数据结构（复习自用篇）

常见数据结构有：数组（Array）、栈（Stack）、队列（Queue）、链表（Linked List）、树（Tree）、图（Graph）、堆（Heap）、散列表/哈希表（Hash）

·数组（Array：数组查询快，增删慢，适用于频繁查询，增删较少的情况）：数组是有序元素的序列，在内存中的分配是连续的，数组会为存储的元素都分配一个索引（自增连续），访问数组中的元素通过索引进行访问，数组索引从0开始访问。

·链表（Linked List：数据量较小，需要频繁增加，删除操作的场景，查询操作相对较少）：链表是由一系列节点Node（也可称元素）组成，数据元素的逻辑顺序是通过链表的指针地址实现，通常情况下，每个节点包含两个部分，一个用于存储元素的内存地址，名叫数据域，另一个则指向下一个相邻节点地址的指针，名叫指针域；根据链表的指向不同分为单向链表、双向链表、循环链表。

缺点：1.查询速度慢，查询需要从头部一直查询到尾部2.链表对于数组多了一个指针域的开销，内存相对占用会比较大

·栈（Stack：先进后出）：是一种特殊的线性表，仅能在线性表的一端进行操作，栈顶允许操作，栈底不允许操作。

·队列（Queue：先进先出）：和栈一样也是线性表，仅能在线性表的一端进行插入，另一端进行删除。

·树（Tree）：由n(n>=1)个有限节点组成一个具有层次关系的集合。

特点：

1. 每个节点有0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仅有一个父节点
4. 除了根节点外，每个子节点可以分为多个不相交的子树
5. 右子树永远比左子树大，读取顺序从左到右

二叉树：每个结点最多有两棵子树

平衡二叉树：

1. 左子树上所有结点的值均小于或等于它的根结点的值
2. 右子树上所有结点的值均大于或等于它的根结点的值
3. 左右子树也分别为二叉排序树

红黑树（为了提高插入和删除操作的一种算法，最坏的时间复杂度：O（logn）：

1. 结点是红色或者黑色
2. 根结点是黑色
3. 所有的叶子结点都是黑色（叶子是NIL结点）
4. 每个红色结点的两个子结点都是黑色（即不可能出现两个相邻的红色结点）
5. 从任一结点到每个叶子的所有路径都包含相同数目的黑色结点

·堆（Heap）： 堆可以看作一颗用数组实现的二叉树，堆根据“堆属性”来排序，其决定了树中节点的位置。n个元素的序列{k1,k2,k3......,kn}满足：kn<=k2n,kn<=k2n+1 或kn>=k2n,kn>=k2n+1,称之为堆，前者为小根堆，后者为大根堆。

堆的特性：如果一个节点的位置为k，那么它的父节点的位置为k/2，它的两个子节点的位置分别为2k和2k+1。根节点最大的堆叫做大根堆或最大堆，根节点最小的堆叫做小根堆或最小堆。

·散列表（哈希表Hash）：根据键和值（key和value）直接进行访问的数据结构，通过key和value来映射集合中的一个位置，这样就可以很快的找到集合中对应的元素。散列表就是把key通过一个固定的算法即哈希函数转换成一个整型数字，然后将该数字对数组长度进行取余，取余结果就当作数组的下标，将value存储在以该数字为下标的数组空间里，这种存储空间可以充分利用数组的查找优势进行查找元素，所以查找的速度很快。

在散列表中，左边是个数组，数组的每个成员包括一个指针，指向一个链表的头部，当然这个链表有可能为空，我们根据元素的一些特征将元素分配到不同的链表当中去，也是根据这些特征，找到相应的链表，再从链表中找到这个元素。

·图（Graph）：图是一系列顶点（元素）的集合，这些顶点通过一系列边连接起来组成图这种数据结构。顶点用圆圈表示，边就是这些圆圈之间的连线，顶点之间通过边连接。

图分为无向图和有向图： 有向图：边连接两个顶点，并且具有方向

无向图：边仅仅连接两个顶点，没有其他含义

·广度优先搜索算法（BFS）：适用于搜索最短路径，浪费空间节省时间先搜索同一级的所有顶点，再搜索下一级顶点

·深度优先搜索算法（DFS）：适用于搜索全部的解，浪费时间节省空间，搜索一条路径上的所有点，再搜索下一条路径。