45、数据结构与稀疏矩阵操作基础

数据结构与稀疏矩阵操作基础

1. 二叉搜索树

不同的二叉搜索树（Binary Search Tree, BST）可以关联同一组元素。例如，图中展示的两个 BST 与另一个 BST 具有相同的元素集，但形态有所不同。其中一个看起来更“伸展”，另一个则更“紧凑”，这是因为它们的高度不同。

节点的高度定义为该节点到树的根节点的唯一路径的长度。而二叉搜索树的高度是其所有节点高度的最大值。搜索元素所需的时间与树的高度相关， bfs_search() 函数的时间复杂度为 $O(h)$，其中 $h$ 是二叉搜索树的高度。

如果二叉搜索树的高度为 $O(log N)$（$N$ 是 BST 中的元素数量），则称该树是平衡的。在平衡的二叉搜索树中，访问、插入、删除和搜索操作的平均时间复杂度为 $O(log N)$。平衡的二叉搜索树适合存储需要频繁访问和更新的数据，并且在许多图算法中都有应用。

2. 二叉堆

在很多应用中，需要找出集合中的最大或最小元素。例如，在 Dijkstra 算法中，计算加权图中的最短路径时，每一步都需要从未访问的节点中选择距离源节点最近的节点。

如果将未访问节点列表存储在数组中，每次查找最小距离元素都需要扫描整个数组，时间复杂度为 $O(N)$。若将数组按距离升序排序，虽然可以直接获取最小距离元素，但每次更新节点距离后都需要重新排序，时间复杂度为 $O(N log N)$，比未排序数组的线性搜索更差。

此时，可以使用二叉堆（Binary Heap）。二叉堆是一种数据结构，它保证以 $O(1)$ 的时间复杂度访问和提取集合中的最小（或最大）元素，并需要 $O(log