点滴路程

将f(m)的结果进行hash保存，在处理f(n)时，现在hash表中查看是否存在该value。本章我不再介绍简单的概念，主要讲解递归算法的优缺点和如何用递归写代码。本节，我们主要介绍了大家熟知的递归算法以及它存在的一些问题：栈溢出，空间复杂度高，函数调用耗时多，以及对应的解决方式。别人能够很快的分析出来，那是人家经过了大量的练习。但是如果你要使用递归处理下面的问题，你可以很快的给出结果吗？这样你才能对一个具体的问题，分析出递归公式以及终止条件。递归说简单也简单，说难也很难。循环，我更喜欢使用递归算法。

对于有向图，如果顶点i到顶点j之间，有一条从i指向j的边，我们就将Array[i][j]置为1；假设图的顶点个数是V，边的个数是E。*对于访问过的顶点，我们不再处理，因为广度优先算法是按层搜索的，即使遇到访问过的顶点，那一定不是最短路径，故可以忽略*空间上的消耗主要是queue，prev,visit三个数组，但它们的长度不会多于V，故空间复杂度是O(V)之前我学习算法图解的时候，我写过一个广度优先算法的程序，只不过当时并没有说明图的概念，完全用数组来实现。比如，图中的A，B，C，D，E,F六个顶点。

建堆的时间复杂度是O(n),排序的时间复杂度是O(nlogn)（实际上应该是logn+log(n-1)+log(n-2)+...+log(1),这里方便，我们记录为O(logn)）。故插入第一个数据的消耗的时间为log1,第二个数据消耗的时间为log2...以此推测，第n个数据消耗时间为logn。堆化的过程，其实也简单，只要循着插入节点，向上对比，进行交换即可。假设每个元素都需要进行插入，那么就是堆化n个元素，堆化的时间复杂度是O(logK),故使用过堆求top K的问题，其时间复杂度是O(nlogk)。

在上图中,A节点就是B节点的父节点，B节点是A节点的子节点。我们把没有父节点的节点称作为根节点，也就是图中的E节点。树的种类有很多，工作中，我们常接触的就是二叉树。我们把根节点存储在下标i=1的位置，那左子节点存储的下标2 * i=2的位置，右子节点存储的下标2 * i+1的位置。其中3号树中，叶子节点在最底下两层，最后一层的叶子节点都是靠左排列，并且除了最后一层，其他层的节点个数达到最大数，这种树称作。二叉查找树要求，在树中任意一个节点，其左子树中的每个节点的值，都要小于这个节点的值。

、

本章我们主要介绍一些散列表相关的概念：散列函数，散列冲突，散列值，关键值，以及散列冲突的解决方式。散列函数设计的好坏决定了散列冲突的概率，也决定了散列表的性能。想要设计一个好的散列表，需要从散列函数，装载因子，散列冲突解决方案着手。关于散列函数，我们不能设计的太复杂，并且尽量使散列值均匀分布，这样尽可能减少散列冲突，即便散列冲突，链表长度也较为均匀。关于装载因子，我们需要设置一个合理的装载因子上限，并在动态扩容的过程中，需要考虑均分搬移数据关于散列冲突解决方案，有开放地址法和链表法。

注意：基数排序对要排序的数据是有要求的，需要可以分割出独立的“位”来比较，而且位之间有递进的关系，如果 a 数据的高位比 b 数据大，那剩下的低位就不用比较了。而且，计数排序只能给非负整数排序，如果要排序的数据是其他类型的，要将其在不改变相对大小的情况下，转化为非负整数。比如 5，8，5，2，9 这样一组数据，使用选择排序算法来排序的话，第一次找到最小元素 2，与第一个 5 交换位置，那第一个 5 和中间的 5 顺序就变了，所以就不稳定了。每个桶内的数据值都是相同的，省掉了桶内排序的时间。

当数组没有频繁的插入删除操作，我们先排序再二分查找，这样也是可以接受的。本章我们开始介绍了二分查找，分析了代码实现，以及一些二分查找的变体。二分查找依赖有序的数组，对于太大或太小的数组都不太适用（太小没必要，太大没有空间）。通过上面代码的实现，我相信大家对二分查找有了一定的了解。但是心细的朋友肯定会发现，这个代码只能确认数组中是否有目标值，若有相同的元素，则不能确定返回第一个。因为当数据量很大时，也就说明需要一个很大的数组，这是一个很高的要求。二分查找的时间复杂度是O(logn)，是一个非常高效的算法。

对一个数据结构进行一组连续操作中，大部分情况下时间复杂度都很低，只有个别情况下时间复杂度比较高，而且这些操作之间存在前后连贯的时序关系，这个时候，我们就可以将这一组操作放在一块儿分析，看是否能将较高时间复杂度那次操作的耗时，平摊到其他那些时间复杂度比较低的操作上。并且在拥有良好的思维习惯之后（学习数据结构和算法的过程非常锻炼自己的思维能力），我相信在写代码的时候，我们会潜移默化的考虑到代码的效率问题（优秀工程师与一般工程师的区别）。最坏情况时间复杂度就是，在最糟糕的情况下，执行这段代码的时间复杂度。

针对作用域和生面周期变化的，我觉得栈可以很好的实现。进入一个函数时，在栈中记录入口（作用域界限），之后进行压栈操作，在该函数内部只能访问界限以内的数据。队列和栈都是抽象的数据结构，是一个操作受限的线性表。今天我们开始学习栈与队列的内容，我觉得栈并不难，所以篇幅也就不会那么多了。在虚拟空间中，栈是用户空间中的一种数据结构，它主要用于保存局部变量。在上面的队列中，当tail等于队列长度时，就需要进行数据搬移。因此栈没有固定的存储形式，比如数据是需要存储地址连续，链表存储地址可以不连续。以及队列大小设置的依据。

据说著名犹太历史学家 Josephus有过以下的故事：在罗马人占领乔塔帕特后，39 个犹太人与Josephus及他的朋友躲到一个洞中，39个犹太人决定宁愿死也不要被敌人抓到，于是决定了一个自杀方式，41个人排成一个圆圈，由第1个人开始报数，每报数到第3人该人就必须自杀，然后再由下一个重新报数，直到所有人都自杀身亡为止。链表是我们工作和面试的中常常会遇到的知识点，只有长时间的练习和思考才能游刃有余。该问题拓展很多，这里我给出的问题，有100个人，每数到3，就剔除，输出剔除顺序。节点，第一次相遇节点分别出发。

比如在一个有序的链表中，我们可以保存上一次查询节点，判断查询值的大小，采取向上还是从下查询的方式。双向链表虽然我们接触的不多，但在项目中，双向链表比单链表使用的更加广泛。其实这就是一个空间换时间的例子，双向链表虽然比单向链表要高效，但是它比单向链表多一个指针变量。因为数组的存储空间是连续的，所以能够很好的适应CPU缓存机制。对于第二种情况，给定一个需要删除节点之后，仅需要将该节点的前节点指向该节点的下一个节点即可。其实第二种情况，是我们经常会遇到的，比如LinkedHashMap容器，就是使用了双向链表。

为了减少搬移数据的次数，我们可以将删除的变量进行标记（已使用或未使用），当内存不足时，再进行释放。我相信代码的错误点，大家肯定是知道的————数组越界访问。我相信对于数组，大家肯定是不陌生，因为数组在大多数的语言中都有，也是大家在编程中常常会接触到的。我们首先要知道linux进程的虚拟内存为4G，并且不同的地址分配着不同的资源。错误的，因为即使是有序的数组，采用二分法。数组的增加和删除是比较低效的操作了。数组的最大优势就是高效的查询。我们知道局部变量是分布在栈中的，根据上面的代码，我们可以开始分析。

时间流逝，在竞争激烈的社会背景下，我们的身处IT行业，不断逼迫自己去学习，去成长。但是总会觉得自己做的还不够。为什么总是赶不上别人的脚步，陷入怀疑自我的处境。朋友们，偶尔回头看看来时路上的自己，你会发现，你一直在成长，你的努力一直是正向反馈着你，不要轻视自己的努力。共勉~