【极客时间笔记】数据结构与算法：1、课程总览

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接： https://blog.csdn.net/weixin_33602978/article/details/87392638

本文是基于极客时间-算法面试通关40讲的学习笔记

数据结构：

1. Array  ------------------------------------数组
2. Stack/Queue---------------------------栈/队列
3. PriorityQueue(heap)-----------------优先队列（堆）
4. LinkedList(single/double)-----------链表（单向/双向）
5. Tree/Binary Tree----------------------树/二叉树
6. Binary Search Tree-------------------二叉搜索树
7. HashTable ------------------------------哈希表
8. Disjoint Set------------------------------并查集
9. Trie----------------------------------------字典树
10. BloomFilter------------------------------布隆过滤器，简称BF，空间效率很高的随机数据结构
11. LRU Cache------------------------------Least Recently Used，利用Cache告诉缓存的数据结构

算法(时间复杂度)：

1. General Coding--------------------------------------普通编码
2. In-Order/Pre-Order/Post-Order traversal------中序/前序/后序遍历
3. Greedy-------------------------------------------------贪心算法
4. Recursion/Backtrace-------------------------------回数/递归算法
5. Breadth-first Search--------------------------------广度优先算法
6. Depth-first Search-----------------------------------深度优先算法
7. Divide and Conquar--------------------------------分治算法
8. Dynamic Programming----------------------------动态规划
9. Binary Search----------------------------------------二分查找算法
10. Graph--------------------------------------------------图表

了解数据结构和算法之前，需要了解时间复杂度和空间复杂度两个衡量标准

时间复杂度：简而言之就是根据一个变量的值引起程序运行的次数，常见的用for循环去理解，n为常量时，循环次数不变，此时的时间复杂度称之为O(1).

否则，会根据n的递增而递增，被称之为O(n)。

常见的算法时间复杂度由小到大依次为：Ο(1)＜Ο(log2n)＜Ο(n)＜Ο(nlog2n)＜Ο(n2)＜Ο(n3)＜…＜Ο(2n)＜Ο(n!)

空间复杂度：简而言之就是程序运行时占用内存空间的大小变化。

注意：

一个经验规则：其中c是一个常量，如果一个算法的复杂度为c 、 log2n 、n 、 n*log2n ,那么这个算法时间效率比较高 ，如果是2n ,3n ,n!，那么稍微大一些的n就会令这个算法不能动了，居于中间的几个则差强人意。

算法时间复杂度分析是一个很重要的问题，任何一个程序员都应该熟练掌握其概念和基本方法，而且要善于从数学层面上探寻其本质，才能准确理解其内涵。

多个算法结合只需要计算最大的时间复杂度即可！

几种常见的算法时间复杂度：

二分查找---------------O（log n）

二叉树遍历------------O（n）

二维排序算法---------O（n）

归并排序（快速排序）-O（n log n）----------------------适用于n比较大的时候