数据结构

时间复杂度：

在规模为 n 的所有输入中，选择执行时间最长者作为 T（n），并以 T（n）度量该算法的时间复杂度

 将 T（n）定义为算法执行基本操作的总次数，即 T（n）决定于组成算法的所有语句各自的执行次数，及其中所含基本操作的数目

空间复杂度：

算法所需要的存储空间的大小，一般不对其专门考察，因为任何一个算法的任何一次运算过程中消耗的存储空间，都不会多于其间所执行基本操作的累计次数，所以时间复杂度是空间复杂度的天然上界

常数时间复杂度，对数时间复杂度，线性时间复杂度，多项式时间复杂度等

数组到容器：

数组的读取、修改等基本操作可以在常数时间内完成，只要从数组所在空间的起始地址A出发，即可根据每一元素的编号，经过一次乘法运算和一次加法运算，获得访问元素的物理地址。

将数组结构做一般性推广就是容器（vector），经过这个抽象后，不在限定同一容器中的各元素都属于同一基本类型，他们本身是来自于更一般性的某一类对象，各元素也不见得同时具有某种数值属性，故而并不保证他们可以比较大小

不在需要的向量应该借助析构函数及时清理，以释放其占用的系统资源，同一对象只能有一个析构函数，不能重载

动态空间管理，执行 insert 操作前都是检查空间是否够，如果不够，就重新申请一个大空间，将元素搬过去。同理，容器缩容一样

size()和get()等静态操作可以在常数时间内完成，insert()和remove()等动态操作需要线性时间

列表：

列表和容器一样同属序列结构的范畴，其中元素也构成一个线性逻辑次序，但元素的物理地址是可以任意的，列表逻辑上是前驱和后继的关系

使用动态存储策略，可以大大降低动态操作的成本，但静态操作的成本增大

列表是链表结构的一般化推广，其中的元素称作节点

二叉树：

节点的孩子总数叫做度，无孩子的节点称为叶节点，包括根在内的其余节点称为内部节点

节点所有的后代及其之间的联边称为子树

二叉树每个节点的度不超过2

不含一度节点的二叉树称为真二叉树

满二叉树，所有层的节点数都达到最大

完全二叉树，除了最后一层，其他层节点数都是满的，最后一层如果不满，所有的节点都在左边

完全二叉树度为 1 的节点个数是 0 或者 1 

度为 0 的节点个数等于度为 2 的节点个数加 1

二叉树的所有节点 N = N0+N1+N2  ，度为 0,1 2 的节点数之和，或者 N = N1 +2N2+1 

二叉树的遍历 

中序遍历（左根右）

先序遍历（根左右）

后序遍历（左右根）

已知先序遍历和中序遍历，可以唯一知道二叉树

已知后序遍历和中序遍历，可以唯一知道二叉树

已知后序遍历和先序遍历，不可以唯一知道二叉树

根据先序遍历确定根节点，然后再其他顺序中确定左右子树，递归下去

二叉排序树

二叉排序树 (BST) 是一棵具有下列性质的二叉树。

• 若它的左子树不空，则左子树上所有结点的值均小于它的根结构的值
• 若它的右子树不空，则右子树上所有结点的值均大于它的根结构的值
• 它的左子树和右子树都是二叉排序树

哈夫曼树

哈夫曼树也叫做最优二叉树

在权为 w1,w2,w3,...,wn 的 n 个叶子节点的所有二叉树中，带权路径长度 WPL 最小的二叉树称为赫夫曼或最优二叉树

树的带权路径就是树中所有的叶子节点的路径长度。

哈夫曼树的构造（哈夫曼算法）