常见的数据结构
链表
LinkedHashSet LinkedList 底层数据结构由链表和哈希表组成。
数据的添加和删除都较为方便，就是访问比较耗费时间。程序员
数组
ArrayList 访问数据十分简单，而添加和删除数据比较耗工夫web
堆
- 堆是一种图的树形结构，被用于实现“优先队列",优先队列是一种数据结构，能够自由添加数据，但取出数据时要从最小值开始按顺序取出
- 堆的特色：
①堆中的每一个结点最多有两个子结点
②子结点一定大于父结点
③把新数据放在最下面一行靠左的位置。当最下面一行里没有多余空间时，就再往下另起一行，把数据加在这一行的最左端
④若是子结点的数字小于父结点的，就将父结点与其左右两个子结点中较小的一个进行交换
堆中最顶端的数据始终最小，因此不管数据量有多少，取出最小值的时间复杂度都为O（1）
可知树的高度为log2n，那么重构树的时间复杂度便为O（logn）
栈 （LIFO）
略正则表达式
队列 (FIFO)
略算法
哈希表 HashSet
- TreeSet底层数据结构是红黑树
- 哈希函数（Hash）计算key,哈希值除以数组的长度5，求得其他数。这个余数就是key的编号即位置
- 若是发生哈希冲突，就使用链表进行存储（链地址法）给数组设定合适的空间很是重要
除了链地址法之外，还有几种解决冲突的方法。其中，应用较为普遍的是“开放地址法”。这种方法是指当冲突发生时，马上计算出一个候补地址（数组上的位置）并将数据存进去。若是仍然有冲突，便继续计算下一个候补地址，直到有空地址为止。能够经过屡次使用哈希函数或“线性探测法”等方法计算候补地址。
二叉树
- 特色：
①第一个是每一个结点的值均大于其左子树上任意一个结点的值
②是每一个结点的值均小于其右子树上任意一个结点的值
③二叉查找树的最小结点要从顶端开始，往其左下的末端寻找。此处最小值为3。
④二叉查找树的最大结点要从顶端开始，往其右下的末端寻找
添加数据的时候 与顶端数据比较 若是比他小就往左移，左边没有节点了就把插入的数据做为新节点添加到左下方，大于他则往右移（左小右大）
删除数据的时候 若是节点没有子节点 直接删 若是有一个 删了后子节点补上，若是有两个，删掉后从左子树中中找最大的补上数组
比较的次数取决于树的高度。因此若是结点数为n，并且树的形状又较为均衡的话，比较大小和移动的次数最多就是log2n。所以，时间复杂度为O（logn）。可是，若是树的形状朝单侧纵向延伸，树就会变得很高，此时时间复杂度也就变成了O（n）。安全
常见的算法整理
排序
- 冒泡排序
冒泡排序就是重复“从序列右边开始比较相邻两个数字的大小，再根据结果交换两个数字的位置”这一操做的算法。在这个过程当中，数字会像泡泡同样，慢慢从右往左“浮”到序列的顶端，因此这个算法才被称为“冒泡排序”
冒泡排序的时间复杂度为O（n2） - 选择排序
选择排序就是重复“从待排序的数据中寻找最小值，将其与序列最左边的数字进行交换”这一操做的算法。在序列中寻找最小值时使用的是线性查找
每轮中交换数字的次数最多为1次。若是输入数据就是按从小到大的顺序排列的，便不须要进行任何交换。选择排序的时间复杂度也和冒泡排序的同样，都为O（n2）。 - 插入排序
插入排序的思路就是从右侧的未排序区域内取出一个数据，而后将它插入到已排序区域内合适的位置上
时间复杂度和冒泡排序的同样，都为O（n2）。 - 堆排序
首先堆中存储全部的数据，并按降序来构建堆，而后从降序排列的堆中取出数据时会从最大的数据开始取，因此将取出的数据反序输出，排序就完成了。
堆排序的时间复杂度为O（nlogn）。 - 归并排序
归并排序算法会把序列分红长度相同的两个子序列，当没法继续往下分时（也就是每一个子序列中只有一个数据时），就对子序列进行归并。归并指的是把两个排好序的子序列合并成一个有序序列。该操做会一直重复执行，直到全部子序列都归并为一个总体为止。
运行时间复杂度为O（nlogn） - 快速排序
快速排序算法首先会在序列中随机选择一个基准值（pivot），而后将除了基准值之外的数分为“比基准值小的数”和“比基准值大的数”这两个类别。解决子问题的时候会再次使用快速排序，甚至在这个快速排序里仍然要使用快速排序。只有在子问题里只剩一个数字的时候，排序才算完成。
总体的时间复杂度为O（nlogn）。
数组查找
- 线性查找
线性查找须要从头开始不断地按顺序检查数据，所以在数据量大且目标数据靠后，或者目标数据不存在时，比较的次数就会更多，也更为耗时。若数据量为n，线性查找的时间复杂度便为O（n）。 - 二分查找（略）
图的搜索
- 广度优先搜索
广度优先搜索是一种对图进行搜索的算法。假设咱们一开始位于某个顶点（即起点），此时并不知道图的总体结构，而咱们的目的是从起点开始顺着边搜索，直到到达指定顶点（即终点）。在此过程当中每走到一个顶点，就会判断一次它是否为终点。广度优先搜索会优先从离起点近的顶点开始搜索 - 深度优先搜索
深度优先搜索和广度优先搜索同样，都是对图进行搜索的算法，目的也都是从起点开始搜索直到到达指定顶点（终点）。深度优先搜索会沿着一条路径不断往下搜索直到不能再继续为止，而后再折返，开始搜索下一条候补路径。 - 贝尔曼-福特算法（略）
贝尔曼-福特（Bellman-Ford）算法是一种在图中求解最短路径问题的算法 - 狄克斯特拉算法（略）
- A*算法（略）
安全算法
- 共享密钥加密
- 公开密钥加密
- 混合加密
- 迪菲-赫尔曼交换
其余算法
- k-means 算法
- 欧几里得算法
- 素性测试
- 网页排名
- 汉诺塔
【拓展】数据结构
- 图的表示：邻接矩阵和邻接表
遍历算法：深度搜索和广度搜索(必学)
最短路径算法：Floyd，Dijkstra（必学）
最小生成树算法：Prim，Kruskal（必学）
实际经常使用算法：关键路径、拓扑排序（原理与应用）
二分图匹配：配对、匈牙利算法（原理与应用）
拓展：中心性算法、社区发现算法（原理与应用）
2.图仍是比较难的，不过我以为图涉及到的挺多算法都是挺实用的，例如最短路径的计算等，图相关的，我这里仍是建议看书的，能够看《算法第四版》。svg
三、搜索与回溯算法函数
贪心算法（必学） 启发式搜索算法：A*寻路算法（了解） 地图着色算法、N 皇后问题、最优加工顺序 旅行商问题
这方便的只是都是一些算法相关的，我以为若是能够，都学一下。像贪心算法的思想，就必须学的了。建议经过刷题来学习，leetcode 直接专题刷。学习
四、动态规划
树形DP：01背包问题 线性DP：最长公共子序列、最长公共子串 区间DP：矩阵最大值（和以及积） 数位DP：数字游戏 状态压缩DP：旅行商
我以为动态规划是最难的一个算法思想了，记得当初第一次接触动态规划的时候，是看01背包问题的，看了很久都不大懂，懵懵懂懂，后面懂了基本思想，但是作题下不了手，可是看的懂答案。一气之下，再leetcdoe专题连续刷了几十道，才掌握了动态规划的套路，也有了本身的一套模板。不过说实话，动态规划，是考的真他妈多，学习算法、刷题，必定要掌握。这里建议先了解动态规划是什么，以后 leetcode 专题刷，反正就通常上面这几种题型。
五、字符匹配算法
正则表达式 模式匹配：KMP、Boyer-Moore
六、流相关算法
最大流：最短增广路、Dinic 算法 最大流最小割：最大收益问题、方格取数问题 最小费用最大流：最小费用路、消遣
本文分享 CSDN - 爱吃早餐的程序员。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。