2014.1.6

* 对于大型的稀疏图，使用邻接链表，相对于用邻接矩阵表示，可以提高算法效率；

* 通用数据结构：数组，链表，树，哈希表；

  专用数据结构：栈，队列，优先级队列；

  排序：插入排序，希尔排序，快速排序，归并排序，堆排序；

  图：邻接矩阵，邻接表；

  外部存储：顺序存储，索引文件，B-树，哈希方法；

* 请从简单数据结构入手考虑：除非他们明显是太慢了，否则就用数组或链表编写程序，看看结果究竟怎样。如果能在一个可接受的时间内运行完毕，那么就采用他，不必再找别的了。没人会留意用的是数组或别的什么结构，为什么一定要拼命的写出一个平衡树的算法？甚至必须面对成千上万，百万的数据项进行操作时，不妨先看一看数组或链表处理表现的情况，这也还是值得的。只有在实验中发现这些简单结构的性能太慢时，才回头来采用哪些更加复杂的数据结构。

  ——Robert Lafore的实用主义。

* 数组：数据量较小， 数据量的大小事先可预测；

      插入速度重要：使用无序数组；

      查找速度重要：使用有序数组+二分查找；

      数组删除操作总是很慢；

      向量类扩充时，由于要将就得数据拷入一个新的空间中，会造成程序明显的周期性暂停；

* 链表：存储的数据量不能预知，需要频繁的插入删除数据元素，数据量较小；

      查找和删除很慢；

* 二叉搜索树：O（logN）级的插入、查找和删除；遍历为O（N）级；如果可以保证数据是随机进入的，就不需要用平衡二叉树；

* 平衡树：红-黑树，2-3-4树；利用树的商用类可以降低编程的复杂性；

* 哈希表：数据存储结构中速度最快；通常用于拼写检查器和作为计算机语言编译器中的符号表；

      哈希表需要有额外的存储空间，尤其是对于开放定址法，必须预先精确的知道待存储的数据量；

      用链地址法处理冲突的哈希表是最健壮的实现方法；

      哈希表不能提供任何形式的有序遍历；

* 栈、队和优先级队列是抽象数据类型（ADT），可以由数组，链表或堆组成；

* 栈通过数组实现很有效率；

* 队可以通过数组，双端链表实现；用链表实现时必须是双端链表，这样才能从一端插入从另一端删除；如果知道会有多少数据量的话，就用数组；否则就用链表；

* 优先级队列可以通过数组，双端链表和堆实现；速度很重要时，使用堆；

* 排序：先尝试一种较慢但简单的排序，例如插入排序；插入排序显得太慢，尝试希尔排序，很容易实现，并且使用起来不会因为条件不同而性能变化差距太大；

      只有当希尔排序变得很慢时，才应该使用哪些更复杂但是更快速的排序方法：归并排序，堆排序或快速排序；

      归并排序需要辅助存储空间，堆排序需要有一个堆的数据结构，快速排序的时间最短，但是处理非随机性数据时性能不太可靠；对于有可能是非随机性的数据来说，堆排序更加可靠；

* 图：邻接矩阵表示的图的DFS和BFS的时间复杂度为O（V2），V是顶点个数；邻接表表示的图的这两种操作的时间复杂度为O（V+E），E是边的条数；

           最小生成树和最短路径在使用邻接矩阵表示时为O（V2），邻接表为O（（E+V）logV）级；

* 外部存储：块（Block）；为了提高操作速度必须将磁盘的存取速度次数减到最小；

      顺序存储：小量数据；

      索引文件：使用不同种类的关键字来做多种索引，索引文件存储在磁盘上，只有在需要时才复制进内存；缺点是必须先创建索引，需要对文件进行顺序读取，速度很慢；

      B-树：多叉树；O（logN）级，但是编程繁琐；

* 至此，我们到达了对数据结构和算法探索旅程的终点。这个题目很大而且很复杂，没有哪一本书可以让你成为专家，但我们希望本书可以使你学习基础知识更加容易一些。 ——Robert Lafore 《Java数据结构和算法（第二版）》