数据结构与算法

03、04 复杂度分析

时间复杂度：渐进时间复杂度
即代码执行次数
空间复杂度：渐进空间复杂度
asynpotic space complexity
最好情况时间复杂度：best case time complexity
最坏情况时间复杂度：worst case time complexity
平均情况时间复杂度：average case time complexity
加权平均时间复杂度、期望时间复杂度
均摊时间复杂度：amortized time complexity
摊还分析、平摊分析
这个时候，我们就可以将这一组操作放在一块儿分析，看是否能将较高时间复杂度那次操作的耗时，平摊到其他那些时间复杂度比较低的操作上。而且，在能够应用均摊时间复杂度分析的场合，一般均摊时间复杂度就等于最好情况时间复杂度。

05 数组

线性表、连续内存空间、相同数据类型
这里我要特别纠正一个“错误”。我在面试的时候，常常会问数组和链表的区别，很多人都回答说，“链表适合插入、删除，时间复杂度 O(1)；数组适合查找，查找时间复杂度为 O(1)”。

实际上，这种表述是不准确的。数组是适合查找操作，但是查找的时间复杂度并不为 O(1)。即便是排好序的数组，你用二分查找，时间复杂度也是 O(logn)。所以，正确的表述应该是，数组支持随机访问，根据下标随机访问的时间复杂度为 O(1)。
警惕数组的访问越界问题
容器和数组
对于业务开发，直接使用容器就足够了，省时省力。毕竟损耗一丢丢性能，完全不会影响到系统整体的性能。但如果你是做一些非常底层的开发，比如开发网络框架，性能的优化需要做到极致，这个时候数组就会优于容器，成为首选。

06、07 链表（linked list）

LRU缓存淘汰算法：先进先出策略FIFO（First in First out）、最少使用策略LFU（Least Frequency Used）、最近最少使用策略LRU（Least Recently Used）
不过，数组和链表的对比，并不能局限于时间复杂度。而且，在实际的软件开发中，不能仅仅利用复杂度分析就决定使用哪个数据结构来存储数据。

数组简单易用，在实现上使用的是连续的内存空间，可以借助 CPU 的缓存机制，预读数组中的数据，所以访问效率更高。而链表在内存中并不是连续存储，所以对 CPU 缓存不友好，没办法有效预读。
插入删除防止指针丢失，首尾节点操作需要注意
哨兵节点的作用
我经常用来检查链表代码是否正确的边界条件有这样几个：

如果链表为空时，代码是否能正常工作？

如果链表只包含一个结点时，代码是否能正常工作？

如果链表只包含两个结点时，代码是否能正常工作？

代码逻辑在处理头结点和尾结点的时候，是否能正常工作？
你可以找一个具体的例子，把它画在纸上，释放一些脑容量，留更多的给逻辑思考，这样就会感觉到思路清晰很多。
边界处理