关于数据结构和算法复习记录

主要展示一个知识列表和帮助回忆复习的说明，必要时加入一个学习链接。

1.基础

1.时间复杂度和空间复杂度。

O( 1) < O(logn) < O(n) < O(nlogn) < O(n^ 2) < O(n^ 3) < O(2^n) < O(n!) < O(n^n)

2.基础数据机构

1.列表、链表、栈、队列（优先队列）。

都是基础知识，这里除了一些常规的特性比对，还可以考虑到线程安全问题，比如java的Vector。

2.跳跃表。

简单来说就是把有序的数列，提出一些索引，可以跳过一系列数据，快速确定目标数据的范围，在多次提取出索引后，可以大大加快查找速度，时间复杂度从On减为Ologn。

对比二叉树，因为二叉树在处理有序数据时，节点会有偏向，因此降低了查找效率。

3.并查集。

用于优化合并（将复杂度低的树的父节点设置为复杂度高的树的根节点）和查询（两个节点是否有相同的父节点）的树。记录父节点，用路径压缩方式优化。

参考链接：算法学习笔记(1) : 并查集 - 知乎

4.二叉堆

具备完全二叉树特性，且堆中任一父节点都大于等于或小于等于它左右孩子节点的值。分为最大二叉堆和最小二叉堆。

当插入一个新节点时，如新节点小于父节点，则与父节点交换（上浮），直到满足二叉堆条件。

删除节点一般是删除根节点，为恢复完全二叉树特性，删除后用最后一个元素代替跟节点位置，并根据特性，与子节点进行交换（下沉），直到满足二叉堆条件。

进阶：二叉堆排序，堆排序时间复杂度稳定为Onlogn。

对于有n个元素的二叉堆，经过n-1次删除之后就变成了一个有序数组。

5.哈希表

地址转化->哈希化，关于碰撞解决方案：

链地址法：每个数组单元存储的是一个链条，根据哈希化后的下标找到对应位置的数据。

开放地址法：线性探测（找空），二次探测、再哈希法（关键字为参数，再做一次哈希作为步长）

建立公共溢出区：将哈希表分为基本表和溢出表，将发生冲突的都存放在溢出表。

6.布隆过滤器

通过标记地址来查询，当均为False可确定不存在，但True未必存在，有一定误差率。

参考链接：5 分钟搞懂布隆过滤器，亿级数据过滤算法你值得拥有！ - 知乎

7.树相关

哈夫曼树：最优二叉树，带权路径长度最短的树，权值较大的节点离根更近。

AVL树：二叉平衡树，在插入节点后，进行左旋/右旋以保证二叉树的左右深度差不超过1，以保证稳定的查询效率，但缺点是这个调整十分频繁，导致性能上会有折扣。

B树和B+树：多路平衡查找树，保证树的高度有限，每个结点，至多有m棵子树，至少包含m/2-1个关键字，所有叶子结点都在同一层次上。而B+树将记录内容放在叶子结点上，其他结点只存放关键字。

前缀树：空间换时间，主要用在字符串比较，关键字查询等（敏感词），利用公共前缀降低查询时间开销。

红黑树：一文带你彻底读懂红黑树（附详细图解） - 知乎

线段树：处理区间信息，以及对该区间的修改，支持一些操作。

树状数组（真tm看不懂 先记录下）：树状数组简单易懂的详解_FlushHip的博客-CSDN博客

矩阵