三、数据结构与算法

一、基础知识

1. 数据结构优缺点对比

1.1 对比表格

数据结构	优点	缺点	出现
数组	①查询复杂度O（1）： 通过索引可以在常数时间内(O(1))访问任意元素；②空间局部性好： 数据在内存中是连续存储的，有利于缓存	①固定大小： 初始化后大小固定，无法动态调整。②插入和删除效率o(n)： 在中间位置插入或删除元素需要移动大量元素	下标寻址十分迅速，但是内存有限，数组长度有限；后来提出了二分查找，二分查找要求有序，但是增删改查频繁的结构，数据仍然不会被考虑
链表	①动态大小： 可以动态调整大小，不需要预先分配固定内存。②插入和删除高效O(1)	①访问效率低O(n)： 需要从头开始遍历，查找某个元素的时间复杂度为O(n)。②额外内存开销： 每个节点需要存储额外的指针信息。	不适合进行查找
哈希表	①插入、删除和查找的时间复杂度为O(1)；②高效： 适合用于需要快速查找的场景，如数据库索引	①冲突处理： 需要处理哈希冲突，常见的方法有链地址法和开放地址法；②不保证顺序： 数据存储没有顺序，遍历顺序不确定	数组和链表的折中，同时它的设计依赖散列函数的设计，数组不能无限长、链表也不适合查找，所以也不适合大规模的查找
栈	①插入删除O(1)；②用途广泛： 用于表达式求值、递归、深度优先搜索等	①有限访问 ： 只允许在栈顶进行插入和删除操作。②大小固定： 使用数组实现的栈大小固定，使用链表实现的栈有指针开销③栈深度限制：栈的容量有限，导致递归调用过深时程序崩溃	不适合随机访问
堆	是一种图的树形结构，被用于实现有限队列，优先队列是一种数据结构，可以自由添加数据但去除数据要从最小值开始顺序取出，在堆的树形结构中，各个顶点被称为结点，数据就存储在这些结点中	每个节点最多有两个子节点；排列顺序必须从上到下，同一行从左到右；堆中某个节点的值总是不大于或不小于其父节点的值；存放数据时，一般会把新数据放在最下面一行靠左的位置。如果最下面一行没有多余空间时，就再往下另起一行，并把数据添加到这一行的最左端	堆是一个完全二叉树，堆中某个结点的值总是不大于或不小于其父结点的值
队列	①**操作简单时间复杂度为O(1)**②公平性： 先进先出(FIFO)的特点保证了公平性	①有限访问： 只能访问队头和队尾元素，不能直接访问其他元素，只允许在队尾插入，在队头删除；②大小固定： 使用数组实现的队列大小固定，③动态大小：使用链表实现的队列有指针开销	在多线程编程中，队列可以用于线程间通信和任务分发
树	①二叉树：插入、删除、查找：平均情况logn，最坏情况n（退化为链表），结构简单，容易实现，可能退化为链表。②平衡二叉树：高度差不超过1的二叉树，包括AVL树和红黑树-插入、删除、查找logn，	③完全二叉树：插入、删除logn，可以用数组表示，位置关系简单，空间利用率不高；④二叉搜索树：插入、删除、查找：平均情况logn，最坏情况n；⑤平衡二叉搜索树：AVL树、红黑树，插入、删除、查找logn，实现较为复杂，需要维护树的平衡性	⑤B和B+：插入、删除、查找logn，适用于数据库和文件系统，支持高效的磁盘读写，现复杂度较高，尤其是节点的分裂和合并操作
图	①表达能力强： 可以表示复杂的关系，如网络连接、社交网络。②**灵活： 支持多种遍历和搜索算法，如深度优先搜索、广度优先搜索	①存储复杂 邻接矩阵和邻接表的存储方式各有优缺点，选择合适的存储方式需要权衡空间和时间。②算法复杂图的许多算法复杂度高，理解和实现起来较困难

1.2 树对比表格

类型	定义	优劣	用途
树	①每个节点有零个或多个子节点②没有父节点的节点称为根节点③每一个非根节点有且只有一个父节点④除了根节点外，每个子节点可以分为多个不相交的子树		路由算法：用于网络路由协议，如最短路径树。社交网络分析：表示用户关系网络，用于社交网络分析和推荐系统。
二叉树	①二叉树定义：最多有两颗子树的数对被称为二叉树；②满二叉树：二叉树中所有的非叶子结点的读都是2，且叶子结点都在同一层次上；③完全二叉树：一个二叉树与满二叉树前m个结点的结构相同	分类：1）满二叉树2）全二叉树；遍历：先/中/后/层/序遍历；	搜索：DBS/BFS
二叉查找树	是一颗空树或者满足下列性质的二叉树：①若left！=null，则left<root;②若right！=null，则right<root;③任意节点的左右子树也分别为二叉查找树	优势在于查找，插入的时间复杂度较低为（ologn）	二叉树是基础的数据结构，用于构建更为抽象的数据结构，比如集合、多重级、关联数组
平衡二叉树	①可以为空；②根节点的左右子树深度只差不超过1；③left、right也是AVL；④平衡二叉树的所有节点的平衡因子只可能是-1,0,1	二叉查找树的平均查找长度与树的深度有关，所以需要找出一个1查找平均长度最小的一棵
红黑树	①是AVL树；②每个node非黑即红；③叶子节点都是黑；④一个node是红的，那么他的儿子都是黑的；⑤叶结点树尾端NIL指针的每条路径都包含相同数目的黑结点	牺牲了部分平衡性来减少插入和删除操作的旋转次数	用途c++中的map&set实现；linux进程调度，管理进程控制块；epoll内核的实现；nginx红黑树管理timer
哈夫曼树	①将所有左，右子树都为空的作为根节点；②在森林中选出两棵根节点的权值最小的树作为一棵新树的左，右子树，且置新树的附加根节点的权值为其左，右子树上根节点的权值之和③从森林中删除这两棵树，同时把新树加入到森林中④重复2，3步骤，直到森林中只有一棵树为止，此树便是哈夫曼树	最优二叉树：是一种带权路径长度最短的二叉树	用途：哈夫曼编码
B树	①根结点至少有两个子女②每个中间节点都包含k-1个元素和k个孩子，其中 m/2 <= k <= m③每一个叶子节点都包含k-1个元素，其中 m/2 <= k <= m④所有的叶子结点都位于同一层⑤每个节点中的元素从小到大排列，节点当中k-1个元素正好是k个孩子包含的元素的值域分划	一种自平衡的树，能够保持数据有序	用于读写相对大的数据块的存储系统，例如磁盘
B+树	①在B树基础上，为叶子结点增加链表指针(B树+叶子有序链表)，所有关键字都在叶子结点中出现，非叶子结点作为叶子结点的索引；B+树总是到叶子结点才命中`② 所以同样大小的节点，b+树相对于b树能够有更多的分支，使得这棵树更加矮胖，查询时做的IO操作次数也更少。	B+