常用数据结构与算法 (一篇文章带你玩转各种技术)

---

📈 时间 & 空间复杂度

• 🔗 时间复杂度和空间复杂度

---

✏️ 常用数据结构

---

📌 数组 (Array)

• 🎯 特点:
  • 📎 固定大小（在某些实现中）
  • 📎 元素存储在连续的内存位置
  • 📎 通过索引对任何元素进行恒定时间的访问
  • 📎 插入和删除需要线性时间
• 🔗 链接: 数组
• 🔍 结构: 数组的结构是线性的，每个元素都有一个与其关联的索引。

---

📌 链表 (Linked List)

• 🎯 特点:
  • 📎 元素不需要存储在连续的内存位置
  • 📎 每个元素都存储有指向下一个元素的指针
  • 📎 插入和删除操作通常具有恒定的时间复杂度
  • 📎 随机访问较慢，访问链表中的特定元素需要从头开始遍历，直到找到所需的元素。
• ⚡️ 使用:
  • 动态数据：当你不确定数据的数量，并需要经常插入或删除数据时。
  • 不需要随机访问：如果不需要经常进行随机访问，链表可能是一个好选择。
  • 实现高级数据结构：链表常用作其他数据结构，如堆栈和队列的基础。
  • 内存管理：由于链表元素不需要连续的内存，它们是动态数据结构的理想选择，特别是在内存碎片化可能成问题的场景中。
  • 大数据操作：插入和删除大量数据时，链表通常比数组更高效。
• 🔗 链接: 链表
• 🔍 结构: 链表由节点组成，每个节点包含一个数据元素和一个指向下一个节点的指针。

---

📌 栈 (Stack)

• 🎯 特点:
  • 📎 后进先出（LIFO）数据结构
  • 📎 主要操作有推入（push）和弹出（pop）
  • 📎 只能从栈顶访问元素，不能从中间访问。
• 🔗 链接: 栈
• 🔍 结构: 栈可以基于数组或链表来实现。

---

📌 队列 (Queue)

• 🎯 特点:
  • 📎 先进先出（FIFO）数据结构，队列中的元素按照它们被添加的顺序进行检索。
  • 📎 主要操作有入队（enqueue）和出队（dequeue）
  • 📎 从一端（队尾）进入，并从另一端（队头）出来
• ⚡️ 使用:
  • 任务调度: 使用优先级队列来调度任务的执行。
  • 数据流处理: 在多线程环境中，生产者-消费者模型常用队列来传递数据。
  • 并发控制: 使用阻塞队列来控制并发访问数量。
• 🔗 链接: 队列
• 🔍 结构: 队列可以基于数组或链表来实现。

---

📌 二叉树 (Binary Tree)

• 🎯 特点:
  • 📎 有明确的根节点
  • 📎 每个节点最多有两个子节点
  • 📎 用于高效的查找、插入、删除操作。
  • 📎 有许多特殊的子类，如满二叉树、完全二叉树、平衡二叉树等
• 🔗 链接: 二叉树
• 🔍 结构: 由节点组成，每个节点包含一个数据元素，一个指向左子节点的指针和一个指向右子节点的指针。

---

📌 图 (Graph)

• 🎯 特点:
  • 📎 由节点（顶点）和边组成
  • 📎 可以是有向或无向的
  • 📎 可以表示多对多的关系
• 🔗 链接: 图
• 🔍 结构: 图的结构由顶点集合和边集合组成。

---

📌 哈希表 (Hash Table)

• 🎯 特点:
  • 📎 快速的查找、插入和删除 由于直接访问内存位置，常数时间复杂度内可以完成操作。
  • 📎 键值对存储 存储数据的形式为键值对。
  • 📎 冲突处理 当两个键的哈希值相同时，需要一种机制来处理这种冲突，常见的方法有链地址法和开放地址法等。
  • 📎 动态扩容 为了保持操作的效率，当哈希表的装载因子超过一定阈值时，通常需要进行扩容。
• 🔗 链接: 哈希表
• 🔍 结构: 哈希表由一系列的桶或槽组成，每个桶或槽可以存储一个或多个键值对。

---

🚀 常用算法

---

📌 排序算法 (Sorting Algorithm):

• 🎯 特点:
  • 用于重新排列数据集，使其按某种顺序（通常是升序或降序）排列。
  • 常见的排序算法包括冒泡排序、选择排序、插入排序、归并排序、快速排序等。
• 🔗 链接
• 💡 形象理解: 就像整理书架，确保每本书都按照字母顺序或大小排列。

---

📌 搜索算法 (Searching Algorithm):

• 🎯 特点:
  • 用于在数据集中查找特定的元素或满足某些条件的元素。
  • 常见的搜索算法包括线性搜索、二分搜索等。
• 🔗 链接
• 💡 形象理解: 就像在图书馆中查找一本特定的书。

---

📌 递归算法 (Recursive Algorithm):

• 🎯 特点:
  • 通过自身调用来解决问题的算法。
  • 常用于问题可以分解为更小、相似的子问题的情况。
• 🔗 链接
• 💡 形象理解: 就像俄罗斯套娃，每个娃娃都包含一个更小的、类似的娃娃。

---

📌 分治算法 (Divide and Conquer Algorithm):

• 🎯 特点:
  • 将大问题分解为小问题，独立解决小问题，然后组合结果。
  • 递归经常用于实现分治算法。
• 🔗 链接
• 💡 形象理解: 就像拼图，每个小片段都被独立解决，然后所有的片段组合成完整的图片。

---

📌 贪心算法 (Greedy Algorithm):

• 🎯 特点:
  • 在每一步都做出在当前看来最好的选择。
  • 不总是产生最优解，但在某些情况下很有效。
• 🔗 链接
• 💡 形象理解: 就像在超市抢购商品，每次都选择当前最有价值的商品，而不是长远地考虑。

---

📌 动态规划 (Dynamic Programming):

• 🎯 特点:
  • 将问题分解为小问题，并存储小问题的解，以避免重复计算。
  • 用于解决具有重叠子问题和最优子结构的问题。
• 🔗 链接
• 💡 形象理解: 就像爬楼梯，每次决策都基于之前的选择，以最少的步骤到达顶部。

---

📌 图算法 (Graph Algorithm):

• 🎯 特点:
  • 用于处理图数据结构的算法。
  • 常见的图算法包括图的遍历、最短路径、最小生成树等。
• 🔗 链接
• 💡 形象理解: 就像导航系统，帮助你找到从一个地方到另一个地方的最佳路径。

---