【数据结构与算法入门】

时间复杂度 跳转

O代表了运行时间函数的一个渐进上界，即T(n)在数量级上小于等于f(n)

• 大小关系
  
• 计算方法：
  一、得出运行时间的函数
  二、对函数进行简化
  • ①用常数1来取代运行时间中所有加法常数
  • ②修改后的函数中，只保留最高阶项
  • ③如果最高阶项存在且不是1，则忽略这个项的系数
    
    
    
    

数组

• 查找：采用二分法可以在 O(logn) 的时间里找到指定的元素。
• 数组在插入、删除这些操作中比较不友好，找到目标位置所需时间为 O(logn) ，进行插入和删除这个动作所需的时间复杂度为 O(n) ，因为都需要移动移动元素，所以最终所需要的时间复杂度为 O(n) 。
• 插入/删除：O(n)

链表

• 查找：不能像数组那样采用二分查找的方式，只能一个一个结点遍历，为O(n)。
• 当我们找到目标位置之后，插入、删除元素所需的时间复杂度为 O(1)
• 加上查找所需的时间，插入、删除所需的总的时间复杂度为O(n)。

队列

栈

跳跃表 跳转

那链表的查找速度可以提高吗？
对于下面这个链表

由于元素是有序的，我们是可以通过增加一些路径来加快查找速度的。
我们可以先通过比较上面一层的元素来确定目标元素所在区间，通过这种方法，我们只需要遍历 5 次就可以找到元素 9 了（红色的线为查找路径）。

还能继续加快查找速度吗？答是可以的，再增加一层就行了。

• 对于具有 n 个元素的链表，我们可以采取 (logn + 1) 层指针路径的形式，就可以实现在 O(logn) 的时间复杂度内，查找到某个目标元素了。
• 这种数据结构，我们也称之为跳跃表，跳跃表也可以算是链表的一种变形，只是它具有二分查找的功能。

1.插入与删除

• 新插入的结点应该跨越多少层：
  通过抛硬币来决定新插入结点跨越的层数：每次我们要插入一个结点的时候，就来抛硬币，如果抛出来的是正面，则继续抛，直到出现负面为止，统计这个过程中出现正面的次数，这个次数作为结点跨越的层数。
  通过这种方法，可以尽可能着接近理想的层数.

（1）插入。

• 例如，我们要插入结点 3，4，通过抛硬币知道3，4跨越的层数分别为 0，2 (层数从0开始算)，则插入的过程如下：
  1.插入 3，跨越0层。
  2.插入 4，跨越2层。
  

（2）删除

• 例如我们要删除4，那我们直接把4及其所跨越的层数删除就行了。
  
  （3）总结
• 跳跃表的每一层都是一条有序的链表。
• 跳跃表的查找次数近似于层数，时间复杂度为O(logn)，插入、删除也为 O(logn)。
• 最底层的链表包含所有元素。
• 跳跃表是一种随机化的数据结构(通过抛硬币来决定层数)。
• 跳跃表的空间复杂度为 O(n)。

（4）对比

• 跳跃表 vs 二叉查找树

  • 二叉查找树的插入、删除、查找也是近似 O(logn) 的时间复杂度。
  • 不过，二叉查找树是有可能出现一种极端的情况的，就是如果插入的数据刚好一直有序，那么所有节点会偏向某一边。会导致二叉查找树的查找效率变为 O(n),这会使二叉查找树大打折扣。
    

• 跳跃表 vs 红黑树

  • 红黑可以说是二叉查找树的一种变形，红黑在查找，插入，删除也是近似O(logn)的时间复杂度。
  • 红黑树插入，删除结点时，是通过调整结构来保持红黑树的平衡，比起跳跃表直接通过一个随机数来决定跨越几层，在时间复杂度的花销上是要高于跳跃表的。

维护一组有序的集合，并且希望在查找、插入、删除等操作上尽可能快，那么跳跃表会是不错的选择。
redis中的数据便是采用了跳跃表，当然，ridis也结合了哈希表等数据结构，采用的是一种复合数据结构。