数据结构和算法速记
数据结构
-
数组
结构特征：内存地址连续，大小固定
使用特点：查询快，插入慢
-
链表
结构特征：内存地址不连续，大小可变
使用特点：查询慢，插入快
-
栈
结构特征：顺序栈（基于数组实现，继承数组特征），链式栈（基于链表实现，继承链表特征）
使用特点：先进后出，后进先出
-
队列
结构特征：顺序队列（基于数组实现，继承数组特征），链式队列（基于链表实现，继承链表特征）
使用特点：先进先出，后进后出
-
树
结构特征：每个节点有0个或多个子节点
-
二叉树
结构特征：每个节点最多有两个子节点
-
二叉查找树
结构特征：每个节点最多有两个节点，且左子树的值<根节点的值<右子树的值
使用特点：二叉查找树的查询，插入的时间复杂度都为O(logn)
-
平衡二叉树
结构特征：在二叉查找树的基础上，加了限制条件：每个节点的左子树和右子树高度差最多为1
-
红黑树
比喻：如果说平衡二叉树是一个类的话，红黑树就是这个类的实例
结构特征：任意节点到叶子节点拥有相同数量的黑节点（共有5个特征）
使用特点：红黑树通过变色和自旋来实现自平衡
-
B树
结构特征：每个节点可包含多个子节点，叶子节点位于同一层（每个节点保存索引和数据）
使用用法：B树为磁盘预读设计，其特征相对于二叉树降低了高度，减少IO次数（树的高度等于IO次数）
-
B+树
结构特征：只在叶子节点存储数据，且叶子节点有序排列，通过链指针相连（只有叶子节点保存数据，其他节点都只保存索引，单次IO能加载更多节点）
使用用法：B树解决了磁盘IO问题，而B+树通过数据结构优化和区间访问加快了元素的查找效率
-
算法
查找算法
-
顺序查找
挨个遍历，时间复杂度为O(n)
-
二分查找
折半查找（前提：元素有序排列），时间复杂度为O(logn)
-
插值查找
二分查找的优化版，折半改为自适应
mid= low + (key - a[low]) / (a[high] - a[low]) * (high - low)
平均复杂度为O(log(logn))，最坏情况O(logn)
-
分块查找
思想：将元素按块有序划分，块内无序，块与块之间有序，比如说第一个块的任意一个元素小于第二个块中的任意一个元素
流程：先取出每个块中的最大值构成索引表，然后使用顺序查找或二分查找确定块，然后顺序查找当前块
时间复杂度：O(logn)
-
哈希查找
典型实现：HashMap，使用数组+链表的结构
时间复杂度：在不形成链表的情况下时间复杂度为O(1)，反之时间复杂度为O(n)，1.8中引入红黑树，时间复杂度为O(logn)
-
二叉查找树
时间复杂度为O(logn)，但在树不平衡的情况下可能为O(n)
-
平衡二叉树
时间复杂度为O(logn)，红黑树就是平衡二叉树的一种
排序算法
-
插入排序
直接插入排序和二分查找排序适合小规模且基本有序的数据
希尔排序适合大规模且无序的数据
-
直接插入排序
思想：第2个元素和第1个元素比，第3个元素和前两个元素比（遍历元素，在左侧合适的位置插入）
时间复杂度：平均时间复杂度为O(n2)，当元素有序时时间复杂度为O(n)，遍历一遍就完了
-
二分插入排序
相对于直接插入排序，顺序遍历改为二分查找
时间复杂度：平均时间复杂度为O(n2)，当插入位置总是为最后一个时，不会引起数组的批量移动，时间复杂度为O(logn)
-
希尔排序
思想：在大规模数据情况下，通过分组避免大量的遍历操作
过程：根据增量分组，增量=元素/2(组数，例如8个数分为4组，16个数分为8组)，在组内排序。
然后增量/2，继续分组，在组内排序，继续循环，直到增量为1.
增量序列：{1,2,4,8,...}时间复杂度为O(n2)
{1,5,19,41,109,...}时间复杂度为O(n1.3)
-
-
交换排序
-
冒泡排序
比较相邻的元素，如果第一个比第二个大，元素交换（按照升序排列）第一次循环，最后一个数为最大的数。
对所有的数执行同样的操作，除了最后一个。
时间复杂度：O(n2)
-
快速排序
在数列中选取一个基准数，分区：遍历数列，大的数放右边，小的数放左边。子序列递归操作。
时间复杂度：平均时间复杂度O(nlogn)，如果选择的基准数为最小或最大的数，时间复杂度为O(n2)
-
-
选择排序
-
直接选择排序
两层循环，每次把最小的数移动到头部。
时间复杂度为O(n2)
-
堆排序
最大堆：根节点最大（二叉树）
将数据构成一颗最大堆，每次取顶端的数；然后对剩下的数据进行最大堆重新构造
时间复杂度：O(nlogn)
-
-
归并排序
首先使子序列有序，然后将子序列有序合并，得到完全有序的数列。（递归）
时间复杂度：O(nlogn)
-
计数排序
-
找出最大的数和最小的数
-
统计每个值出现的次数，值为数组下标，次数为数组的值
-
遍历数组，反向填充数组
当元素为n个0~k之间的整数时，时间复杂度为O(n+k)，空间复杂度为O(n+k)
-
-
桶排序
类似HashMap数组+链表的结构，有一个索引函数，然后根据这个函数和输入的值计算数组下标。
发生函数冲突时，在链表中排序。这样每个桶都是有序的，再取出来就好了
时间复杂度：入桶O(n)，桶排序（链表排序）O(logm/n)。一般情况O(nlogm/n)
在不发生冲突的情况下，也就是每个桶刚好一个数的时候，时间复杂度为O(n)
-
基数排序
先个位排序，然后十位排序，依次类推
使用桶排序按照数列的个位入桶，生成一个序列。
将这个序列按照数列的十位入桶，生成一个序列....
时间复杂度：O(n)
