摘要：本文介绍了哈夫曼树和哈夫曼编码的核心概念。哈夫曼树通过每次合并两个最小权值节点来构造，确保带权路径长度最短。哈夫曼编码分为固定长度编码、可变长编码和前缀编码，其中前缀编码要求无编码是其他编码的前缀。哈夫曼树的WPL是唯一的。文章还简要提及并查集，用双亲表示法表示集合，但考察概率较低。

首先，虽然大家很爱用【int数组】，但是顺序表408要求就是写成【结构体】，然后在【结构体里面】设置一个【数组】，那没招了，背这个套路就完事了呗【定义一个结构体】【初始化值】一般情况我们更喜欢用typedef把麻烦的【struct 结构体类型名】换成简单的【结构体类型名】，那就如下：这样换完，我们以后初始化创建变量时也可以简写了小练一题。

本文系统梳理了二叉排序树（BST）和平衡二叉树的核心知识点。二叉排序树满足左<根<右的性质，中序遍历为升序，其查找效率与树高相关，最坏情况退化为链表（O(n)）。BST的删除操作需分类处理叶子节点、单子树节点和双子树节点（需找前驱/后继替换）。平衡二叉树是BST的特殊形式，通过平衡因子（|高度差|≤1）保证效率，插入/删除时通过LL/RR/LR/RL四种旋转调整（单旋或双旋）。特别强调

红黑树是对平衡二叉树的优化，在保持查找效率的同时简化了插入和删除操作。红黑树通过五个核心规则（根叶黑、不红红、黑路同等）确保树结构相对平衡，其最长路径不超过最短路径的2倍。相比平衡二叉树，红黑树牺牲了严格的平衡性，换来了更高的插入和删除效率，而查找时间复杂度仍为O(log n)。红黑树的高度上限为2log₂(n+1)，适用于频繁修改的场景，如Java的TreeMap实现。

本文系统梳理了数据结构中的查找算法，主要包括顺序查找、折半查找和分块查找三大类。顺序查找通过遍历实现，设置哨兵可优化性能；折半查找基于有序顺序表，利用二分法快速定位，其判定树具有平衡二叉树特性；分块查找结合顺序和索引结构，通过建立索引表提高效率。文章详细分析了各种算法的评估指标（ASL）、时间复杂度及适用场景，并给出数学证明和实例说明。重点比较了不同算法的优劣，指出折半查找时间复杂度为O(log₂

本文系统总结了图论中的三种重要应用问题：1. 最小生成树（Prim和Kruskal算法）：关注整体权值最小，用于解决如铁路网建设等总成本最低问题。Prim算法通过逐步扩展点集实现，时间复杂度O(n²)；Kruskal算法通过选边合并实现，时间复杂度O(e*log₂e)。两种算法结果可能不同，但都不允许形成环路。2. 最短路径问题：包含单源（Dijkstra算法）和多源（Floyd算法）最短路径。D

本文摘要（150字）： 本文系统梳理了图的遍历与应用算法要点。图的遍历部分详解DFS（递归栈实现，时空复杂度随存储结构变化）和BFS（队列实现）的核心步骤与差异，强调访问标记与生成树概念。应用算法包括：1）最小生成树的Prim（贪心选点）和Kruskal（并查集合并边）算法；2）单源最短路径的BFS（无权图）和Dijkstra（带权图，需避免负权）算法；3）多源最短路径的Floyd算法。特别指出D

图的存储方式主要有邻接矩阵、邻接表、十字链表和邻接多重表四种。邻接矩阵适用于有向图和无向图，空间复杂度高（O(n²)），适合稠密图；邻接表同样适用于有向图和无向图，空间复杂度较低（无向图O(|V|+2|E|)，有向图O(|V|+|E|)），适合稀疏图。十字链表仅适用于有向图，邻接多重表仅适用于无向图。邻接矩阵表示形式唯一，邻接表表示形式不唯一。查询顶点度时，邻接矩阵时间复杂度为O(n)，邻接表出度

例题8：一定要做多几次！超级超级超级容易错！【前 j-1 列的总数】把等差数列求和：(j-1)(2n - j + 2) / 2。记得上面公式求得是【是数组里第几个元素空间】，如果【求下标】还得【-1】例题4：变条件换成【对称压缩矩阵】，存下三角（i >= j）【上三角按 “行” 优先】=【下三角按 “列” 优先】例题1：注意这个矩阵的下标也是从0开始的！【这列第 i 个元素】-【这列首元素】+【1

摘要：本文介绍了树的三种存储结构（双亲表示法、孩子表示法、孩子兄弟表示法）及其特点，重点分析了各种方法的查找效率。双亲表示法便于找父节点但找孩子需遍历；孩子表示法便于找孩子但找父节点需遍历；孩子兄弟表示法通过左孩子右兄弟的指针实现树到二叉树的转换。同时阐述了树、森林与二叉树的相互转换方法，以及树和森林的遍历方式（先根、后根、层次遍历等），指出这些遍历与二叉树遍历的对应关系。