测试开发面经分享，面试七天速成 DAY3

魔仙堡程序媛

已于 2024-07-19 14:31:42 修改

阅读量1k

点赞数 23

文章标签：面试数据结构

于 2024-06-28 14:49:38 首次发布

本文链接：https://blog.csdn.net/qq_41214208/article/details/140042487

版权

在这里插入图片描述

数组（Array）：是一种线性数据结构，用于存储固定大小的相同类型元素的集合。通过索引可以快速访问数组中的元素。
链表（Linked List）：是一种线性数据结构，由节点组成，每个节点包含数据和指向下一个节点的指针。链表的插入和删除操作比较高效，但访问元素需要遍历链表。
栈（Stack）：是一种后进先出（LIFO）的数据结构，只允许在栈顶进行插入和删除操作。可以使用栈来实现函数调用、表达式求值等。
队列（Queue）：是一种先进先出（FIFO）的数据结构，允许在队尾插入元素，在队首删除元素。队列常用于任务调度、缓冲区管理等。
树（Tree）：是一种非线性数据结构，由节点和边组成。每个节点可以有零个或多个子节点。树常用于组织层次结构的数据，如文件系统、数据库索引等。
图（Graph）：是一种非线性数据结构，由节点和边组成。节点之间的关系可以是任意的。图常用于表示网络、社交关系等。
哈希表（Hash Table）：是一种根据关键字直接访问数据的数据结构。通过哈希函数将关键字映射到数组中的位置，实现高效的插入、查找和删除操作。
介绍常见的排序算法，如冒泡排序、插入排序、快速排序、归并排序、选择排序

a. 冒泡排序：简单但效率较低的排序算法。冒泡排序重复地比较相邻的两个元素，并交换它们的位置，直到整个数组排序完毕。每一轮比较都会将最大（或最小）的元素“冒泡”到数组的一端，因此称为冒泡排序。时间复杂度为O(n^2)。
b. 插入排序：逐步构建有序序列的排序算法。插入排序将数组分为已排序和未排序两部分，每次将未排序部分的元素插入到已排序部分的合适位置。具体操作时，从未排序部分选择一个元素，依次与已排序部分的元素比较并插入合适的位置。时间复杂度为O(n^2)，但在数据基本有序的情况下，插入排序的效率较高。
c. 快速排序：高效的分治排序算法。快速排序选择一个基准元素，将数组分为比基准元素小的部分和比基准元素大的部分，然后递归地对两个部分进行排序。具体操作时，选择一个元素作为基准，并将其他元素与基准进行比较，将较小的元素放在基准的左边，较大的元素放在基准的右边。然后分别对左右两个部分进行递归排序。快速排序的平均时间复杂度为O(nlogn)，但在最坏情况下可能达到O(n^2)。
d. 归并排序：稳定的排序算法。将数组递归地分成两个子数组，然后将两个子数组合并成一个有序数组。具体操作时，将数组不断地对半分割，直到每个子数组只有一个元素，然后将两个子数组逐个合并，形成一个有序的新数组。归并排序的时间复杂度始终为O(nlogn)，但它需要额外的空间来存储临时数组。
e. 选择排序：简单但效率较低的排序算法。每次在未排序部分中选择最小（或最大）的元素，并将其放到已排序部分的末尾。具体操作时，每一轮选择最小（或最大）的元素，并将其与未排序部分的第一个元素交换位置。时间复杂度为O(n^2)。

介绍常见的查找算法包括线性查找、二分查找、哈希查找

a. 线性查找：简单直接的查找方法，适用于无序数组或列表。从头到尾逐个比较待查找的元素和数组中的每个元素，直到找到目标元素或遍历完整个数组。时间复杂度为O(n)，其中n是数组的大小。
b. 二分查找：

i. 高效的查找算法，但要求待查找的数据有序。
ii. 通过比较中间元素与目标元素的大小关系，将查找范围缩小一半。
iii. 首先取数组的中间元素，如果中间元素等于目标元素，则返回该位置；如果中间元素大于目标元素，则在左半部分继续查找；如果中间元素小于目标元素，则在右半部分继续查找。重复这个过程，直到找到目标元素或查找范围为空。时间复杂度为O(logn)，其中n是数组的大小。

c. 哈希查找：

i. 哈希查找是一种基于哈希表的查找算法。
ii. 将待查找的数据通过哈希函数映射到哈希表中的一个位置，然后在该位置上进行查找。
iii. 如果哈希表中的位置上存在多个元素，可能需要使用其他方法来解决冲突。哈希查找的平均时间复杂度为O(1)，但最坏情况下可能达到O(n)，其中n是元素的数量。