第五章双链表

原文：Chapter 5 Doubly-linked list

译者：飞龙

协议：CC BY-NC-SA 4.0

自豪地采用谷歌翻译

本章回顾了上一个练习的结果，并介绍了List接口的另一个实现，即双链表。

5.1 性能分析结果

在之前的练习中，我们使用了Profiler.java，运行ArrayList和LinkedList的各种操作，它们具有一系列的问题规模。我们将运行时间与问题规模绘制在重对数比例尺上，并估计所得曲线的斜率，它表示运行时间和问题规模之间的关系的主要指数。

例如，当我们使用add方法将元素添加到ArrayList的末尾，我们发现，执行n次添加的总时间正比于n。也就是说，估计的斜率接近1。我们得出结论，执行n次添加是 O(n)的，所以平均来说，单个添加的时间是常数时间，或者O(1)，基于算法分析，这是我们的预期。

这个练习要求你填充profileArrayListAddBeginning的主体，它测试了，在ArrayList头部添加一个新的元素的性能。根据我们的分析，我们预计每个添加都是线性的，因为它必须将其他元素向右移动；所以我们预计，n次添加是平方复杂度。

这是一个解决方案，你可以在仓库的solution目录中找到它。

public static void profileArrayListAddBeginning() {Timeable timeable = new Timeable() {List<String> list;public void setup(int n) {list = new ArrayList<String>();}public void timeMe(int n) {for (int i=0; i<n; i++) {list.add(0, "a string");}}};int startN = 4000;int endMillis = 10000;runProfiler("ArrayList add beginning", timeable, startN, endMillis);
}

这个方法几乎和profileArrayListAddEnd相同。唯一的区别在于timeMe，它使用add的双参数版本，将新元素置于下标0处。同样，我们增加了endMillis，来获取一个额外的数据点。

以下是时间结果（左侧是问题规模，右侧是运行时间，单位为毫秒）：

4000, 14
8000, 35
16000, 150
32000, 604
64000, 2518
128000, 11555

图 5.1 展示了运行时间和问题规模的图形。

图 5.1：分析结果：在ArrayList开头添加n个元素的运行时间和问题规模

请记住，该图上的直线并不意味着该算法是线性的。相反，如果对于任何指数k，运行时间与n ** k成正比，我们预计会看到斜率为k的直线。在这种情况下，我们预计，n次添加的总时间与n ** 2成正比，所以我们预计会有一条斜率为2的直线。实际上，估计的斜率是1.992，非常接近。恐怕假数据才能做得这么好。

5.2 分析`LinkedList`方法的性能

在以前的练习中，你还分析了，在LinkedList头部添加新元素的性能。根据我们的分析，我们预计每个add都要花时间，因为在一个链表中，我们不必转移现有元素；我们可以在头部添加一个新节点。所以我们预计n次添加的总时间是线性的。

这是一个解决方案：

public static void profileLinkedListAddBeginning() {Timeable timeable = new Timeable() {List<String> list;public void setup(int n) {list = new LinkedList<String>();}public void timeMe(int n) {for (int i=0; i<n; i++) {list.add(0, "a string");}}};int startN = 128000;int endMillis = 2000;runProfiler("LinkedList add beginning", timeable, startN, endMillis);
}

我们只做了一些修改，将ArrayList替换为LinkedList并调整startN和endMillis，来获得良好的数据范围。测量结果比上一批数据更加嘈杂；结果如下：

128000, 16
256000, 19
512000, 28
1024000, 77
2048000, 330
4096000, 892
8192000, 1047
16384000, 4755

图 5.2 展示了这些结果的图形。

图 5.2：分析结果：在LinkedList开头添加n个元素的运行时间和问题规模

并不是一条很直的线，斜率也不是正好是1，最小二乘拟合的斜率是1.23。但是结果表示，n次添加的总时间至少近似于O(n)，所以每次添加都是常数时间。

5.3 `LinkedList`的尾部添加

在开头添加元素是一种操作，我们期望LinkedList的速度快于ArrayList。但是为了在末尾添加元素，我们预计LinkedList会变慢。在我的实现中，我们必须遍历整个列表来添加一个元素到最后，它是线性的。所以我们预计n次添加的总时间是二次的。

但是不是这样。以下是代码：

public static void profileLinkedListAddEnd() {Timeable timeable = new Timeable() {List<String> list;public void setup(int n) {list = new LinkedList<String>();}public void timeMe(int n) {for (int i=0; i<n; i++) {list.add("a string");}}};int startN = 64000;int endMillis = 1000;runProfiler("LinkedList add end", timeable, startN, endMillis);
}

这里是结果：

64000, 9
128000, 9
256000, 21
512000, 24
1024000, 78
2048000, 235
4096000, 851
8192000, 950
16384000, 6160

图 5.3 展示了这些结果的图形。

图 5.2：分析结果：在LinkedList末尾添加n个元素的运行时间和问题规模

同样，测量值很嘈杂，线不完全是直的，但估计的斜率为1.19，接近于在头部添加元素，而并不非常接近2，这是我们根据分析的预期。事实上，它接近1，这表明在尾部添加元素是常数元素。这是怎么回事？

5.4 双链表

我的链表实现MyLinkedList，使用单链表；也就是说，每个元素都包含下一个元素的链接，并且MyArrayList对象本身具有第一个节点的链接。

但是，如果你阅读LinkedList的文档，网址为 http://thinkdast.com/linked，它说：

List和Deque接口的双链表实现。[…] 所有的操作都能像双向列表那样执行。索引该列表中的操作将从头或者尾遍历列表，使用更接近指定索引的那个。

如果你不熟悉双链表，你可以在 http://thinkdast.com/doublelist 上相关信息，但简称为：

每个节点包含下一个节点的链接和上一个节点的链接。
LinkedList对象包含指向列表的第一个和最后一个元素的链接。

所以我们可以从列表的任意一端开始，并以任意方向遍历它。因此，我们可以在常数时间内，在列表的头部和末尾添加和删除元素！

下表总结了ArrayList，MyLinkedList（单链表）和LinkedList（双链表）的预期性能：

`MyArrayList`	`MyLinkedList`	`LinkedList`
`add`（尾部）	1	n
`add`（头部）	n	1
`add`（一般）	n	n
`get`/`set`	1	n
`indexOf`/ `lastIndexOf`	n	n
`isEmpty`/`size`	1	1
`remove`（尾部）	1	n
`remove`（头部）	n	1
`remove`（一般）	n	n

5.5 结构的选择

对于头部插入和删除，双链表的实现优于ArrayList。对于尾部插入和删除，都是一样好。所以，ArrayList唯一优势是get和set，链表中它需要线性时间，即使是双链表。

如果你知道，你的应用程序的运行时间取决于get和set元素的所需时间，则ArrayList可能是更好的选择。如果运行时间取决于在开头或者末尾附加添加和删除元素，LinkedList可能会更好。

但请记住，这些建议是基于大型问题的增长级别。还有其他因素要考虑：

如果这些操作不占用你应用的大部分运行时间 - 也就是说，如果你的应用程序花费大部分时间来执行其他操作 - 那么你对List实现的选择并不重要。
如果你正在处理的列表不是很大，你可能无法获得期望的性能。对于小型问题，二次算法可能比线性算法更快，或者线性可能比常数时间更快。而对于小型问题，差异可能并不重要。
另外，别忘了空间。到目前为止，我们专注于运行时间，但不同的实现需要不同的空间。在ArrayList中，这些元素并排存储在单个内存块中，所以浪费的空间很少，并且计算机硬件通常在连续的块上更快。在链表中，每个元素需要一个节点，带有一个或两个链接。链接占用空间（有时甚至超过数据！），并且节点分散在内存中，硬件效率可能不高。

总而言之，算法分析为数据结构的选择提供了一些指南，但只有：

你的应用的运行时间很重要，
你的应用的运行时间取决于你选择的数据结构，以及，
问题的规模足够大，增长级别实际上预测了哪个数据结构更好。

作为一名软件工程师，在较长的职业生涯中，你几乎不必考虑这种情况。

数据结构思维第五章双链表相关推荐

数据结构习题第五章多维数组和广义表（C语言描述）
最近在复习数据结构,所以想把平时上课做的习题做个总结,如果大家有遇到这方面的问题就可以参考一下了,废话不多说,直接开始吧. 1.单选题稀疏矩阵一般的压缩存储方法有两种,即( D) A. 二维数组和三 ...
广工 AnyviewC 数据结构习题第五章
广工 AnyviewC 数据结构习题第五章广工 AnyviewC 数据结构习题第五章 1[题目]试编写如下定义的递归函数的递归算法: 2[题目]试写出求递归函数F(n)的递归算法: 3[题目]求 ...
【算法基础】数据结构导论第五章-图.pptx
上课的课件分享,适合教学用. 文末提供下载已发布: 数据结构导论第一章-绪论数据结构导论第二章-线性表数据结构导论第三章-栈.队列和数组数据结构导论第四章-树本文参考百度文库的多篇文章. 如 ...
java中的列表栈链表_Java数据结构(栈，队列，双链表)
(1)栈package ChapterOne; public class Stack { //栈数组 long stackArr[]; //栈的大小 int maxSize; //栈的顶部 int t ...
数据结构 2-3-2 线性表的双链表实现
一.概念单链表实现线性表时,在增删节点时的确很方便,但是在访问某个节点的前驱节点时,由于其内部只有从前驱指向后继的指针,所以在这种情况下只能从头遍历.为了解决这个问题,引入了双链表,即在每个节点中, ...
数据结构与算法完整版双链表
上一篇单链表博主已经讲的很详细了,相信掌握单链表的朋友搞定双链表并不困难,所以博主就之给出代码了,如果实在感觉理解困难可以留言,博主会加gif的 #include<stdio.h> #in ...
数据结构思维第三章 `ArrayList`
第三章 ArrayList 原文:Chapter 3 ArrayList 译者:飞龙协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译本章一举两得:我展示了上一个练习的解法,并展示了一种使用 ...
数据结构思维第六章树的遍历
第六章树的遍历原文:Chapter 6 Tree traversal 译者:飞龙协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译本章将介绍一个 Web 搜索引擎,我们将在本书其余部分开 ...
数据结构思维第十一章 `HashMap`
第十一章 HashMap 原文:Chapter 11 HashMap 译者:飞龙协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译上一章中,我们写了一个使用哈希的Map接口的实现.我们期望这 ...

数据结构思维第五章双链表

第五章双链表

5.1 性能分析结果

5.2 分析`LinkedList`方法的性能

5.3 `LinkedList`的尾部添加

5.4 双链表

5.5 结构的选择

数据结构思维第五章双链表相关推荐

最新文章

热门文章

数据结构思维 第五章 双链表

第五章 双链表

5.1 性能分析结果

5.2 分析LinkedList方法的性能

5.3 LinkedList的尾部添加

5.4 双链表

5.5 结构的选择

数据结构思维 第五章 双链表相关推荐

最新文章

热门文章

数据结构思维第五章双链表

第五章双链表

5.2 分析`LinkedList`方法的性能

5.3 `LinkedList`的尾部添加

数据结构思维第五章双链表相关推荐