使用Swift学习数据结构和算法

stract.png

  • 主要分享最近学习的数据结构和排序算法
  • 文章只涉及每一种数据结构通过代码实现的函数定义
  • 涉及的每一种数据结构或者算法基本都通过代码实现了
  • GitHub代码地址: 数据结构和算法

线性表

linear_list.png

链表

  • 链表是一种链式存储的线性结构, 所有元素的内存地址不一定是连续的
  • 下表是为四种链表和测试项目中对应的类名
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
class List<E: Comparable> {
/**
* 清除所有元素
*/
func clear() {}

/**
* 元素的数量
* @return
*/
func size() -> Int { }

/**
* 是否为空
* @return
*/
func isEmpty() -> Bool { }

/**
* 是否包含某个元素
* @param element
* @return
*/
func contains(_ element: E) -> Bool { }

/**
* 添加元素到尾部
* @param element
*/
func add(_ element: E) {}

/**
* 获取index位置的元素
* @param index
* @return
*/
func get(_ index: Int) -> E? { }

/**
* 替换index位置的元素
* @param index
* @param element
* @return 原来的元素ֵ
*/
func set(by index: Int, element: E) -> E? { }

/**
* 在index位置插入一个元素
* @param index
* @param element
*/
func add(by index: Int, element: E) {}

/**
* 删除index位置的元素
* @param index
* @return
*/
func remove(_ index: Int) -> E? { }

/**
* 查看元素的索引
* @param element
* @return
*/
func indexOf(_ element: E) -> Int { }
}
链表 类名
单向链表 SingleLinkList
双向链表 DoubleLinkList
单向循环链表 CircleSingleLineList
双向循环链表 CircleDoubleLinkList

  • 栈是一种特殊的线性表, 只能在一端进行操作
  • 栈遵循后进先出的原则, Last in First out
  • Statck
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
class Statck<E> {
/// 元素个数
func size() -> Int {}

/// 是否为空
func isEmpty() -> Bool { }

/// 入栈
func push(_ element: E?) {}

/// 出栈
@discardableResult
func pop() -> E? {}

/// 获取栈顶元素
func peek() -> E? {}

/// 清空
func clear() {}
}

队列

  • 队列是一种特殊的线性表, 只能在头尾两端进行操作
  • 队列遵循后进先出的原则(单端队列), First in First out
  • 下表是为队列和测试项目中对应的类名
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
class Queue<E: Comparable> {
/// 元素数量
func size() -> Int {}

/// 是否为空
func isEmpty() -> Bool {}

/// 清除所有元素
func clear() {}

/// 入队
func enQueue(_ element: E?) {}

/// 出队
func deQueue() -> E? {}

/// 获取队列的头元素
func front() -> E? {}

func string() -> String {}
}
队列 类名
单端队列 SingleQueue
双端队列 SingleDeque
单端循环队列 CircleQueue
双端循环队列 CircleDeque

哈希表

  • 哈希表也称之为散列表, 童年各国数组存储(非单纯的数组)
  • 利用哈希函数生成key对应的index值为数组索引存储value值
  • 两个不同的key值通过哈希函数可能得到相同的索引, 即哈希冲突
  • 解决哈希冲突的常见方法
    • 开放定址法: 按照一定规则向其他地址探测, 知道遇到空桶
    • 再哈希法: 设计多个复杂的哈希函数
    • 链地址法: 通过链表将同一index索引的与元素串起来, 测试项目中使用的这种方式
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
class Map<K: Hashable, V: Comparable> {
/// 元素数量
func count() -> Int {}

/// 是否为空
func isEmpty() -> Bool {}

/// 清除所有元素
func clear() {}

/// 添加元素
@discardableResult
func put(key: K?, val: V?) -> V? {}

/// 删除元素
@discardableResult
func remove(key: K) -> V? {}

/// 根据元素查询value
func get(key: K) -> V? {}

/// 是否包含Key
func containsKey(key: K) -> Bool {}

/// 是否包含Value
func containsValue(val: V) -> Bool {}

/// 所有key
func keys() -> [K] {}

/// 所有value
func values() -> [V] {}

/// 遍历
func traversal(visitor: ((K?, V?) -> ())) {}
}

二叉树

  • 二叉树是n(n>=0)个结点的有限集合,该集合或者为空集(称为空二叉树),或者由一个根结点和两棵互不相交的、分别称为根结点的左子树和右子树组成
二叉树 类名
二叉树 BinaryTree
二叉搜索树 BinarySearchTree

AVL树和红黑树是两种平衡二叉搜索树

平衡二叉搜索树 类名
二叉平衡树 BinaryBalanceTree
二叉平衡搜索树 BinaryBalanceSearchTree
红黑树 RedBlackTree

集合

测试项目中分别用链表, 红黑树, 哈希表实现了三种集合

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
class Set<E: Comparable & Hashable> {
/// 元素个数
func size() -> Int {}

/// 是否为空
func isEmpty() -> Bool {}

/// 清除所有元素
func clear() {}

/// 是否包含某元素
func contains(_ val: E) -> Bool {}

/// 添加元素
func add(val: E) {}

/// 删除元素
@discardableResult
func remove(val: E) -> E? {}

/// 获取所有元素
func lists() -> [E] {}
}
集合 类名
双向链表集合 ListSet
红黑树集合 TreeSet
哈希表集合 HashSet

二叉堆

堆是一种树状的数据结构, 二叉堆只是其中一种, 除此之外还有

  • 多叉堆
  • 索引堆
  • 二项堆
  • ….

测试项目中是以二叉堆实现了最大堆和最小堆

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
class AbstractHeap<E: Comparable> {
/// 元素的数量
func count() -> Int {}

/// 是否为空
func isEmpty() -> Bool {}

/// 清空
func clear() { }

/// 添加元素
func add(val: E) { }

/// 添加元素数组
func addAll(vals: [E]) { }

/// 获得堆顶元素
func top() -> E? {}

/// 删除堆顶元素
func remove() -> E? {}

/// 删除堆顶元素的同时插入一个新元素
func replace(val: E) -> E? {}
}
二叉堆 类名
二叉堆 BinaryHeap
最大堆 MinHeap
最小堆 MaxHeap

并查集

  • 并查集也叫不相交集合, 有查找和合并两个核心操作
  • 查找: 查找元素所在的集
  • 合并: 将两个元素所在的集合并为一个集
1
2
3
4
5
6
7
8
9
10
class UnionFind {
/// 查找V所属的集合(根节点)
func find(v: Int) -> Int {}

/// 合并v1, v2所在的集合
func union(v1: Int, v2: Int) { }

/// 检查v1, v2是否属于同一个集合
func isSame(v1: Int, v2: Int) -> Bool {}
}
并查集 类名
Quick Find UnionFind_QF
Quick Union UnionFind_QU
QU基于size优化 UnionFind_QU_Size
QU基于size优化 UnionFind_QU_Size
QU基于rank优化 UnionFind_QU_Rank
QU基于rank的优化, 路径压缩 UnionFind_QU_Rank_PC
QU基于rank的优化, 路径分裂 UnionFind_QU_Rank_PS
QU基于rank的优化, 路径减半 UnionFind_QU_Rank_PH
泛型并查集 GenericUnionFind

  • 图由顶点和边组成, 分有向图和无向图 —> ListGraph
  • ListGraph继承自Graph
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
class Graph<V: Comparable & Hashable, E: Comparable & Hashable> {

/// 边的个数
func edgesSize() -> Int {}

/// 顶点个数
func verticesSize() -> Int {}

/// 添加顶点
func addVertex(val: V) {}

/// 添加边
func addEdge(from: V, to: V) {}

/// 添加边(带权重)
func addEdge(from: V, to: V, weight: Double?) {}

/// 删除顶点
func removeVertex(val: V) {}

/// 删除边
func removeEdge(from: V, to: V) {}

/// 广度优先搜索(Breadth First Search)
func breadthFirstSearch(begin: V?, visitor: ((V) -> ())) {}

/// 深度优先搜索(Depth First Search)[非递归]
func depthFirstSearch(begin: V?, visitor: ((V) -> ())) {}

/// 深度优先搜索(Depth First Search)[递归]
func depthFirstSearchCircle(begin: V?, visitor: ((V) -> ())) {}


/*
* 拓扑排序
* AOV网的遍历, 把AOV的所有活动排成一个序列
*/
func topologicalSort() -> [V] {}

/*
* 最小生成树
* 最小权值生成树, 最小支撑树
* 所有生成树中, 权值最小的那颗
* prim算法方式
*/
func mstPrim() -> HashSet<EdgeInfo<V, E>>? {}

/*
* 最小生成树
* 最小权值生成树, 最小支撑树
* 所有生成树中, 权值最小的那颗
* prim算法方式
*/
func mstKruskal() -> HashSet<EdgeInfo<V, E>>? {}

/*
* 有向图
* 从某一点出发的最短路径(权值最小)
* 返回权值
*/
func shortestPath(_ begin: V) -> HashMap<V, Double>? {}

/*
* Dijkstra: 单源最短路径算法,用于计算一个顶点到其他所有顶点的最短路径
* 不支持有负权边
*/
func dijkstraShortPath(_ begin: V) -> HashMap<V, PathInfo<V, E>>? {}

/*
* bellmanFord: 单源最短路径算法,用于计算一个顶点到其他所有顶点的最短路径
* 支持有负权边
* 支持检测是否有负权环
*/
func bellmanFordShortPath(_ begin: V) -> HashMap<V, PathInfo<V, E>>? {}

/*
* Floyd: 多源最短路径算法,用于计算任意两个顶点的最短路径
* 支持有负权边
*/
func floydShortPath() -> HashMap<V, HashMap<V, PathInfo<V, E>>>? {}

/// 输出字符串
func printString() {}
}

排序

排序 类名
冒泡排序 BubbleSorted2
选择排序 SelectedSorted
插入排序 InsertionSorted1
归并排序 MergeSort
希尔排序 ShellSort
快速排序 QuickSorted
堆排序 HeapSorted
计数排序 CountingSorted
基数排序 RadixSorted
桶排序 BucketSorted
1
2
3
4
5
6
7
8
9
/// 快速排序
let arr = [126, 69, 593, 23, 6, 89, 54, 8]
let quick = QuickSorted<Int>()
print(quick.sorted(by: arr))

/// 桶排序
let sort = BucketSorted()
let array = [0.34, 0.47, 0.29, 0.84, 0.45, 0.38, 0.35, 0.76]
print(sort.sorted(by: array))

总结

  • 数据结构部分除了跳表和串其他的基本都实现了
  • 算法部分除了排序, 其他都暂时还没有学习
  • 这部分的学习就暂时告一段落, 接下来我要准备11月份的考试
  • GitHub代码地址: 数据结构和算法