数组和链表

最常用的、最基础的数据结构和算法：

10个数据结构：数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Tire

10个算法：递归、排序、二分查找、搜索树、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法

事半功倍的学习技巧：

1、边学边练，适度刷题

​ 学以致用

2、多问、多思考、多互动

3、打怪升级学习法

​ 在枯燥的学习中，给自己指定合适的目标

4、知识需要时间的沉淀，不会一下掌握所有

​ 相信时间的力量，时间是有复利效应的

一、复杂度分析

为什么要进行复杂度分析？

• 和性能测试相比，复杂度分析有不依赖执行环境、成本低、效率高、易操作、指导性强的特点。

• 掌握复杂度分析，将能编写出性能更优的代码，有利于降低系统开发和维护成本

• 复杂度分析是算法学习的精髓，掌握了它，就能知道算法的执行效率，在工作中得心应手。

时间复杂度：全程是渐进时间复杂度，表示算法的执行时间与数据规模之间的关系。

几种常见的时间复杂度量级：

O(1)<O(logn)<O(√n)<O(n)<O(nlogn)<O(n²)<O(2^n)<O(n!)

1、O(1)

O(1) 指常量级时间复杂度的一种表示方法不是只执行了一行代码。

int i = 8;
int j = 6;
int sum = i+j;

2、O(logn)、O(nlogn)

非常常见也是最难分析的一种时间复杂度。

int i = 1;
while(i <= n){
    i *= 2;
}

分析：

可以看出第三行是执行循环次数最多的，所以可算出这行代码执行了多少次，就能知道这段代码的时间复杂度。

可得出这是一个等比数列：2^x = n ，得出x = log2n ，所以这段代码的时间复杂度是O(nlog2n)

比如：归并排序、快速排序时间复杂度都是O(nlogn)。

复杂度分类：

最好时间情况复杂度、最坏情况时间复杂度、平均情况时间复杂度、均摊时间复杂度

空间复杂度：全程是渐进空间复杂度，表示算法的存储空间与数据规模之间的关系。

二、数组

数组是一种线性数据结构。它用一种连续的内存空间来存储一组有相同类型的数据。

1、线性表

线性表就是数据排成想像一条线一样的结构。每个线性表上的数据最多只有前和后两个方向。

像数组、链表、队列、栈都是线性结构。

2、非线性表

数据之间没有简单的线性关系。比如：二叉树、堆、图等等

数组和链表的区别：数组支持随机访问，根据下标随机访问的时间为O(1);链表插入删除的时间复杂度为O(1)。

三、链表

1、分类：

单链表、双链表、循环链表。其中最常用的是单链表。

2、单链表

结点：链表通过指针将一组零散的内存块串联到一起，其中把内存块称为链表的 结点 。第一个结点称作为 头结点，最后一个结点称作为尾结点。而尾结点特殊的地方是：指针不是指向下一个结点，而是指向一个空地址 NULL，表示这是链表上最后一个结点。

结点的下个指针叫做 后继指针 next。

链表的插入和删除的时间复杂度为O(1)

3、循环链表

循环链表的尾结点指针指向链表的头节点。

4、双向链表

它支持两个方向，每个结点不止有一个后继指针 next 指向后面的结点，还有一个前驱指针 prev 指向前面的结点。

从图可以看出，双向链表需要额外的两个空间来存储后继结点和前驱结点的地址。所以，如果存储同样多的数据，双向链表要比单链表占用更多的内存空间。虽然两个指针比较浪费存储空间，但可以支持双向遍历，这样也带来了双向链表操作的灵活性。

5、空间换时间的思想：

当内存空间充足的时候，如果我们更加追求代码的执行速度，我们就可以选择空间复杂度相对较高、但时间复杂度相对很低的算法或者数据结构。相反，如果内存比较紧缺，比如代码跑在手机或者单片机上，这个时候，就要反过来用时间换空间的设计思路。

所以，对于执行较慢的程序，可以通过消耗更多的内存（空间换时间）来进行优化；而消耗过多内存的程序，可以通过消耗更多的时间（时间换空间）来降低内存的消耗。

6、链表和数组的区别

	数组	链表
插入删除	O(n)	O(1)
随机访问	O(1)	O(n)