版权声明：转载请注明出处--mosterRan https://blog.csdn.net/qq_35975685/article/details/86524990
数据结构分类
按照存储结构来分
- 线性结构：Array、Stack/Queue、PriorityQueue(heap)、LinkedList（single/double)
- 非线性结构：Tree/Binary Tree、Binary Search Tree、HashTable、DisjointSet并查集、Trie字典树、Bloom Filter、LRU Cache
常见算法
- General Coding 经典算法
- In-order/Pre-order/Post-order traversal 前中后序遍历
- Greedy 贪心算法
- Recursion/Backtrace 回溯/递归
- Depth -first Search 深度优先遍历
- Breadth -first Search 广度优先遍历
- Divide and Conqner 分治算法
- Dynamic Programming 动态规划
- Binary Search 二分查找
- Graph 图
时间复杂度
- O(1) 常数复杂度
- O(logn) 对数复杂度
- O(n) 线性时间复杂度
- O(n^2) 平方
- O(n^3) 立方
- O(2^n) 指数
- O(n!) 阶乘
O(1) < O(n) < O(nlogn) < O(n^2) < O(2^n) < O(n!)
数据量越大，时间复杂度低的，用的时间越少
/**
* 1+2+3+...+n
*/
y = 0
for i = 1 to n:
y = i + y
时间复杂度为O(n) ,然后对其进行优化使用公式
y = n * (n + 1) / 2
时间复杂度为O(1)
斐波那契数列 1 1 2 3 5 8 13 21...n
F(n) = F(n-1) + F(n-2)
def fib(n):
if (n==0 or n==1)
return 1
return fib(n-1) + fib(n-2)
这个的时间复杂度为O(2^n)
对于递归的算法 我们可以 主定理公式 来求解
常见数据结构：
数据结构和算法学习图：
