指向常量的指针与指针常量
好久没有更新博客了，与最近考试多有关，也与个人怠惰有关 今天的内容是指向常量的指针（pointer to const）（也就是常量指针）与指针常量（const pointer），这是昨天在阅读《c++ primer》中重新理解的内容，有了些许新的感悟，趁热打铁，发在博客上 在讲那两个之前，先说一下const与对常量的引用（reference to const）const修饰词使用const修饰词修饰的变量，即常量，是必须初始化的，且初始化后不能修改其值 初始化时除了用如下方法 1const int a=1; 同样可以用非常量但同类型的值进行赋值（拷贝） 123int a=1;const int b=a;a=b; const修饰的对象在编译时直接替换，类似define，即提前将所有出现其的位置替换成对应的数值，不申请额外空间 以下场景除外(都要等具体的值才能初始化) 12const int a =fun();const int &b=c; 同时const对象仅在文件内部有效，要实现在一个文件中定义，在多个文件中声明并使用，要用extern...
前缀表与KMP算法
KMP（Knuth-Morris-Pratt）算法是一种用于字符串匹配的高效算法，它能够在文本串中查找模式串出现的位置。KMP算法的核心在于避免重复比较字符，从而提高匹配效率。 KMP算法的基本思路 预处理模式串：通过构建一个“部分匹配表”（或称为“失配表”），在模式串中记录每个位置的最长可匹配前缀长度。 匹配过程：利用部分匹配表，在匹配失败时，根据前缀信息跳过不必要的比较，从而加速匹配过程。 部分匹配表（LPS数组）LPS（Longest Prefix Suffix）数组用于存储模式串的每个前缀的最长相等前后缀的长度。具体构建方式如下： **LPS[i]**：表示模式串的前缀（pattern[0] 到...
leetcode心得
1.对于复杂条件的题，看能不能将条件简化，比如通过排序让题目简单，比如去掉多余空格，让后序算法简化操作 2.双指针对于局部的变化有奇效
平衡二叉树的调整(左旋与右旋)
平衡二叉树平衡二叉树（Balanced Binary Tree）是一种特殊的二叉树，它在结构上保持一定的平衡，以确保在最坏情况下依然具有较好的查找、插入和删除性能。 平衡二叉树的定义平衡的具体定义可以根据不同类型的平衡树略有不同。一般来说，一个二叉树是平衡的，当其任意节点的左右子树高度差的绝对值不超过某个特定值（通常是1）时。 常见类型的平衡二叉树 AVL树： 每个节点的左右子树高度差（平衡因子）只允许为 -1、0 或...
单源最短路径问题与Dijkstra算法
单源最短路径问题（Single Source Shortest Path, SSSP）是图论中的一个经典问题。它的目标是在一个加权图中，找到给定的起点（源点）到图中所有其他节点的最短路径。问题定义： 图：图可以是有向图或无向图，通常包含若干个节点和边，每条边都有一个非负权重（即从一个节点到另一个节点的代价或距离）。 起点（源点）：单源最短路径问题会指定一个起始节点，称为源节点，问题要求从这个源节点出发，计算它到图中其他所有节点的最短路径。 最短路径：最短路径是指从源节点到目标节点经过的路径中，总边权重之和最小的路径。 具体目标：对于给定的源节点s，你需要找到从s到每个其他节点v的最短路径长度，并且路径上的权重和最小。 常见的算法： Dijkstra算法： 解决边权非负的单源最短路径问题，时间复杂度为$O((V + E) \log V)$，适合稀疏图。 Bellman-Ford算法： 可以处理负权边的情况，且能够检测负权环，时间复杂度为$O(V \times...
kahn算法实现拓扑排序
1. 拓扑排序（Topological Sorting）是什么？拓扑排序是一种用于 有向无环图（DAG, Directed Acyclic Graph） 的节点排序算法。它的目标是将图中的所有节点排成一个 线性序列，使得对于图中每一条从节点 u 到节点 v 的有向边 u -> v，在排序中节点 u 都排在节点 v 的前面。 简单来说，如果图中有一条边 u -> v，那么在拓扑排序中，节点 u 必须排在节点 v 的前面。这个排序是图中所有节点的线性排列，并且保证了这种有向依赖关系。 2. 拓扑序列是什么？拓扑序列是拓扑排序的结果，即节点的一个线性排列，满足上述的依赖关系。对于给定的有向无环图，可能存在多个不同的拓扑序列，只要它们满足图中所有边的依赖关系。 3....
最小生成树:Prim 算法和Kruskal 算法
在 C++ 中，实现最小生成树（MST）的常用算法有两种：Prim 算法和Kruskal 算法。这两种算法适用于加权无向图，用于寻找包含所有顶点的边的集合，使得边的总权重最小，且没有环路。 1. Prim 算法Prim 算法通过贪心策略来构建 MST，从任意起始顶点开始，每次选择权重最小的边扩展 MST。 实现步骤 初始化一个集合 MST，包含图中的任意一个顶点。 找到从集合 MST 到剩余顶点中权重最小的边，并将该边加入 MST。 重复步骤 2，直到所有顶点都包含在 MST 中。 C++ 实现示例（使用优先队列）123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475#include <iostream>#include <vector>#include <queue>#include...
邻接表，邻接矩阵和十字链表
1. 邻接表的实现邻接表使用一个数组或 vector 来存储每个顶点的边列表。每个顶点的边列表存储在一个链表或 vector 中。 12345678910111213141516171819202122232425262728293031323334353637383940414243#include <iostream>#include <vector>using namespace std;class Graph { int V; // 顶点数量 vector<vector<int>> adj; // 邻接表public: Graph(int V) { this->V = V; adj.resize(V); } void addEdge(int u, int v) { adj[u].push_back(v); } void printGraph() { for...
DFS，BFS遍历非联通图
123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960#include <iostream>#include <unordered_map>#include <unordered_set>#include <vector>using namespace std;// 深度优先搜索函数 (DFS)// 从当前节点 `node` 开始访问，并递归访问其所有相邻的未访问节点void DFS(char node, unordered_map<char, vector<char>>& graph, unordered_set<char>& visited) { // 标记当前节点为已访问 visited.insert(node); // 输出当前节点（此处可以进行自定义的处理，像打印或其他操作） ...
赫夫曼树与赫夫曼编码
1. 哈夫曼树（Huffman Tree）：定义：哈夫曼树是一种带权路径长度最短的二叉树，通常用于数据压缩。 它的“最优”体现在权重大的节点离根节点更近，从而使加权路径长度最小。构造过程：哈夫曼树的构建基于贪心算法，步骤如下： 将给定的所有权值看作是森林中的单节点树。 每次选择两个权值最小的节点进行合并，构成一个新的父节点，其权值为两个子节点的权值之和。 重复上述过程，直到所有节点合并成一棵二叉树。 应用： 数据压缩：哈夫曼树用于哈夫曼编码，它通过为高频率字符分配较短的编码，低频率字符分配较长的编码，达到压缩数据的目的。 例子：假设我们有字符集和对应的权值（频率）如下： 字符 频率 A 5 B 9 C 12 D 13 E 16 F 45 构建哈夫曼树的过程如下： 选择频率最小的 A(5) 和 B(9)，合并为一个新节点，权值为 14。 再选择 C(12) 和 D(13) 合并，权值为 25。 合并 14 和 E(16)，权值为 30。 合并 25 和 F(45)，权值为 70。 最后合并 30 和...
