简单数据结构与简单算法

数据结构：数据用什么样的方式组合在一起

数据存储的常用结构有：栈、队列、数组、链表和红黑树

栈

stack，又称堆栈。

栈只有一个出口，且先进后出（想象一下弹夹），只能从出口位置操作元素，不能从中间位置操作。

队列

queue，队列，先进先出。（想象一下火车过山洞）

数组

使用连续的内存来存储、数组中的所有元素都是相同的类型或类型的衍生（同质数据结构）、元素可以通过下标（索引）直接访问

特点是：查询快（有索引），增删慢

指定索引位置增加元素：需要创建一个新数组，将指定新元素存储在指定索引位置，再把原数组元素根据索引，复制到新数组对应索引的位置

链表 LinkedList

单向链表

增删快（把两个节点断开，插入新的节点就可以了），查询慢

链表本身是无序的。

由两部分组成：数据域和指针域,每个结点都有一个指针，每个节点指针的指向都是指向自身结点的下一个结点，最后一个结点的head指向为null,对单链表的操作只能从一端开始，如果需要查找链表中的某一个结点，则需要从头开始进行遍历。

双向链表 doubly-linked-list

对于双向链表来说，它的每个节点要指向“直接前驱”和“直接后继”，所以节点类需要含有两个指针域。指向直接前驱的指针使用pre表示，指向后继的指针使用next表示。双向链表是在单向链表基础上的一个改进，每个节点指向其直接前驱和直接后继节点。因此，从双向链表的任意位置开始，都能访问所有的节点。同时也可以保证元素存入和取出的顺序是一致的。

双向链表从节点的结构上可以看出，双向链表的所需的存储空间大于单向链表。同时，对于插入和删除等操作来说，双向链表的节点操作更加复杂，涉及到节点的前后两个节点。

二叉树 binary tree

二叉树是每个节点最多有两个子树的树结构。顶上的叫根结点，两边被称作“左子树”和“右子树”。

红黑树

红黑树可以通过红色节点和黑色节点尽可能的保证二叉树的平衡，从而来提高效率。

图片上的字实在是太小了，为方便以后好看，在下面写一下吧

• 第二张图

  排序时，查找时
  在二叉树的基础上，元素是有大小顺序的
  左子树元素小，右子树元素大

  平衡树
  它的左右两个子树的高度差的绝对值不超过1，
  并且左右两个子树都是一棵平衡二叉树

• 第三张图左边

  不平衡树

  高度差值大于1

  注意：
  在动态插入过程中如果需要保证树的完美平衡，代价过高
  但是我们又想要保证查询速度快，那么尽量要保证二叉树的平衡

• 第三张图右边

  红黑树

  趋近于平衡树，查询的速度非常快
  查询叶子节点的最大次数和最小次数不能超过2倍

  红黑树的约束：
  1.根节点/空节点是黑色的，其他节点可以是红色的或者黑色的
  2.每个红色节点的子节点都是黑色的
  3.任何一个节点到其每一个叶子节点的所有路径上黑色节点数相同

  通过红黑树的约束
  保证最大路径不超过最小路径的2倍，来尽量保证红黑树的平衡

哈希表

哈希表（hash table，也叫散列表），是根据关键码值（key value）而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫散列函数，存放记录的数组叫散列表。

实际上哈希表就是模拟的数组，只不过数组中的每一个元素又是链表。

在Java中，像HashSet，HashMap等集合的底层数据结构都使用了哈希表，哈希表利用了数组支持按照下标访问的特性，因此散列表类似于一种数组的扩展，在JDK1.8及以后，它由数组＋链表/红黑树构成。

哈希表的优势在于：查询速度快，不需要从头开始差，而只需要通过key的值去定位数据所在的链表（Java集合中的hashmap，hashset底层都是通过这样一个哈希表来实现的）。

数组更利于元素的查找；
链表更利于元素的插入和删除；

希表是由一块地址连续的数组空间构成的，其中每个数组都是一个链表，数组的作用在于快速寻址查找，链表的作用在于快速插入和删除元素，因此，哈希表可以被认为就是链表的数组。

！重点：如何判断新增的两个元素是否重复

比较两个对象的哈希值&&（地址值相同||equals相同）

新增过程：

1. 计算新增元素的哈希值（hashcode）

2. 通过hash%数组长度获取索引值（0-15）

3. 如果该位置为null，则直接新增

   如果该位置不为null，则判断是否重复（equals()）；

   • 如果不重复则新增到该索引值位置链表的最后面

   • 如果重复则不新增

哈希表的扩容：当哈希表被占的位置比较多的时候，出现哈希冲突的概率也就变高了，所以很有必要进行扩容。

newCapacity = oldCapacity+(oldCapcity>>1)

新容量等于旧容量的1.5倍

哈希表的内存结构示意图

在散列表中，不像普通数组，每个格子里存放的是一个单一的数据，而是在每一个格子中存放的是一个链表。如图：

JDK1.8 的哈希冲突解决方案

JDK1.8 中的哈希表是使用链表+红黑树解决哈希冲突。

默认使用单向链表将元素串起来。
每次都是从头节点开始遍历；单向链表比双向链表少一个指针，可以节省内存空间。

在添加元素时，可能会由单向链表转为红黑树来存储元素。
比如当哈希表容量 ≥ 64 且 单向链表的节点数量大于 8 时。

当红黑树节点数量少到一定程度时，又会转为单向链表。

简单算法

二分查找

二分查找（Binary Search）是一种在有序数组中查找特定元素的搜索算法。它的工作原理是通过不断地将搜索范围缩小一半来找到目标元素。具体步骤如下：

首先，从数组的中间元素开始搜索。
如果中间元素正好是要查找的元素，则搜索过程结束。
如果某一特定元素大于中间元素，则在数组的右半部分继续搜索。
如果某一特定元素小于中间元素，则在数组的左半部分继续搜索。
重复以上步骤，直到找到目标元素或者搜索范围为空（即找不到目标元素）。

二分查找的时间复杂度是O(logn)，其中n是要搜索的数组的大小。这是因为每次比较都会将搜索范围缩小一半，因此查找的次数与log2(n)成正比。这种算法在处理大量数据时具有较高的效率。

二分查找的实现可以涉及多种编程语言，例如C#、Java等。代码示例展示了如何在C#中实现二分查找算法。此外，二分查找也被称为折半查找或对数搜索，这些名称都指的是同一种算法，只是在不同的语境或文献中表述不同。

部分内容转载自：
https://www.cnblogs.com/joion/p/13646815.html
https://blog.csdn.net/sheng0113/article/details/122781495
https://juejin.cn/post/6976994044928851975

理解历史人物，就是理解现在的人物。

当年明月