数据结构总结--更新中

数据结构：

---

1. 线性表
   • 顺序表
   • 链表
2. 栈和队列
   • 优先级队列
   • 双端队列
3. 集合
   • 散列表
   • 跳表（Redis利用跳表实现有序集合Sorted Set）
4. 树
   • 二叉树
   • 线索二叉树
   • 树与森林
   • 树与森林的遍历
   • 堆
   • Huffman树
5. 图
   • 图的遍历
     • 深度优先
     • 广度优先
   • 最小生成树
     • Kruskal算法
     • Prim算法
   • 最短路径
6. 搜索结构
   • 二分查找
   • 二叉搜索树
   • 平衡二叉树（AVL树）
   • 红黑树
7. 索引结构
   • B树
   • B+树

---

数据结构

1、AarryList、LinkedList、Stack、Queue常用方法

####1.1 AarryList用法

ava.util.ArrayList < E > 的一些方法	描述
+add(o: E): void	在list的末尾添加一个元素o
+add(index: int, o: E): void	在指定的index处插入元素o
+set(index: int, o: E): E	设置指定index处的元素为o
+get(index: int): E	返回指定index处的元素
+clear(): void	从list中删除所有元素
+remove(o: Object): boolean	删除list中的第一个元素o，如果元素被删除，返回true
+remove(index: int): boolean	删除指定index处的元素，如果元素被删除，返回true
+size(): int	返回list中元素个数
+isEmpty(): boolean	如果list不含元素，返回true
+contains(o: Object): boolean	如果list含有元素o，返回true
+indexOf(o: Object): int	返回list中第一个匹配元素的index
+lastIndexOf(o: Object): int	返回list中最后一个匹配元素的index

1.2 LinkedList用法

增加：
add(E e)：在链表后添加一个元素； 通用方法
addFirst(E e)：在链表头部插入一个元素； 特有方法
addLast(E e)：在链表尾部添加一个元素； 特有方法
push(E e)：与addFirst方法一致
offer(E e)：在链表尾部插入一个元素 add(int index, E element)：在指定位置插入一个元素。
offerFirst(E e)：JDK1.6版本之后，在头部添加； 特有方法 offerLast(E e)：JDK1.6版本之后，在尾部添加； 特有方法
删除：
remove() ：移除链表中第一个元素; 通用方法
remove(E e)：移除指定元素； 通用方法
removeFirst(E e)：删除头，获取元素并删除； 特有方法
removeLast(E e)：删除尾； 特有方法
pollFirst()：删除头； 特有方法
pollLast()：删除尾； 特有方法
pop()：和removeFirst方法一致，删除头。
poll()：查询并移除第一个元素 特有方法
查：
get(int index)：按照下标获取元素； 通用方法
getFirst()：获取第一个元素； 特有方法
getLast()：获取最后一个元素； 特有方法
peek()：获取第一个元素，但是不移除； 特有方法
peekFirst()：获取第一个元素，但是不移除；
peekLast()：获取最后一个元素，但是不移除；
pollFirst()：查询并删除头； 特有方法
pollLast()：删除尾； 特有方法
poll()：查询并移除第一个元素 特有方法
其他：
boolean contains(Object o)
size()
void clear()
int indexOf(Object o)
int lastIndexOf(Object o)

1.3 Stack用法

Stack的一些方法	描述
push( num)	入栈
pop()	栈顶元素出栈
empty()	判定栈是否为空
peek()	获取栈顶元素
search(num)	判端元素num是否在栈中，如果在返回1，不在返回-1。

1.4 Queue用法

方法名	描述	解释说明
add	增加一个元索	如果队列已满，则抛出一个IIIegaISlabEepeplian异常
remove	移除并返回队列头部的元素	如果队列为空，则抛出一个NoSuchElementException异常
element	返回队列头部的元素	如果队列为空，则抛出一个NoSuchElementException异常
offer	添加一个元素并返回true	如果队列已满，则返回false
poll	移除并返问队列头部的元素	如果队列为空，则返回null
peek	返回队列头部的元素	如果队列为空，则返回null
put	添加一个元素	如果队列满，则阻塞
take	移除并返回队列头部的元素	如果队列为空，则阻塞

---

2、集合

2.1 散列表

1. 散列方法
   • 除留余数法
   • 数字分析法
   • 平方取中法
   • 折叠法
2. 处理哈希冲突的方法
   • 开放定址法
     • 线性探测法
     • 二次探测法
     • 伪随机数探测法
   • 再哈希法
   • 链地址法
   • 建立一个公共溢出区

2.2跳表

跳跃表(skiplist)是一种有序数据结构，它通过在每个节点中维持多个指向其他节点的指针，从而达到快速访问节点的目的。在大部分情况下，跳跃表的效率可以和平衡树相媲美，并且因为跳跃表的实现比平衡树要来得更为简单，所以有不少程序都使用跳跃表来代替平衡树。和链表、字典等数据结构被广泛地应用在Redis内部不同，Redis只在两个地方用到了跳跃表，一个是实现有序集合键，另一个是在集群节点中用作内部数据结构，除此之外，跳跃表在Redis里面没有其他用途。

3、树

3.1 线索二叉树

用自己的话说就是：原来我们求一棵二叉树的前序、中序、后序序列的时候，都必须用到递归遍历相应的二叉树，否则也得借助栈等结构来记录。这样的话，如果我们想很快的找到某一个节点在某种序列下的前驱或后继，每次都要遍历，这显然十分浪费时间。很自然，要是想避免这个重复工作，那么我们就需要把所有节点的前驱和后继记录下来，这样每次查找相应的记录就行了。于是就引出了——‘线索’一词。没错，真的是‘线索’，由线索找到相应节点的前驱和后继，很形象！

3.2 线索二叉树相关知识点

• 线索二叉树前中后序线索化
• 线索二叉树的遍历
• 线索二叉树的插入和删除

3.3 二叉树

递归遍历

 * 中序遍历二叉树（递归）
 */
public void PrintBinaryTreeMidRecur(TreeNode<T> root)
{
    if (root!=null) 
    {
        PrintBinaryTreeMidRecur(root.left);
        System.out.print(root.data);
        PrintBinaryTreeMidRecur(root.right);
    }
}

非递归遍历

 * 中序遍历二叉树（非递归）
 * 
 * 思路：先将T入栈，遍历左子树；遍历完左子树返回时，栈顶元素应为T，
 *       出栈，访问T->data，再中序遍历T的右子树。  
 */
public void PrintBinaryTreeMidUnrecur(TreeNode<T> root)
{
    TreeNode<T> p=root;//p为当前节点
    LinkedList<TreeNode> stack=new LinkedList<>();

    //栈不为空时，或者p不为空时循环
    while(p!=null || !stack.isEmpty())
    {
        //当前节点不为空。压入栈中。并将当前节点赋值为左儿子
        if (p!=null) 
        {
            stack.push(p);
            p=p.left;
        }
        //当前节点为空：
        //  1、当p指向的左儿子时，此时栈顶元素必然是它的父节点
        //  2、当p指向的右儿子时，此时栈顶元素必然是它的爷爷节点
        //取出并访问栈顶元素，赋值为right
        else
        {
            p=stack.pop();
            System.out.print(p.data);
            p=p.right;
        }
    }
}

层次遍历

 * 层次遍历二叉树（非递归）   
 */
public void PrintBinaryTreeLayerUnrecur(TreeNode<T> root)
{
    LinkedList<TreeNode> queue=new LinkedList<>();
    TreeNode<T> p;
    queue.push(root);
    while(!queue.isEmpty())
    {
        p=queue.removeFirst();
        System.out.print(p.data);
        if (p.left!=null)
            queue.addLast(p.left);
        if (p.right!=null)
            queue.addLast(p.right);
    }
}

}

3.4 哈夫曼树的应用

• 最优判定树
• Huffman编码

4、 图

4.1图的存储

• 邻接表
• 邻接矩阵

4.2 图的遍历

• 深度优先遍历
• 广度优先遍历

4.3 最小生成树

• Kruskal算法
• Prime算法

4.4 最短路径

• Dijkstra算法

5、二叉搜索树

• AVL树
• 红黑树

都是为提高搜索效率而建立的搜索结构

6、索引结构

B树和B+树都是平衡多路搜索树

• B树
• B+树

B+tree：是应文件系统所需而产生的一种B-tree的变形树。
一棵m阶的B+树和m阶的B树的异同点在于：

1. 有n棵子树的结点中含有n-1 个关键字； (此处颇有争议，B+树到底是与B 树n棵子树有n-1个关键字 保持一致，还是不一致：B树n棵子树的结点中含有n个关键字，待后续查证。暂先提供两个参考链接：①wikipedia http://en.wikipedia.org/wiki/B%2B_tree#Overview；②http://hedengcheng.com/?p=525。而下面B+树的图尚未最终确定是否有问题，请读者注意)
2. 所有的叶子结点中包含了全部关键字的信息，及指向含有这些关键字记录的指针，且叶子结点本身依关键字的大小自小而大的顺序链接。 (而B 树的叶子节点并没有包括全部需要查找的信息)
3. 所有的非终端结点可以看成是索引部分，结点中仅含有其子树根结点中最大（或最小）关键字。 (而B 树的非终节点也包含需要查找的有效信息)