数据结构篇 - Java

数据结构篇 - Java

我觉得我这里面的内容还是非常粗浅的，我也没时间深入学咯，先干正事

文章目录
《数据结构（C++语言版）》
《图解算法数据结构》

一、学习路线梳理

1. 基础知识
2. 基本数据结构
   • 向量
   • 列表
   • 栈/队列
   • 二叉树
   • 图
   • 搜索树
3. 高级数据结构
   • 高级搜索树
   • 词典
   • 优先队列
4. 算法
   • 串
   • 排序

二、入门

2.1 复杂度的分析与度量

我认为主要是讲述在某些场景下的数据结构的一个效率问题，主要是从时间复杂度/空间复杂度展开，一般分为最好、最坏以及平均情况

以下摘录《图解算法数据结构》—— Krahets

时间复杂度

根据从小到大排列，常见的算法时间复杂度主要有

O(1) < O(logN) < O(N) < O(NlogN) < O(N2) < O(2N) < O(N!)

简单来说，使用算法进行问题解决的时候，输入的数据量恒定为 N，我们要操作 y 次才能得到我们最终想要的结果

• 最佳情况 Ω(1) ： nums = [7, a, b, c, …] ，即当数组首个数字为 77 时，无论 nums 有多少元素，线性查找的循环次数都为 11 次；
• 最差情况 O(N) ： nums = [a, b, c, …] 且 nums 中所有数字都不为 77 ，此时线性查找会遍历整个数组，循环 NN 次；
• 平均情况 Θ ： 需要考虑输入数据的分布情况，计算所有数据情况下的平均时间复杂度；例如本题目，需要考虑数组长度、数组元素的取值范围等；

空间复杂度

空间复杂度涉及的空间类型有：

• 输入空间： 存储输入数据所需的空间大小；初始数据大小
• 暂存空间： 算法运行过程中，存储所有中间变量和对象等数据所需的空间大小；数据计算时占用空间
• 输出空间： 算法运行返回时，存储输出数据所需的空间大小；最终结果大小

根据从小到大排列，常见的算法空间复杂度有

O(1) < O(logN) < O(N) < O(N2) < O(2N)

复杂度分析

好难啊，我回来再看…

常数

对数

线性

多项式

指数

2.2 递归

简单理解，就是自己调用自己，然后写一个判断作为契机暂停这种递归

1. 线性递归
2. 递归模式
3. 递归消除
4. 二分递归

直接自闭了我靠…

2.3 ADT

抽象数据类型（Abstract Data Type，ADT）

ADT（数学模型）_百度百科 (baidu.com)

我觉得上面的资料对于我来说很难理解，简单描述就是：一个数学模型+这个数学模型上的操作，例如

• 数学模型：HashMap
• 操作方式：get()、put()

用现代编程语言的说法，，定义一个全新的数据类型，第一，需要提供数据存储的方式；第二，需要提供数据的操作方式

三、基本数据结构

非常贴近我们的生活，例如我们乘坐地铁人多时需要排队（队列），一落凳子（栈）等等

3.1 数组

数组：元素的内存地址与下表之间呈连续线性关系，可通过对应下标访问内部元素

 int[] ints = new int[]{
   1, 2, 3};