数据结构与算法简介
常见的数据结构与算法
一.数组结构：数组、链表、队列、栈、散列表、二叉树、堆、跳表、图、Trie树
二.算法思想：递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配
复杂度分析
时间复杂度
全称是渐进时间复杂度，表示算法的执行时间与数据规模之间的增长关系。
三点原则：
1. 只关注循环执行次数最多的一段代码
大 O 这种复杂度表示方法只是表示一种变化趋势。我们通常会忽略掉公式中的常量、低阶、系数，只需要记录一个最大阶的量级就可以了。所以，我们在分析一个算法、一段代码的时间复杂度的时候，也只关注循环执行次数最多的那一段代码就可以了。
2. 加法法则：总复杂度等于量级最大的那段代码的复杂度
3. 乘法法则：嵌套代码的复杂度等于嵌套内外代码复杂度的乘积`
与加法法则不同，有嵌套的情况，复杂度应为乘积。
常见的时间复杂度有以下几种：
1）常量阶：O(1)
2）对数阶：O(logn)
3）线性阶：O(n)
4）线性对数阶：O(nlogn)
5）平方阶：O(n ^ 2)
6）指数阶：O(2 ^ n)
7）阶乘阶：O(n!)
其中，1）-5）为多项式量级；6）、7）为非多项式量级，所对应的算法问题被称为非确定多项式问题（NP 问题，Non-Deterministic Polynomial）。
空间复杂度
全称就是渐进空间复杂度（asymptotic space complexity），表示算法的存储空间与数据规模之间的增长关系。
空间复杂度较时间复杂度来说要简单得多，只看要分析的代码分配了占用多少空间的变量即可，常见的空间复杂度就是 O(1)、O(n)、O(n2 )，对数阶的复杂度平时很少见
大O符号中指定的算法的增长顺序
思维导图
