][1]]=sparseArr[i][2];
}

for (int[] row: chessArr2){
    for (int data: row){
        System.out.printf("%d\t",data);
    }
    System.out.println();
}

运行结果
在这里插入图片描述
可以看出二维数组可以极大的节省我们的存储空间

目录
相关文章
|
6月前
|
算法
|
1月前
|
机器学习/深度学习 算法 API
机器学习入门(五):KNN概述 | K 近邻算法 API,K值选择问题
机器学习入门(五):KNN概述 | K 近邻算法 API,K值选择问题
|
1月前
|
存储 分布式计算 算法
大数据-105 Spark GraphX 基本概述 与 架构基础 概念详解 核心数据结构
大数据-105 Spark GraphX 基本概述 与 架构基础 概念详解 核心数据结构
47 0
|
3月前
|
人工智能 自然语言处理 算法
【人工智能】TF-IDF算法概述
TF-IDF算法,全称Term Frequency-Inverse Document Frequency(词频-逆文档频率),是一种在信息检索和文本挖掘领域广泛应用的加权技术。它通过评估一个词语在文档中的重要程度,来挖掘文章中的关键词,进而用于文本分析、搜索引擎优化等场景。其核心思想是:如果某个词或短语在一篇文章中出现的频率高(TF高),且在其他文章中很少出现(IDF也高),则认为这个词或短语具有很好的类别区分能力,适合用来代表这篇文章的内容。 具体而言,TF-IDF由两部分组成,即词频(TF)和逆文档频率(IDF)。词频(TF)指的是某一个给定的词在该文件中出现的频率。这个数值通常会被归一化
45 3
|
3月前
|
机器学习/深度学习 人工智能 算法
【人工智能】传统语音识别算法概述,应用场景,项目实践及案例分析,附带代码示例
传统语音识别算法是将语音信号转化为文本形式的技术,它主要基于模式识别理论和数学统计学方法。以下是传统语音识别算法的基本概述
75 2
|
4月前
|
机器学习/深度学习 人工智能 算法
计算机算法基础概述与常用算法解析
计算机算法基础概述与常用算法解析
|
5月前
|
机器学习/深度学习 人工智能 算法
计算机算法基础概述与常用算法解析
计算机算法基础概述与常用算法解析
|
5月前
|
存储 算法 安全
加密算法概述:分类与常见算法
加密算法概述:分类与常见算法
|
5月前
|
负载均衡 算法 调度
负载均衡算法概述
负载均衡算法概述
|
5月前
|
算法
计算机算法设计与分析 第1章 算法概述 (笔记)
计算机算法设计与分析 第1章 算法概述 (笔记)