【导语】“啄木鸟都口绝”通过精心收集，向本站投稿了10篇PHP数据结构算法，下面是小编帮大家整理后的PHP数据结构算法，希望对大家有所帮助。
- 目录
篇1：PHP数据结构算法
//--------------------
// 基本数据结构算法
//--------------------
//二分查找（数组里查找某个元素）
function bin_sch($array, $low, $high, $k){
if ($low <= $high){
$mid = intval(($low+$high)/2);
if ($array[$mid] == $k){
return $mid;
}elseif ($k < $array[$mid]){
return bin_sch($array, $low, $mid-1, $k);
}else{
return bin_sch($array, $mid+1, $high, $k);
}
}
return -1;
}
//顺序查找（数组里查找某个元素）
function seq_sch($array, $n, $k){
$array[$n] = $k;
for($i=0; $i<$n; $i++){
if($array[$i]==$k){
break;
}
}
if ($i<$n){
return $i;
}else{
return -1;
}
}
//线性表的删除（数组中实现）
function delete_array_element($array, $i)
{
$len = count($array);
for ($j=$i; $j<$len; $j++){
$array[$j] = $array[$j+1];
}
array_pop($array);
return $array;
}
//冒泡排序（数组排序）
function bubble_sort($array)
{
$count = count($array);
if ($count <= 0) return false;
for($i=0; $i<$count; $i++){
for($j=$count-1; $j>$i; $j--){
if ($array[$j] < $array[$j-1]){
$tmp = $array[$j];
$array[$j] = $array[$j-1];
$array[$j-1] = $tmp;
}
}
}
return $array;
}
//快速排序（数组排序）
function quick_sort($array) {
if (count($array) <= 1) return $array;
$key = $array[0];
$left_arr = array;
$right_arr = array();
for ($i=1; $i if ($array[$i] <= $key) $left_arr[] = $array[$i]; else $right_arr[] = $array[$i]; }
篇2：数据结构和算法1
1.数据结构
数据结构是指相互之间具有（存在）一定联系（关系）的数据元素的集合，元素之间的互相联系称为逻辑结构。数据元素的逻辑结构基本类型有四种：
集合：结构中的数据元素除了“同属于一个集合”外，没有其他关系。
线性结构：结构中的数据元素之间存在着一对一的关系
树型结构：结构中的数据元素之间存在着一对多的关系
图状结构或网状结构：机构中的数据元素之间存在着多对多的关系
2.数据结构的存储方式
数据结构在计算机内存中的存储包括数据元素的存储和元素之间的关系的表示。
元素之间的关系在计算机中有两种不同的表示方法：顺序表示和非顺序表示。由此得出两种不同的存储结构，即：顺序存储结构和链式存储结构。
顺序存储结构：用数据元素在存储器中的相对位置来表示数据元素的逻辑结构（关系）。
链式存储结构：在每一个数据元素中增加一个存放另一个元素地址的指针（pointer），用该指针来表示数据元素的逻辑结构（关系）。
3.逻辑结构和物理结构
逻辑结构 物理结构
线性表 线性存储结构
链式存储结构
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
树 线性存储结构
链式存储结构
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
图 复合存储结构
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
数据的逻辑结构
┌───────────┃──────────┐
线性结构 非线性结构
┏━━━━━━━━╋━━━━━━━━━┓┏━━━━━━━╋━━━━━━━━━┓
┃ 受限线性表 线性表推广 集合 树型结构 图状结构
┃ ┏╋┓ ┏╋┓ ┏━━╋━━┓ ┏━━╋━━┓
一般线性表 栈和队列 串 数组 广义表 一般树 二叉树 有向图 无向图
4.数据结构的运算
数据结构的主要运算包括：
1.建立一个（create）数据结构
2.消除（destroy）一个数据结构
3.从一个数据结构中删除（delete）一个数据元素
4.把一个数据元素插入（insert）到一个数据结构中
5.对一个数据结构进行访问（access）
6.对一个数据结构（中的数据元素）进行修改（modify）
7.对一个数据结构进行排序（sort）
8.对一个数据结构进行查找（search）
5.线性表（linear list）
是由n（n>=0）个类型相同的数据元素a1,a2....an组成的有限序列，
记作（a1,a2,...,ai-1,ai,ai+1,...,an）这里的数据元素ai(1<=i<=n)只是一个抽象的符号，其具体含义在不同情况下可以不同，它既可以是原子类型，也可也是结构类型，但同一线表中的数据元素必须属于同一数据对象。此外，线性表中相邻数据元素之间存在着序偶关系，即对于非空的线性
表（a1,a2,...,ai-1,ai,ai+1,...,an）.表中ai-1,领先于ai,称ai-1是ai的直接前驱，而称ai,是ai-1的直接后续。除了第一个元素a1外，每个元素ai有且仅有一个被称为直接前驱的结点ai-1, 除了最后一个元素an外，每个元素ai有且仅有一个被称为直接后继的结点ai+1.线性表中元素的个数n被定义为线性表的长度，n=0时被称为空表。线性表的特点可以概况如下：
同一性：线性表由同类数据元素组成，每个ai必须属于同一个数据对象
有穷性：线性表由有限个数据元素组成。表长度就是表中数据元素的个数
有序性：线性表中表中相邻的数据元素之间存在着序偶关系（ai,ai+1）
由此可以看出，线性表是一种最简单的数据结构，因为数据结构之间是由一前驱一后继的直观有序的关系确定；线性表又是一种最常见的数据结构，因为矩阵，数组，字符串：堆栈，队列等都符合线性条件。
篇3：php算法面试题
1. 使用PHP描述冒泡排序和快速排序算法，对象可以是一个数组
2. 使用PHP描述顺序查找和二分查找(也叫做折半查找)算法，顺序查找必须考虑效率，对象可以是一个有序数组
3. 写一个二维数组排序算法函数，能够具有通用性，可以调用php内置函数
【附答案】(以下答案不一定是最好的，只是一个简单的参考)
一、基础题
1. 相等 相等 不相等
2. true true true true true false true false
3. aaaaaa
4. 5 0 1
5. 5 2
6. 1 2
7. 使用五种以上方式获取一个文件的扩展名
function get_ext1($file_name){
return strrchr($file_name, ‘.’);
}
function get_ext2($file_name){
return substr($file_name, strrpos($file_name, ‘.’));
}
function get_ext3($file_name){
return array_pop(explode(‘.’, $file_name));
}
function get_ext4($file_name){
$p = pathinfo($file_name);
return $p['extension'];
}
function get_ext5($file_name){
return strrev(substr(strrev($file_name), 0, strpos(strrev($file_name), ‘.’)));
}
二、算法题
1. 使用PHP描述冒泡排序和快速排序算法，对象可以是一个数组
//冒泡排序(数组排序)
function bubble_sort($array)
{
$count = count($array);
if ($count <= 0) return false;
for($i=0; $i<$count; $i++){
for($j=$count-1; $j>$i; $jC){
if ($array[$j] < $array[$j-1]){
$tmp = $array[$j];
$array[$j] = $array[$j-1];
$array[$j-1] = $tmp;
}
}
}
return $array;
}
//快速排序(数组排序)
function quick_sort($array) {
if (count($array) <= 1) return $array;
$key = $array[0];
$left_arr = array;
$right_arr = array();
for ($i=1; $i
if ($array[$i] <= $key)
$left_arr[] = $array[$i];
else
$right_arr[] = $array[$i];
}
$left_arr = quick_sort($left_arr);
$right_arr = quick_sort($right_arr);
return array_merge($left_arr, array($key), $right_arr);
}
2. 使用PHP描述顺序查找和二分查找(也叫做折半查找)算法，顺序查找必须考虑效率，对象可以是一个有序数组
//二分查找(数组里查找某个元素)
function bin_sch($array, $low, $high, $k){
if ($low <= $high){
$mid = intval(($low+$high)/2);
if ($array[$mid] == $k){
return $mid;
}elseif ($k < $array[$mid]){
return bin_sch($array, $low, $mid-1, $k);
}else{
return bin_sch($array, $mid+1, $high, $k);
}
}
return -1;
}
//顺序查找(数组里查找某个元素)
function seq_sch($array, $n, $k){
$array[$n] = $k;
for($i=0; $i<$n; $i++){
if($array[$i]==$k){
break;
}
}
if ($i<$n){
return $i;
}else{
return -1;
}
}
3. 写一个二维数组排序算法函数，能够具有通用性，可以调用php内置函数
//二维数组排序， $arr是数据，$keys是排序的健值，$order是排序规则，1是升序，0是降序
function array_sort($arr, $keys, $order=0) {
if (!is_array($arr)) {
return false;
}
$keysvalue = array();
foreach($arr as $key =>$val) {
$keysvalue[$key] = $val[$keys];
}
if($order == 0){
asort($keysvalue);
}else {
arsort($keysvalue);
}
reset($keysvalue);
foreach($keysvalue as $key =>$vals) {
$keysort[$key] = $key;
}
$new_array = array();
foreach($keysort as $key =>$val) {
$new_array[$key] = $arr[$val];
}
return $new_array;
}
[php算法面试题]
篇4：c/c++常用算法数据结构(队列)
一、概念
队列(Queue)：也是运算受限的线性表，是一种先进先出(FirstIn FirstOut ，简称FIFO)的线性表。只允许在表的一端进行插入，而在另一端进行删除。
队首(front)：允许进行删除的一端称为队首。
队尾(rear)：允许进行插入的一端称为队尾。
例如：排队购物。操作系统中的作业排队。先进入队列的成员总是先离开队列。
队列中没有元素时称为空队列。在空队列中依次加入元素a1, a2, …, an之后，a1是队首元素，an是队尾元素。显然退出队列的次序也只能是a1, a2, …, an，即队列的修改是依先进先出的原则进行的，如图3-5所示。
二、队列的抽象数据类型定义<?www.2cto.com/kf/ware/vc/“ target=”_blank“ class=”keylink“>vcD4KPHA+PHByZSBjbGFzcz0=”brush:java;“>ADT Queue{ 数据对象：D ={ ai|ai∈ElemSet, i=1, 2, …, n, n >= 0 } 数据关系：R = { | ai-1, ai∈D, i=2,3,…,n } 约定a1端为队首，an端为队尾。 基本操作： Create()：创建一个空队列; EmptyQue()：若队列为空，则返回true ，否则返回flase ; ?? InsertQue(x) ：向队尾插入元素x; DeleteQue(x) ：删除队首元素x; } ADT Queue
三、代码实现:
Queue.h
#ifndef __CHelloWorld__Queue__
#define __CHelloWorld__Queue__
#include
#include
#include
using namespace std;
#define QUEUELEN 15
typedef struct
{
char name[10]; //结点的关键字
int age;
}DATA;
typedef struct
{
DATA data[QUEUELEN];
int head;
int tail;
}SQType;
class Queue
{
public:
bool init();
static Queue * create(void);
SQType *SQTypeInit(); //队列初始化
int SQTypeIsEmpty(SQType *q); //判断空队列
int SQTypeIsFull(SQType *q); //清空满队列
void SQTypeClear(SQType *q); //清空队列
void SQTypeFree(SQType *q); //释放队列
int InSQType(SQType *q,DATA data);//入队
DATA *OutSQType(SQType *q); //出队
DATA *PeekSQType(SQType *q); //读结点
int SQLTypeLen(SQType *q); //计算队列长度
};
#endif /* defined(__CHelloWorld__Queue__) */
Queue.cpp
#include ”Queue.h“
SQType *Queue::SQTypeInit()
{
SQType *q;
if (q = (SQType*)malloc(sizeof(SQType)))
{
q->head = 0;
q->tail = 0;
return q;
}
else
{
return NULL;
}
}
int Queue::SQTypeIsEmpty(SQType *q)
{
int temp;
temp = q->head == q->tail;
return (temp);
}
int Queue::SQTypeIsFull(SQType *q)
{
int temp;
temp = q->tail == QUEUELEN;
return (temp);
}
void Queue::SQTypeClear(SQType *q)
{
q->head = 0;
q->tail = 0;
}
void Queue::SQTypeFree(SQType *q)
{
if (q!= NULL)
{
free(q);
}
}
int Queue::InSQType(SQType *q, DATA data)
{
if (q->tail == QUEUELEN)
{
std::cout<< ”队列已满!操作失败!\\n“;
return 0;
}
else
{
q->data[q->tail++] = data;
return 1;
}
}
DATA *Queue::OutSQType(SQType *q)
{
if (q->head == q->tail)
{
std::cout<< ”\\n队列已空!操作失败!\\n“;
exit(0);
}
else
{
return &(q->data[q->head++]);
}
}
DATA *Queue::PeekSQType(SQType *q)
{
if (SQTypeIsEmpty(q))
{
std::cout<< ”\\n空队列!\\n“;
return NULL;
}
else
{
return &(q->data[q->head]);
}
}
int Queue::SQLTypeLen(SQType *q)
{
int temp;
temp = q->tail - q->head;
return temp;
}
Queue * Queue::create()
{
Queue * pRet = new Queue();
if (pRet && pRet->init())
{
//pRet->autorelease();
}
else
{
delete pRet;
}
return pRet;
}
bool Queue::init()
{
return true;
}
main.cpp
#include
#include ”Queue.h“
using namespace std;
int main(int argc, const char * argv[])
{
SQType *stack;
DATA data;
DATA *data1;
Queue *myQueue = Queue::create();
stack = myQueue->SQTypeInit();
std::cout << ”队列操作演示\\n“;
std::cout << ”输入(姓名 年龄)进行入队列操作:“;
fflush(stdin); //清空输入缓冲区
do
{
scanf(”%s%d“,data.name,&data.age);
if (strcmp(data.name, ”0“) == 0)
{
break;
}
else
{
myQueue->InSQType(stack, data);
}
} while (1);
do
{
std::cout << ”出队列操作:按任意键进行出栈操作:\\n“;
getchar();
data1 = myQueue->OutSQType(stack);
printf(”出队列的数据是(%s,%d)\\n“,data1->name,data1->age);
} while (1);
myQueue->SQTypeFree(stack);
delete myQueue;
// std::cout << ”Hello, World!\\n“;
return 0;
}
演示效果图:
篇5：Python数据结构与算法算法分析
一个有趣的问题经常出现，那就是两个看似不同的程序，到底哪个更好呢?
要回答这个问题, 我们必须知道程序和代表程序的算法有很大的区别. 算法是一个通用的, 解决问题的一条条的指令. 提供一个解决任何具有指定输入的实例问题方法, 算法产生期望的结果. 一个程序, 另一方面, 是将算法用某一门编程语言代码实现. 有很多的程序实现的同一算法, 取决于程序员和编程语言的使用.
进一步的探究这种差异, 考察下面的函数代码. 这个函数解决一个简单的问题, 计算前n个自然数的和. 解决方案遍历这 n 个整数, 相加后赋值到累加器.
def sumOfN(n):
theSum = 0
for i in range(1,n+1):
theSum = theSum + i
return theSum
print(sumOfN(10))
接下来看下面的代码. 第一眼看上去感觉很奇怪, 但是深入理解之后你将发现这个函数和上面的函数完成同样的工作. T原因是这个函数不是那么明显，代码难看. 我们没有使用好的变量名导致可读性很差, 并且还声明了没有必要声明的变量.
def foo(tom):
fred = 0
for bill in range(1,tom+1):
barney = bill
fred = fred + barney
return fred
print(foo(10))
到底哪段代码更好呢.问题的答案取决于你的标准.如果你只关注可读性，函数sumOfN 肯定比 foo 好. 事实上, 你可能在你的编程启蒙课上见到过很多教你编写可读性好和易于理解的程序的例子. 然而在这里, 我们还对算法感兴趣.
作为替代空间的需求, 我们基于它们执行时间来分析和比较算法. 这种度量有时候被称为算法的“执行时间”或”运行时间“. 我们测量 sumOfN 函数执行时间的一种方法是做个基准分析. 在Python, 我们可以通过一个函数针对我们所使用的系统上标记程序的起始和结束时刻. 在 time 模块有一个被称为 time 的函数，将返回系统的当前时间. 通过两次调用这个函数, 起始和结束, 然后计算差值, 我们可以得到准确的执行时间.
Listing 1
import time
def sumOfN2(n):
start = time.time
theSum = 0
for i in range(1,n+1):
theSum = theSum + i
end = time.time()
return theSum,end-start
Listing 1 展示了sumOfN 函数在求和前后的时间开销. 测试结果如下:
>>>for i in range(5):
print(”Sum is %d required %10.7f seconds“%sumOfN(10000))
Sum is 50005000 required 0.0018950 seconds
Sum is 50005000 required 0.0018620 seconds
Sum is 50005000 required 0.0019171 seconds
Sum is 50005000 required 0.0019162 seconds
Sum is 50005000 required 0.0019360 seconds
我们发现时间相当的一致并且都平均花费 0.0019 秒执行程序. 那么假如我们将n增大到 100,000 会怎样呢?
>>>for i in range(5):
print(”Sum is %d required %10.7f seconds“%sumOfN(100000))
Sum is 5000050000 required 0.0199420 seconds
Sum is 5000050000 required 0.0180972 seconds
Sum is 5000050000 required 0.0194821 seconds
Sum is 5000050000 required 0.0178988 seconds
Sum is 5000050000 required 0.0188949 seconds
>>>
再次, 时间更长, 非常的一致,平均10倍的时间. 将 n 增大到 1,000,000 我们达到:
>>>for i in range(5):
print(”Sum is %d required %10.7f seconds“%sumOfN(1000000))
Sum is 500000500000 required 0.1948988 seconds
Sum is 500000500000 required 0.1850290 seconds
Sum is 500000500000 required 0.1809771 seconds
Sum is 500000500000 required 0.1729250 seconds
Sum is 500000500000 required 0.1646299 seconds
>>>
在这种情况下,平均执行时间又一次被证实是之前的10倍.
现在来看一下 Listing 2, 提出了一个不同的解决求和问题的方法. 这个函数, sumOfN3, 运用了一个等式：∑ni = (n+1)n/2来计算前 n 个自然数取代循环计算.
Listing 2
def sumOfN3(n):
return (n*(n+1))/2
print(sumOfN3(10))
如果我们针对 sumOfN3 做一些测试, 使用5种不同的n值(10,000, 100,000, 1,000,000, 10,000,000, and 100,000,000), 我们得到下面的结果:
Sum is 50005000 required 0.00000095 seconds
Sum is 5000050000 required 0.00000191 seconds
Sum is 500000500000 required 0.00000095 seconds
Sum is 50000005000000 required 0.00000095 seconds
Sum is 5000000050000000 required 0.00000119 seconds
对于这个输出，有两个方面需要注意. 第一, 上面程序的运行时间比前面的任意一个的运行时间都短. 第二, 无论n为多大执行时间都是一致的.
但是这个标准真正地告诉我们什么?直观地说, 我们可以看到，迭代的解决方案似乎是因为一些程序步骤被重复而做更多的工作. 这是它占用更多运行时间可能的原因. 当我们增加 n的时候循环方案执行时间也在增加. 然而,有一个问题. 如果我们跑相同的功能在不同的计算机或使用不同的编程语言,我们可能会得到不同的结果. 如果是老式计算机将可能在 sumOfN3上执行更多的时间.
我们需要一种更好的方式来描述这些算法的执行时间，
Python数据结构与算法算法分析
，
基准的方法计算实际的执行时间。它并不真的为我们提供了一个有用的测量，因为它是依赖于特定的机器，当前时间，编译，和编程语言。相反，我们要有一个特性，是独立于程序或计算机的使用。这一方法将独立地判断使用的算法是有用的，可以用来在实现算法比较。
一个易位构词实例
一个展示算法不同的数量级的例子是经典的字符串易位问题. 一个字符串和另一个字符串如果仅仅是字母的位置发生改变我们就称为易位. 例如, 'heart' 和 'earth' 就互为易位. 字符串'python'和 'typhon' 也是. 为简化问题的讨论,我们假设字符串中的字符为26个英文字母并且两个字符串的长度相同. 我们的目标是写一个boolean 类型的函数来判断两个给定的字符串是否互为易位.
方法1: 逐一检测
对于易位问题，我们的第一个解决方案是检测第一个字符串的每一个字母是否在第二个字符串中. 如果成功检测所有的字母, 那么两个字符串是易位的. 检查一个字母成功后将使用 Python的特殊值 None 取代. 然而, 因为在 Python 中string是不可变的, 第一步将字符串转换成 list. 看下面的代码：
def anagramSolution1(s1,s2):
alist = list(s2)
pos1 = 0
stillOK = True
while pos1 < len(s1) and stillOK:
pos2 = 0
found = False
while pos2 < len(alist) and not found:
if s1[pos1] == alist[pos2]:
found = True
else:
pos2 = pos2 + 1
if found:
alist[pos2] = None
else:
stillOK = False
pos1 = pos1 + 1
return stillOK
print(anagramSolution1('abcd','dcba'))
方法2: 排序比较
另一个解决方案基于的思想是：即使两个字符串 s1 和 s2 不同, t它们易位当且仅当它们包含完全相同的字母集合. 因此, 如果我们首先将两个字符串的字符按照字典排序, 如果两个字符串易位，那么我们将得到完全一样的两个字符串. 在 Python 我们可以使用list的内建方法 sort 来简单的实现排序.看下面的代码：
def anagramSolution2(s1,s2):
alist1 = list(s1)
alist2 = list(s2)
alist1.sort()
alist2.sort()
pos = 0
matches = True
while pos < len(s1) and matches:
if alist1[pos]==alist2[pos]:
pos = pos + 1
else:
matches = False
return matches
print(anagramSolution2('abcde','edcba'))
第一眼看上去，你可能认为程序的时间复杂度为O(n), 因为只有一个简单的比较n个字母的循环. 然而, 两次调用 Python sort 函数都没有考虑开销. 以后我们会介绍, 排序将花费的时间复杂度为 O(n2) 或 O(nlogn), 于是排序相比循环占主导地位.
方法3: 暴力
一个 brute force 计数方法是枚举出所有的可能性. 对于这个问题, 我们可以使用 s1 的字母简单地生成所有的可能字符串并看 s2 是否出现. 然而,这种方法有一个难点. 我们列举出s1的所有可能性,第一个字母有 n 种可能,第二个位置有n-1种可能, 第三个位置有n-2种可能,……. 总共的可能性为：n*(n-1)*(n-1)*3*2*1 = n!.已经证明 n!递增非常快,当n非常大的时候, n! 递增速度超过 2n .
方法4: 计算和比较
最后一个解决方案是基于这样的一个事实：任意两个易位的字符串都有相同的'a'的数目,相同的'b'的数目,相同的'c'的数目……. 为了判断两个字符串是否易位,我们首先计算每一个字母的次数. 因为只有26个可能的字母, 我们可以使用一个list来保存26个计数, 每一个保存可能的字母. 每次当我们看到一个特别的字母，我们就增加对应的计数. 最后, 如果两个list的对应计数完全相同, 两个字符串就是易位的. 看下面的代码：
def anagramSolution4(s1,s2):
c1 = [0]*26
c2 = [0]*26
for i in range(len(s1)):
pos = ord(s1[i])-ord('a')
c1[pos] = c1[pos] + 1
for i in range(len(s2)):
pos = ord(s2[i])-ord('a')
c2[pos] = c2[pos] + 1
j = 0
stillOK = True
while j<26 and stillOK:
if c1[j]==c2[j]:
j = j + 1
else:
stillOK = False
return stillOK
print(anagramSolution4('apple','pleap'))
依然, 这种解决方案包含大量的循环. 然而, 与第一种方案不同, 它们都没有被嵌入. 前两个循环方案都在n的基础上计算字母. 第三个方案的循环, 比较两个字符串中counts的数目, 只需要 26 步 因为一个字符串只有26种可能的字母. 累加在一起我们得到 T(n)=2n+26 步. 即是 O(n). 我们找到了这个问题的线性时间解法.
离开这个例子之前，我们需要说的是空间开销.虽然最后的解决方案能够在线性时间内运行，它能成功必须要通过使用额外的存储保持两个列表中的字符数。换句话说，该算法使用了空间换时间.
这是一种常见的情况. 在许多场合，你需要做出决定的时间和空间之间的权衡。在目前的情况下，额外空间量是不显著的。然而，如果下面的字母有数百万字，就必须更多的关注空间开销。作为一个计算机科学家，当在选定算法的时候，主要由你来决定如何利用计算机资源来解决一个特定的问题.
篇6：c数据结构算法面试笔试题
1请你分别划划OSI的七层网络结构图，和TCP/IP的五层结构图?
2请你详细的解释一下IP协议的定义，在哪个层上面，主要有什么作用? TCP与UDP呢? UDP，TCP 在传输层，IP在网络层， TCP/IP是英文Transmission Control Protocol/Internet Protocol的缩写，意思是”传输控制协议/网际协议“。TCP/IP协议组之所以流行，部分原因是因为它可以用在各种各样的信道和底层协议(例如 T1和X.25、以太网以及RS-232串行接口)之上。确切地说，TCP/IP协议是一组包括TCP协议和IP协议，UDP(User Datagram Protocol)协议、ICMP(Internet Control Message Protocol)协议和其他一些协议的协议组。TCP/IP协议并不完全符合OSI的七层参考模型。传统的开放式系统互连参考模型，是一种通信协议的7 层抽象的参考模型,其中每一层执行某一特定任务。该模型的目的是使各种硬件在相同的层次上相互通信。这7层是:物理层、数据链路层、网路层、传输层、话路 层、表示层和应用层。而TCP/IP通讯协议采用了4层的层级结构，每一层都呼叫它的下一层所提供的网络来完成自己的需求。这4层分别为：
应用层：应用程序间沟通的层，如简单电子邮件传输(SMTP)、文件传输协议(FTP)、网络远程访问协议(Telnet)等。
传输层：在此层中，它提供了节点间的数据传送服务，如传输控制协议(TCP)、用户数据报协议(UDP)等，TCP和UDP给数据包加入传输数据并把它传输到下一层中，这一层负责传送数据，并且确定数据已被送达并接收。
互连网络层：负责提供基本的数据封包传送功能，让每一块数据包都能够到达目的主机(但不检查是否被正确接收)，如网际协议(IP)。
网络接口层：对实际的网络媒体的管理，定义如何使用实际网络(如Ethernet、Serial Line等)来传送数据。
Q3：请问交换机和路由器分别的实现原理是什么?分别在哪个层次上面实现的?
一 般意义上说交换机是工作在数据链路层。但随着科技的发展，现在有了三层交换机，三层交换机已经扩展到了网络层。也就是说：它等于“数据链路层 + 部分网络层”。交换机中传的是帧。通过存储转发来实现的。路由器是工作在网络层。路由器中传的是IP数据报。主要是选址和路由。
Q4:请问C++的类和C里面的struct有什么区别?
结构是一种将数据集合成组的方法，类是一种同时将函数和数据都集合成组的方法。结构和类在表面上的唯一区别是：类中的成员在默认情况下是私有的，而结构中的成员在默认情况下是公用的。
class foo
{
private:
int data1;
public:
void func;
};
可以写成：
class foo
{
int data1;
public:
void func;
};
因为在类中默认的是私有的，所以关键字private就可以不写了。
如果想用结构完成这个类所作的相同的事，就可以免去关键字public，并将公有成员放置在私有成员之前：
struct foo
{
void func;
private:
int data1;
};
Q5:请讲一讲析构函数和虚函数的用法和作用?
在 JAVA里没有象C++中的,所谓的析构函数 ,因为当一个对象不在使用的时候,它会自动被垃圾回收器回收,所以也就用不着析构函数了, 那个finalize 也只有在被垃圾回收器回收,才会被执行,而且很多时候,垃圾回收器并不一定执行,所以它不能当做C++中的,所谓的析构函数使用, 虚函数在JAVA里也是没有的,比较象近的应该算是abstract。
Q6:全局变量和局部变量有什么区别?是怎么实现的?操作系统和编译器是怎么知道的?
1)、全局变量的作用用这个程序块,而局部变量作用于当前函数
2)、前者在内存中分配在全局数据区,后者分配在栈区
3)、生命周期不同：全局变量随主程序创建和创建，随主程序销毁而销毁，局部变量在局部函数内部，甚至局部循环体等内部存在，退出就不存在
4)、使用方式不同：通过声明后全局变量程序的各个部分都可以用到，局部变量只能在局部使用
Q7:一些寄存器的题目，主要是寻址和内存管理等一些知识。
Q8:8086是多少位的系统?在数据总线上是怎么实现的?
8086微处理器初次发布时，这块16位芯片仅包含29000个晶体管，运行速度为5MHz。而当今基于x86架构的奔腾4处理器，已经包含5500万个晶体管，运行速度提高了600倍以上，高达3.06GHz。
8086是高性能的第三代微处理器，是Intel系列的16位微处理器，它是采用HMOS工艺制造的，内部包含约29,000个晶体管。
8086 有16根数据线和20根地址线，因为可用20位地址，所以可寻址的地址空间达220即1M字节。8086工作时，只要一个5V电源和一相时钟，时钟频率为 5MHz。后来，Intel公司推出的8086-1型微处理器时钟频率高达10MHz，8086-2型微处理器时钟频率达8MHz。
1、局部变量能否和全局变量重名
答：能，局部会屏蔽全局。要用全局变量，需要使用”::“
局部变量可以与全局变量同名，在函数内引用这个变量时，会用到同名的局部变量，而不会用到全局变量。对于有些编译器而言，在同一个函数内可以定义多个同名的局部变量，比如在两个循环体内都定义一个同名的局部变量，而那个局部变量的作用域就在那个循环体内。
2、如何引用一个已经定义过的全局变量
答：extern
可以用引用头文件的方式，也可以用extern关键字，如果用引用头文件方式来引用某个在头文件中声明的全局变理，假定你将那个变写错了，那么在编译期间会报错，如果你用extern方式引用时，假定你犯了同样的错误，那么在编译期间不会报错，而在连接期间报错。
3、全局变量可不可以定义在可被多个.C文件包含的头文件中 为什么
答：可以，在不同的C文件中以static形式来声明同名全局变量。
可以在不同的C文件中声明同名的全局变量，前提是其中只能有一个C文件中对此变量赋初值，此时连接不会出错
篇7：c数据结构算法面试笔试题
1、语句for( ;1 ;)有什么问题 它是什么意思
答：和while(1)相同。
2、do……while和while……do有什么区别
答：前一个循环一遍再判断，后一个判断以后再循环
3、请写出下列代码的输出内容 以下是引用片段：
#include
main
{
int a,b,c,d;
a=10;
b=a++;
c=++a;
d=10*a++;
printf(”b，c，d：%d，%d，%d“，b，c，d);
return 0;
}
答：10，12，120
4、static全局变量与普通的全局变量有什么区别 static局部变量和普通局部变量有什么区别 static函数与普通函数有什么区别
全局变量(外部变量)的说明之前再冠以static 就构成了静态的全局变量。全局变量本身就是静态存储方式， 静态全局变量当然也是静态存储方式。 这两者在存储方式上并无不同。这两者的区别虽在于非静态全局变量的作用域是整个源程序， 当一个源程序由多个源文件组成时，非静态的全局变量在各个源文件中都是有效的。 而静态全局变量则限制了其作用域， 即只在定义该变量的源文件内有效， 在同一源程序的其它源文件中不能使用它。由于静态全局变量的作用域局限于一个源文件内，只能为该源文件内的函数公用， 因此可以避免在其它源文件中引起错误。
从以上分析可以看出， 把局部变量改变为静态变量后是改变了它的存储方式即改变了它的生存期。把全局变量改变为静态变量后是改变了它的作用域， 限制了它的使用范围。 static函数与普通函数作用域不同。仅在本文件。只在当前源文件中使用的函数应该说明为内部函数(static)，内部函数应该在当前源文件中说明和定义。对于可在当前源文件以外使用的函数，应该在一个头文件中说明，要使用这些函数的源文件要包含这个头文件
static全局变量与普通的全局变量有什么区别：static全局变量只初使化一次，防止在其他文件单元中被引用;
static局部变量和普通局部变量有什么区别：static局部变量只被初始化一次，下一次依据上一次结果值;
static函数与普通函数有什么区别：static函数在内存中只有一份，普通函数在每个被调用中维持一份拷贝
5、程序的局部变量存在于(堆栈)中，全局变量存在于(静态区 )中，动态申请数据存在于( 堆)中。
篇8：c数据结构算法面试笔试题
1、队列和栈有什么区别
队列先进先出，栈后进先出
2、写出下列代码的输出内容 以下是引用片段：
#include
int inc(int a)
{
return(++a);
} int multi(int*a,int*b,int*c)
{
return(*c=*ab); } typedef int(FUNC1)(int in); typedef int(FUNC2) (int*,int*,int*); { INCp=&inc; int temp =p(arg1); fun(&temp,&arg1, arg2); void show(FUNC2 fun,int arg1, int*arg2)
printf(”%d\\n“,*arg2);
}
main
{
int a;
show(multi,10,&a);
return 0;
}
答：110
篇9：PHP简单选择排序算法实例
这篇文章主要介绍了PHP简单选择排序算法实例,本文直接给出实现代码,并以类的方式实现,需要的朋友可以参考下
简单的选择排序算法：通过n-i次关键字间的比较，从n-i+1个记录中选出关键字最小的记录，并和第i（1<=i<=n）个记录交换
代码如下:
<?php
class Sort{
/**
* 简单的选择排序
*
* @param unknown_type $arr
*/
public function selectSort(&$arr) {
$len=count($arr);
for ($i=0;$i<$len;$i++) {
$min=$i;
for ($j=$i+1;$j<=$len-1;$j++) {
if ($arr[$min]>$arr[$j]) {//如果找到比$arr[$min]较小的值，则将该下标赋给$min
$min=$j;
}
}
if ($min!=$i){//若$min不等于$i，说明找到了最小值，则交换
$this->swap($arr[$i],$arr[$min]);
}
}
}
/**
* 将$a和$b两个值进行位置交换
*/
public function swap(&$a,&$b) {
$temp=$a;
$a=$b;
$b=$temp;
}
}
$arr=array(4,6,1,2,9,8,7,3,5);
$test=new Sort;
$test->selectSort($arr);//简单的选择排序
// var_dump($arr);
?>
简单选择排序的特点：交换移动数据次数相当少，从而节约了相应的时间
简单选择排序的时间复杂度分析：
无论最好最差的情况，其比较次数都是一样多，第i趟排序需要进行n-i次关键字的比较，此时需要比较n(n-1)/2次，
PHP简单选择排序算法实例
，
所以最终的时间复杂度是O(n^2)
尽管与冒泡排序同为O(n^2)，但选择排序的性能还是略优于冒泡排序的。
篇10：进路搜索的数据结构与算法及其仿真
进路搜索的数据结构与算法及其仿真
对铁路车站计算机联锁中的进路搜索,提出基于站场数据结构的'进路自动生成搜索算法.在确定对象节点数据结构的基础上,给出了进路搜索算法的步骤.同时将站场设计功能也包含在程序中,进而可以虚拟出各种不同的站场,根据实验选择不同的进路始点和终点,可达到良好的仿真效果.
作 者：占自才 徐雪松 ZHAN Zi-cai XU Xue-song 作者单位：华东交通大学,电气学院,江西,南昌,330013 刊 名：铁道运输与经济 PKU英文刊名：RAILWAY TRANSPORT AND ECONOMY 年，卷(期)：2005 27(9) 分类号：O29 U284.36+2 关键词：进路搜索 数据结构 联锁设备,节点 仿真★ 数据结构实验报告
★ php学习心得
★ php 面试题
★ PHP面试题
★ 排序算法总结
PHP数据结构算法（通用10篇）
