目录
一、时间复杂度（⭐⭐）
O(1）<O(log2n）<O(n）<O(nlog2n）<O(n²）<O(n^3）<O(2^n）<O(n！）
1、递归主方法：（根据公式）
2、经典例题
二、线性结构（⭐⭐⭐）
1、线性表
一、顺序存储结构（常量级=O(1)，只要没说最好、最坏复杂度均取平均复杂度）
顺序存储：（静态存储结构）
- 元素在存储空间的相对位置来表示元素间的逻辑关系
- 优点：可以访问任意指定序号的元素
- 缺点：插入和删除需要移动大量元素
| 顺序表 | 时间复杂度 | 时间复杂度 |
| 插入操作 | 最好：O(1) 最坏：O(n) | 平均：O(n/2)，即O(n) |
| 删除操作 | 最好：O(1) 最坏：O(n) | 平均：O((n-1)/2)，即O(n) |
| 按值查找 | 最好：O(1) 最坏：O(n) | 平均：O(n/2)，即O(n) |
| 按下标查找 | O(1) | O(1) |
二、链式存储结构（链式存储不需要移动元素，仅改变指向就行）
链式存储：静态存储结构
- 数据元素之间的关系需要占用存储空间，存储密度不高
- 优点：插入和删除不需要移动元素
- 缺点：不能随机访问，会造成空间浪费
1、链表删除结点：
- 删除尾结点：时间复杂度O(n)。（需要找到倒数第二个结点，此时复杂度为O(n))
- 删除头结点：时间复杂度O(1)。
- 平均情况：时间复杂度O(n)。
2、链表插入结点：
- 尾部插入结点：时间复杂度O(n)。
- 头部插入结点：时间复杂度O(1)。
- 平均情况：时间复杂度O(n)。
3、链表查找指定值的结点的时间复杂度为O(n)。
三、经典例题
2、栈
1、栈：（先进后出的线性表）
- 只有打印所有元素需要遍历，其余不需要
- 在函数的实现或者递归的调用中需要栈
2、栈的存储结构
- 顺序存储：入栈时需要先判断是否栈满，是否出现溢出
- 链式存储：无头结点，链表的头指针就是栈顶元素
3、栈的应用
- 表达式求值、括号匹配、汉诺塔等。
4、经典例题
1、入队的序列和出队的序列只可能有一种情况。
2、出栈，可能进一个出一个，也可能进完才出，也有可能......，所以可能对应多个序列。
3、队列
1、队列：（先进先出的线性表）
- 入队和出队都不需要移动队列中的其他元素（队尾、对头指针的存在）
- 用循环单链表做队列时，头部有头结点，尾部有尾结点，所以都不需要遍历。
- 若队列的数据规模确定，则采用顺序存储比链式存储的效率更高。
2、循环队列（先看头尾指针，再看长度，二者可能有偏差，以头尾指针为主）
3、经典例题
根据已知的条件，进行数值代入，最终求解。（顺时针）
- +M：防止下溢出
- %M ：防止上溢出
1、入队的序列和出队的序列只可能有一种情况，所以一定相同。
2、出栈，可能进一个出一个，也可能进完才出，也有可能进一半出一半，等等一类的，所以可能对应多个序列。因此并不一定相同，也并不一定互逆。
4、串
1、串：（仅由字符构成的有限序列，是一种线性表）
- 空格也算长度，里面不包含任何字符才是空串(长度为零)
- 子串：串中任意长度的连续字符构成的
- 在串比较、求子串、串连接中都不会改变串的内容，而串替换改变内容，因此在链式存储中最不方便。
2、朴素的模式匹配
- 时间复杂度最好情况O(m)，
- 最坏情况比较(n-m+1)×m次，即O(m*n)
- 平均情况O(n+m)
3、KMP算法
- 前缀：包含第一个字符并且不包含最后一个字符的子串。例：b，bb，bbc，bbca，bbcab（以bbcabem为例）
- 后缀：包含最后一个字符并且不包含第一个字符的子串。例：e，be，abe，cabe，bcabe（以bbcabem为例）
4、求模式串中next[]的值（动下标，字符不动）
| 下标 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 模式串 | a | b | c | a | a | b | b | c | a | b | c |
| next[j] | 0 | 1 | 1 | 1 | 2 | 2 | 3 | 1 | 1 | 2 | 3 |
求解方法
- 1.第一位的next值为0。
- 2.第二位的next值为1后面求解每一位的next值时，根据前一位进行比较。
- 3.第三位的next值:看第二位的模式串为b，对应的next值为1，则将第二位的模式串b与j=1的模式串进行比较，不同，则没有相同的字符串，值为1。
- 4.第四位的next值:看第三位的模式串为c，对应的next值为1，则将第三位的模式串c与j=1的模式串进行比较，不同，则没有相同的字符串，值为1。
- 5.第五位的next值:看第四位的模式串为a，对应的next值为1，则将第四位的模式串a与j=1的模式串进行比较，相同，则第五位的next值为第四位加1，也就是2。
- 6.第六位的next值:看第五位的模式串为a，对应的next值为2，则将第五位的模式串a与j=2的模式串进行比较，不同。继续比较，j=2对应的next值为1，将第五位模式串的a再与j=1的模式串比较，相同，则第六位的next值为第二位的next值再加1，也就是2。
- 7.第七位的next值:看第六位的模式串为b，对应的next值为2，则将第六位的模式串b与j=2的模式串进行比较，相同，则第七位的next值为第六位的nxet值加1，也就是3。
- 8.第八位的next值:看第七位的模式串为b，对应的next值为3，则将第七位的模式串b与j=3的模式串进行比较，不同。继续比较，j=3对应的next值为1，则将第七位的模式与j=1的模式串进行比较，也不同，则没有相同的字符串，值为1。
- 9.第九位的next值:看第八位的模式串为c，对应的next值为1，则将第八位的模式串c与j=1的模式串进行比较，不同，则没有相同的字符串，值为1。
- 10.第10位的next值:看第九位的模式串为a，对应的next值为1，则将第九位的模式串a与j=1的模式串进行比较，相同，则第10位的next值为第九位的next值加1，也就是2。
- 11.第11位的next值:看第10位的模式串为b，对应的next值为2，则将第10位的模式串b与j=2的模式串进行比较，相同，则第11位的next值为第10位的next值加1，也就是3。
5、经典例题
三、数组和矩阵（⭐⭐）
1、数组
1、数组：（a[0]→a数组本身）（特定值代入即可）
- 一维数组：Loc(i)=Loc+(i-1)*L（下标从1开始）
- 二维数组以行为主序（m行n列）：Loc(ij)=Loc+((i-1)*n+(j-1))*L（下标从1开始）
- 二维数组以列为主序（m行n列）：Loc(ij)=Loc+((j-1)*m+(i-1))*L（下标从1开始）
2、经典例题
2、矩阵
1、对称矩阵（特定值代入即可）
- 矩阵中的元素Aij=Aji
2、三对角矩阵：矩阵的上(下)三角(不包括对角线)中的元素均为常数或0。
- 就是只有三条斜对角线，旁边的三角形(都是0)不要，也不需要存储
- 按行存储从(0,0)开始存储：Aij=2i+j+1
- 按行存储从(0,0)开始存储：Aij=2j+i+1
3、稀疏矩阵
- 矩阵很大，存储的东西很少
- 存储方式：三元顺序表和十字链表
4、经典例题
四、树（⭐⭐⭐）
1、树
- 度就是子节点的个数，度为0的结点为叶子结点。
- 树中结点总数=所有节点的度数之和+1
- 一棵树的最大层数记为树的高度，最大的度数记为树的度
- 度为m的树中第i层至多有m^(i-1)个结点
- 高度为h的m次树最多有（m^h-1）/（m-1）个结点
2、二叉树
1、二叉树：每个根节点最多只有两个孩子节点（节点最大的度为2）。
- 二叉树第i层（i>=1）上至多有2^(i-1)个结点。（不能确定最少，可能存在单支树）
- 深度为k的二叉树至多有2^k-1个结点（k>=1）
- 对任何一颗二叉树，n0 = n2+1。(由n=n0+n1+n2、n=e+1、e=2n2+n1推得)（e：分支个数）
- 具有n个节点的完全二叉树深度为（lgn+1）或者（lg(n+1)）
- 有n个结点的二叉树根据卡特兰数可得有
种可能
2、完全二叉树
- 除去最后一层其余都满，结点从左至右依次放置，最后一层不一定满
- 完全二叉树适合采用顺序存储结构，二叉树适合采用链式存储
3、满二叉树
- 每层都是满节点
4、二叉树的存储结构
- 顺序存储需要维护结点和左、右子树的关系，结点为n，左子树则为2n，右子树则为2n+1
- 链式存储有二叉链表和三叉链表，n个结点的二叉树，二叉链表的空指针为n+1，三叉链表的空指针为n+2。
5、二叉树的遍历
- 先序遍历、中序遍历、后序遍历、层次遍历
- 只有先序遍历＋后序遍历不能确定树。
6、经典例题
3、最优二叉树（哈夫曼树）
1、最优二叉树（哈夫曼树）：带权路径长度最短的树
- 左零右一，几位数*几，贪心策略
- 总节点数 == 2n - 1 (n为T中元素的个数)
- 只有度数为2、0 的节点 没有度数为1的节点
2、压缩比
- 压缩比=(等长编码-哈夫曼编码)/等长编码
- 等长编码x：2的x次方>=几个字符，就是几位
- 哈夫曼编码：几位*出现频率
3、经典例题
4、二叉排序树
1、二叉排序树：
- 根节点的关键字大与所有左子树的关键字，小于所有右子树的关键字。
- 同一层的关键字大小从左至右递增
- 中序遍历得到的是有序序列
- 单支树的效率最差
- 若进行均衡化处理，左右子树的高度差不超过1
2、经典例题
5、平衡二叉树
1、平衡二叉树
- 任何一个结点左、右子树高度之差的绝对值不超过1
- 完全二叉树一定是平衡二叉树，但平衡二叉树不一定是完全二叉树。
五、图（⭐⭐）
1、图的遍历
1、图：（线性表和树都是图的一个特例）
- 完全图（每个顶点都和剩余的顶点有一条边）更适合采用邻接矩阵存储
- 若n个顶点，无向完全图共有n(n-1)/2条边，有向完全图共有n(n-1)边。
- 度：顶点的度是指关联该顶点边的数目
- 有向图(无向图)的边数=总度数/2
- 无向连通图：每个顶点都是连通的。（最少有n-1条边，最多n(n-1)/2）
- 有向强连通图：每个顶点都可以来回连通。（最少n边，最多n(n-1)）
- 非零元素个数=无向图的边数×2=有向图的边数
2、存储结构
- 邻接矩阵表示法：顶点之间的关系，适用稠密图存(边多)。
- 邻接链表表示法：适用于稀疏图存(边少)。
3、图的遍历
- 深度优先遍历DFS（栈）：（回溯，不适用于有向图）（时间复杂度：邻接矩阵O(n^2)，邻接表O(n+e)）
- 广度优先遍历BFS（队列）：（时间复杂度：邻接矩阵O(n^2)，邻接表O(n+e)）
4、经典例题
2、最小生成树
1、最小生成树：包含所有顶点的树，有且只有n-1条边，权值最小。
- 普里姆算法(prim)：适用于稠密图，O(n^2)
- 克鲁斯卡尔算法(kruskal)：适用于稀疏图，O(elge)
3、拓扑排序
在有向无环图中，顶点Vi在Vj之前：
- 则可能存在弧<Vi,Vj>，一定不存在<Vi,Vj>
- 则可能存在Vi到Vj的路径，一定不存在Vj到Vi的路径
1、经典例题
六、查找（⭐⭐）
1、静态查找
1、顺序查找：即适用于顺序存储，也适用于链式存储
- 最多比较n次，平均查找（n+1)/2
2、折半查找（二分）：要求顺序存储，元素有序排列（下取整）
- 最多比较lgn+1次，平均查找lg(n+1)-1
3、分块查找
2、动态查找
1、哈希表：（可以动态创建）
- 哈希构造方法:除留取余法，H(key)=key%m=地址，m一般取接近n(n个元素)但不大于n的质数，尽可能使用关键字的所有组成部分都能起作用。
- 冲突：是指关键字不同的元素映射到相同的存储位置。（常见的解决冲突方法：开放地址法、链地址法、再哈希法）
- 冲突是不可避免的，只能尽量的避免。
- 需要比较的个数取决因素:哈希函数、处理冲突的方法、哈希表的装填因子a。（a越小，冲突可能性就越小，反之同理）
2、B-树
3、二叉排序树
4、平衡二叉树
5、经典例题
七、排序（⭐⭐⭐）
| 排序法 | 最好时间 | 平均时间 | 最坏时间 | 空间复杂度 | 稳定度 | 备注 |
| 直接插入排序 | O(n) | O(n^2) | O(n^2) | O(1) | 稳定 | 大部分已排序时较好 |
| 简单选择排序 | O(n^2) | O(n^2) | O(n^2) | O(1) | 不稳定 | n小时较好(最垃圾的) |
| 冒泡排序 | O(n) | O(n^2) | O(n^2) | O(1) | 稳定 | n小时较好 |
| 希尔排序 | —— | O(n^1.25) | —— | O(1) | 不稳定 | 插入排序的优化 |
| 快速排序 | O(nlgn) | O(nlgn) | O(n^2) | O(nlgn) | 不稳定 | 越乱效率越高，有序效率最差 |
| 堆排序 | O(nlgn) | O(nlgn) | O(nlgn) | O(1) | 不稳定 | 时间复杂度均为O(nlogn) |
| 归并排序 | O(nlgn) | O(nlgn) | O(nlgn) | O(n) | 稳定 | 先分再合 |
| 基数排序 | O(d(n+rd)) | O(d(n+rd)) | O(d(n+rd)) | O(rd) | 稳定 | B是真数(0-9)， R是基数(个十百) |
1、快速排序
- 基于分治的算法
- 越乱效率越好O(nlgn)，基本有序时效率最差O(n^2)。空间复杂度O(n)
- 取尾元素和取首元素算法过程基本类似，取中间元素运用了swap()互换
1、经典例题
2、归并排序
- 先分再合
1、经典例题
3、直接插入排序
- 将一个记录插入到已经排好序的有序表中，从而一个新的、记录数增1的有序表。
1、经典例题
4、其他排序
- 1、简单选择排序：每⼀趟在待排序元素中选取关键字最小（或最大）的元素加入有序子序列，n个元素的简单选择排序需要 n-1 趟处理。
- 2、堆排序：堆排序是一种选择排序，它的最坏最好，平均时间复杂度均为O(nlogn)，他也是不稳定排序。（大根堆、小根堆）
- 3、冒泡排序：左到右，相邻元素进行比较，每次比较一轮，就会找到序列中最大的一个或最小的一个。这个数就会从序列的最右边冒出来。
- 4、希尔排序：是对插入排序的优化。
- 5、基数排序：适合于序列中只有0-9的数字，统计每个数的个数
3171
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
