趣学算法-数据结构与算法

 14天阅读挑战赛​​​​​​​
努力是为了不平庸~
算法学习有些时候是枯燥的，这一次，让我们先人一步，趣学算法！

---

读书笔记

程序 = 数据结构 + 算法 

---

一   数据结构(data structure)是带有结构特性的数据元素的集合。

1， 数据元素

java的基础数据元素

•         byte（位）
•         short（短整数）
•         int（整数）
•         long（长整数）
•         float（单精度）
•         double（双精度）
•         char（字符）
•         boolean（布尔值）

2，数据结构​​​​​​​

8种常见数据结构

•     数组(Array)
•     链表(Linked List)
•     队列(Queue)​​​​​​​
•     堆(Heap)
•     栈(Stock)
•     哈希表(Hash)
•     树(Tree)
•     图(Graph)

介绍

 数组(Array)
    描述：一种 线性表 的数据结构， 连续的空间 存储 相同类型 的数据
    优点：查询速度快
    缺点： 数组在创建时大小确定，无法扩容。数组只能存储一种类型的数据。添加、删除元素慢

链表(Linked List)
    描述：链表是一种线性表的链式存储方式，链表的内存是不连续的
    优点： 动态扩容，易于插入和删除，内存利用率高
    缺点：与数组相比，在链表中存储元素需要更多内存。因为在链表中每个节点都包含一个指针，它需要额外的内存；遍历困难，不易于查询
    具体实现：
        单向链表：每一个节点包含了数据块和指向下一个节点的指针
        双向链表：在双向链表中每一个节点不仅存储指向下一个节点的指针，而且存储指向前一个节点的指针
        循环链表：与双向链表相似，不同的地方在于：在链表的尾部增加一个指向头结点的指针，头结点也增加一个指向尾节点的指针，以及第一个节点指向头节点的指针，从而更方便索引链表元素

队列(Queue)
    描述
        先进先出（FIFO, First-In-First-Out）的线性表，在具体应用中通常用链表或者数组来实现。队列只允许在后端（称为rear）进行插入操作，在前端（称为front）进行删除操作。
    具体实现
        顺序队列（数组）
            顺序队列
                “下溢”现象：当队列为空时，做出队运算产生的溢出现象。“下溢”是正常现象，常用作程序控制转移的条件
                “真上溢”现象：当队列满时，继续往队列中插入元素，从而使数组越界产生程序代码崩坏
                “假上溢”现象：入队和出队操作，头尾指针不断增加，致使被删元素的空间永远无法重新利用。所以，当队列中元素个数远远小于向量空间的规模，或队尾指针已超越向量空间而不能插入元素的现象称为“假上溢现象”。
            循环队列
                解决假溢出的办法就是后面满了，就再从头开始，也就是头尾相接的循环
                场景
                    同时排队数量有限（已知），及时消费，例如：窗口买票
        链式队列
            是一种特殊的单链表，它只能尾进头出
        优先队列
            顺序优先级队列
            链式优先级队列

树(Tree)
    描述
        一种非线性结构，由n（n >= 0）个节点组成，当n=0的时候，此时的树被称为空树。当n>0时，此时的树存在一个节点被称为根节点，而除根节点外的其它节点可以分为m个集合，每个集合本身又是一颗树，被称为根节点的子树
    具体实现
        二叉树
            特点
                若二叉树的层次从0开始，则在二叉树的第i层至多有2^i个结点(i>=0)
                高度为k的二叉树最多有2^(k+1) - 1个结点(k>=-1)(空树的高度为-1)
                对任何一棵二叉树，如果其叶子结点(度为0)数为m, 度为2的结点数为n, 则m = n + 1
            具体分类
                完美二叉树
                    除叶子结点之外的每一个节点都有俩个孩子，每一层（包含最后一层）都被完全填充
                完全二叉树
                    除了最后一层之外的每一层都被完全填充，并且所有节点都保持向右对齐
                完满二叉树
                    除了叶子节点之外的每一个节点都有俩个孩子节点
            遍历方式
                中序遍历
                    左-根-右遍历，对于给定的二叉树根，寻找其左子树；对于其左子树的根，再去寻找其左子树；递归遍历，直到寻找最左边的节点i，其必然为叶子，然后遍历i的父节点，再遍历i的兄弟节点。随着递归的逐渐出栈，最终完成遍历
                先序遍历
                    根-左-右遍历
                后序遍历
                    左-右-根遍历
        二项树
            一种递归定义的有序树
            度数为0的二项树只包含一个结点
            度数为k的二项树有一个根结点，根结点下有  个子女，每个子女分别是度数分别为  的二项树的根。
        二叉查找树
            特性
                任意节点左子树不为空,则左子树的值均小于根节点的值
                任意节点右子树不为空,则右子树的值均大于于根节点的值
                任意节点的左右子树也分别是二叉查找树
                没有键值相等的节点
            缺点
                有可能退化成线性链
        AVL树
            定义
                带有平衡条件的二叉查找树，和红黑树相比,它是严格的平衡二叉树,平衡条件必须满足(所有节点的左右子树高度差不超过1).不管我们是执行插入还是删除操作,只要不满足上面的条件,就要通过旋转来保持平衡,而旋转是非常耗时的
            场景
                用于插入删除次数比较少，但查找多的情况
        红黑树
            一种自平衡二叉查找树, 通过对任何一条从根到叶子的路径上各个节点着色的方式的限制,红黑树确保从根到叶子节点的最长路径不会是最短路径的两倍，用非严格的平衡来换取增删节点时候旋转次数的降低，任何不平衡都会在三次旋转之内解决
            多用于查询,插入,删除操作多
        B树
            一种自平衡的树,它是一种多路搜索树（并不是二叉的），能够保证数据有序。同时它还保证了在查找、插入、删除等操作时性能都能保持在O(logn)，为大块数据的读写操作做了优化,同时它也可以用来描述外部存储(支持对保存在磁盘或者网络上的符号表进行外部查找)
            有序数组+平衡多叉树
            文件系统和数据库系统常用
        B+树
            与B-树也基本相同，区别是B+树只有达到叶子结点才命中（B-树可以在非叶子结点命中），其性能也等价于在关键字全集做一次二分查找
            有序数组链表+平衡多叉树
            文件系统和数据库系统常用

哈希表(Hash)

堆(Heap)

 栈(Stock)

图(Graph)

 ​​​​​​​

二，算法

​​​​​​​