数据结构

链表
1.链表：每一个节点是由指针和变量构成，变量是火车头，指针是火车链。
2.循环链表：将最开始的火车头的地址存储在最后一个节点的Next指针里面即可

3.双向链表：

有头节点和尾节点，分别存储头部节点和尾部节点的地址。每个节点由数据部分和指向前的指针和指向后面的指针组成，正向，有头节点开始，按照每个节点的next指针往后，直到NULL停止，反向，由tail开始，按照每个节点的front指针一直向后，直到NULL停止
4.双向循环链表：

双向循环链表不需要尾指针，因为是双向的而且是循环的链表，所以从头指针开始可以朝前或者朝后任意往后，有了尾指针累赘，箭头指向哪一个节点，那么指针存储的就是哪一个节点的地址。
5.链表的插入：
中间插入：需要先断开，后插入

1节点的next值首先保存给3节点的next完成步骤一，再将3节点的地址存储给1的next完成步骤二
头插：从链表头部开始插入
尾插：从链表尾部开始插入
6.链表的删除：
7.链表的查找：
树
入度：指向节点的边数
出度：节点放射出的边数
二叉树的入读和出度相同
二叉树：每个节点最多有俩个子树的有序（节点有左右之分）树
二叉树的性质：
1.深度为k，则其满二叉树为2^k-1
2.为什么是2^k-1呢，原因如下，最后一层为
2^(k-1),前面所有节点之和为
2^(k-1)-1。
3.完全二叉树：最后一层可以不完全填充，其子节点都是靠左对齐
4.二叉排序树：左节点比根节点小，右节点比根节点大，左右子树都是二叉排序树
5.平衡树：
它的左右两个子树的高度差的绝对值不超过1，并且左右两个子树都是一棵平衡二叉树。对一棵查找树(search tree)进行查询/新增/删除 等动作, 所花的时间与树的高度h 成比例, 并不与树的容量 n 成比例。如果可以让树维持矮矮胖胖的好身材, 也就是让h维持在O(lg n)左右, 完成上述工作就很省时间。
6.红黑树：
7.B树(B-树）：
8.B+树：
排序
冒泡：
俩个邻近点俩个邻近点比较，每次比出一个最大的，剩下的数据再次进行俩俩比较，找出剩余数据最大的，直到剩余数据为一个
选择排序：
与冒泡排序俩俩比较找最大的不同，它是直接每次选出最大的，与第一个位置交换，然后再从剩下的序列中选出最大的与第二个元素交换位置，直到最后一个元素。
插入：
插入是将第一个元素当作有序序列的开始，然后后面的序列与之比较加入有序序列中，一直循环，直到最后一个元素加入有序序列中。实现的时候，双重循环，当前元素a[i]与a[0]~a[i-1]比较，并且同时元素向后移动找到位置后调换。

public void insert(int[] a)
	{
		for(int i=1;i<a.length;i++)     //n-1此扫描，依次向前插入n-1个元素
		{
			int temp=a[i];       //每趟将a[i]插入到前面的排序子序列中
			int j;
			for(j=i-1;j>=0&&temp<a[j];j--)
			{
				a[j+1]=a[j];  //将前面较大的元素向后移动 
			}
			a[j+1]=temp;      //temp值到达插入位置，由于再循环时j--执行了，所以要加一
			
		}
	}

希尔：
快排（不需要额外空间）：先取第一个元素，low从左边向右边，high从右边向左边，依次寻找，high移动的过程遇到比第一个元素小的元素就停下来，low继续移动，直到low遇到比第一个元素大的元素俩者交换位置。这个过程停止的条件是，low和high相遇的时候，也就找到了第一个元素的位置，将第一个元素和low和high相遇的元素位置相交换，便可以得到以第一个元素为分界线的俩个元素，将分开的左右序列再次按照相同办法分别执行上述步骤，直到分的序列长度为1，就直接返回该元素，程序结束。//要注意的是，不论是从大到小排还是从小到大排，都需要首先从右边开始找相关元素，再从左边找，原因大概是因为取了第一个元素，第一个元素位置在做左边。
归并（需要额外空间）：
先将序列全部拆分，直到拆分的序列长度为1，停止，接下来进行合并，俩俩序列合并，俩俩合并时候需要借助left和right存储下标，left存储左边序列的第一个元素下标，right存储右边序列的第一个元素的下标，如果是从小到大排，则数组left和right位置所在的元素谁小谁加入结果中，然后对应的left或者right向后移动，直到left和right有任意一方超出长度，将左或者右边剩余的元素添加到结果中，重复执行，合并，直到合并完成，程序结束。
堆排：
查找
二分查找（有序序列）：
先找出从小到大排列好的数组的中心，然后待查找的元素与数组中心对比大小，如果比中心大，则在右边寻找，如果比中心小则在左边寻找，直到找到或者，左边下标比右边的大，则返回没有找到。