Vect__的博客

堆是一种用数组存储的完全二叉树结构，父节点与子节点保持固定大小关系（大根堆父节点≥子节点，小根堆父节点≤子节点）。堆在动态获取最大/最小值场景中高效，插入和删除操作时间复杂度为O(log n)。堆的核心操作包括：查看堆顶(O(1))、元素入堆(向上调整)、堆顶出堆(交换后向下调整)和批量建堆(从非叶子节点开始向下调整)。堆通过父子节点下标公式实现快速访问，无需指针存储，具有内存连续性和高效性。文章详细介绍了堆的实现原理和Go语言代码示例，包括Push、Pop、建堆等关键操作。

本文介绍了两种快速排序的实现方法：对撞双指针法和三指针划分法。两种方法的核心思想都是通过选取基准值(key)来划分区间，递归处理子区间。对撞双指针法使用i和j指针从两端向中间扫描交换元素；三指针划分法则通过i、l、r三个指针将数组分为小于、等于和大于key的三部分。文章分析了时间复杂度，良好情况下为O(nlogn)，最坏情况下退化为O(n²)。最后提出通过随机选取基准值来优化性能，并强调快排的本质是通过分治策略将复杂问题分解为子问题来解决。

摘要：AVL树是一种自平衡二叉搜索树，通过平衡因子（右子树高度-左子树高度）确保每个节点平衡因子的绝对值≤1。当插入或删除导致树失衡（平衡因子为±2）时，通过旋转操作（右旋、左旋等）恢复平衡。文章详细分析了AVL树的结构定义、插入逻辑以及旋转操作（以右旋为例），展示了如何通过调整子树高度保持高效操作性能，解决普通二叉搜索树退化为链表的问题，实现O(logn)的时间复杂度。

本文介绍了二叉搜索树的基本概念和操作实现。二叉搜索树满足左子树节点值小于根节点值，右子树节点值大于根节点值的特性。文章详细讲解了查找、插入和删除三种核心操作：查找采用二分思想，时间复杂度为O(logn)；插入需找到合适位置并保持树结构；删除则根据节点子节点数量分为三种情况处理，重点阐释了删除有两个子节点时的替换策略。通过C++代码示例展示了二叉搜索树类的具体实现方法，包括节点结构定义和各类操作的算法流程。

从底层到实战，图文并茂详解八大排序算法

本文聚焦 “二叉树实战”，系统覆盖从基础到应用全流程。先铺垫树的基础概念（节点度、层次等）及特殊二叉树（满、完全二叉树）特性；再用 C++ 模板实现二叉树节点结构体与类，手搓1-2-3/4-5-6示例树，展示内存组织逻辑。核心解析遍历技术：前中后序递归遍历（根左右 / 左根右 / 左右根）的 “递 - 归” 思想，及层序遍历的队列应用；实战含 LeetCode 题解（单值、相同树、对称树、子树）与常用接口（最大深度、节点总数、k 层节点数、值查找）。

本文系统介绍了树和堆的数据结构及其核心原理。主要内容包括：1）树的基本概念与术语，如节点度、层次、深度等；2）二叉树的定义与特殊类型（满二叉树、完全二叉树）；3）堆的本质是完全二叉树，分为大顶堆和小顶堆；4）堆的底层实现依赖动态数组和两个核心操作：向上调整（用于插入元素）和向下调整（用于删除堆顶），通过索引关系高效维护堆结构；5）介绍了两种建堆方法的时间复杂度差异。文章通过图示和代码示例详细说明了堆的调整过程，为理解优先队列等高级数据结构奠定了基础。

本文介绍了两种经典数据结构——栈和队列的底层实现与特性。栈采用后进先出（LIFO）原则，可通过动态数组或链表实现，支持压栈、出栈等高效操作，常用于函数调用、撤销操作等场景。队列遵循先进先出（FIFO）原则，但数组实现会面临"假溢出"问题。为此，文中提出循环队列的解决方案，通过首尾相连提高空间利用率。文章通过C++代码展示了栈和队列的具体实现，并探讨了它们在实际应用中的价值，体现了数据结构从简单到优化的演进过程。

思路：创建一个哨兵位指向head，创建一个cur临时指针，遍历链表，遇到等于val的节点跳过即可，最后返回即链表的头节点创建一个哨兵位就避免了讨论head是否为空。

上一章的顺序表底层是数组，封装了增删查改的功能接口成为了顺序表。存储顺序表的空间是连续的，顺序表非常大时，内存可能无法提供这么大的连续空间，由此，链表就被创造了。在一个复杂的系统中，空闲的内存空间散落在内存各处，而链表通过指针很好的链接起了各个分散的内存空间。如图：内存空间分配并不连续，但是指针称为维系各个空间的桥梁。

刚入门C++数据结构的你，是不是也遇到过这些头疼的问题？想实现一个能灵活存数据的顺序表，却卡在类结构设计上，不知道该用哪些成员变量；好不容易写了插入、删除接口，却总出现数组越界、数据覆盖的 bug；甚至还没搞懂动态扩容的原理，程序就因为内存泄漏崩溃了……

时间复杂度分析统计的不是算法运行的时间，运行时间和平台环境也有着很大的关系，这个不是我们能控制的，所以，我们。还有个有趣的知识，假设中国十四亿人口，每个人的省份证号按序排列，找一个人最多需要找多少次？常数阶 < 对数阶 < 线性阶 < 线性对数阶 < 平方阶 < 指数阶 < 阶乘阶。和指数阶相反，对数阶反映“每轮缩减到一半”。平方阶通常出现在嵌套循环中，内外层循环都为。，函数运行时所要的栈帧空间在编译期间已经确定好了，因此。，我们举个例子看一下，假设输入数据大小为。，每轮缩减到原来的一般，循环次数是。