数据结构与算法-基础整理

一、两种复杂度

1.时间复杂度

常用数据结构复杂度

  多个复杂度同时存在时，只看最高的复杂度

---

时间复杂度曲线：

感慨： 到 2^n以及n!简直逆天
常用时间复杂度
二分查找：o(logn)
二叉树遍历-前序、中序、后序：o(n)
二叉搜索树遍历-前序、中序、后序：o(logn)
图的时间复杂度：o(n)
DFS、BFS搜索算法：o(n)

---

2.空间复杂度

  如果是数组，一维数组的长度就是空间复杂度o(n)。二维数组的空间复杂度o(n^2)。
  如果是递归,递归的最大深度就是空间复杂度。
  如果是递归里面开了数组，那就取两者最大值。

---

二、两种底层实现

1.数组

数组末尾添加

指定位置添加

2.链表

时间复杂度：
插入、添加、删除:o(n)
查询:o(1)
链表添加节点

链表删除节点

双链表

三、基础数据结构

1.栈

特点：后进先出，添加、删除皆为 O(1)
Java中利用集合操作栈，可以采用LinkedList和Stack
LinkedList是双端队列，采用双链表实现。它同时支持push和pop操作。

2.队列

特点：先进先出，添加、删除皆为 O(1)

Queue源码
区别：
add，remove，element这组抛出异常
offer,poll,peek这组返回值

public interface Queue<E> extends Collection<E> {
    boolean add(E e);//添加
    boolean offer(E e);//添加
    E remove();//移除
    E poll();///移除
    E element();//查看
    E peek();//查看
}

3.双端队列

两端都可以进出的队列，特点：插入和删除都是 O(1) 操作
java集合里面是LinkedList实现

4.跳表

跳表特点：

• 只能用于元素有序 跳表对标的是平衡树和二分查找
• 跳表的插入、删除、搜索的时间复杂度为o(logn)
• 跳表空间复杂度o(n)
• 优势是原理简单、容易实现、方便扩展、效率更高。
• 在热门的项目里面用来替代平衡树，如Redis、LevelDB等。

跳表时间复杂度
假如要寻找8
寻找路径：4->6->7
寻找次数3
㏒2 8=3
时间复杂度为㏒2，即为o(longn)

跳跃表详情

---

5.哈希表

  哈希表（Hashtable），也叫散列表，是根据关键码值（Keyvalue）而直接进行访问的数据结构。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。这个映射函数叫作散列函数（HashFunction），存放记录的数组叫作哈希表（或散列表）。
  常用于缓存、键值对存储

• 在java中的集合中为map和set
• Map：key-value对，key不重复
• Set：不重复元素的集合

HashSet底层用的HashMap

HashSet的add操作底层就是HashMap的put操作

HashMap底层实现和原理
Java集合容器面试题

TreeMap和TreeSet都是采用红黑树实现
时间复杂度

  如果哈希表的size太小或者经常发生哈希碰撞，哈希表就会退化成链表，时间复杂度就变为o(n)了。

---

6.树

为啥会有树？
  单链表的查询时间复杂度为o(n).如果想要加速，那么得进行升维，从一维升维二维。可以变为跳表，时间复杂度为o(logn)。也可以变为树。树就是单链表有多个子节点。

树的遍历
前序：根左右
中序：左根右
后序：左右根
树的遍历代码实现：递归和迭代

二叉搜索树
查询和插入都是o(logn)

二叉搜索树的遍历
  类似二分查找，每次遍历都会筛掉一半的节点，所以时间复杂度
为o(logn)

  最坏情况，二叉搜索树都是单分支，退化成链表，时间复杂度就变为o(n)了。

---

7.图

区别树和图就是看是否有环
  图是由结点的有穷集合V和边的集合E组成。其中，为了与树形结构加以区别，在图结构中常常将结点称为顶点，边是顶点的有序偶对，若两个顶点之间存在一条边，就表示这两个顶点具有相邻关系。

无向无权图

有向无权图

拓扑排序