常用的数据结构

数组 (Array)

概述: 数组是最基本的数据结构之一，它是具有固定大小、同类型数据的集合，所有元素的地址在内存中是连续的，可以通过索引（下标）直接访问每个元素。

操作:

• 访问: 通过索引 O(1)
• 插入: 如果插入到数组末尾，时间复杂度为 O(1)；如果插入到数组中间，需要移动元素，时间复杂度为 O(n)。
• 删除: 如果删除末尾元素，时间复杂度为 O(1)；删除中间元素需要移动元素，时间复杂度为 O(n)。

优缺点:

• 优点: 随机访问快，简单易用。
• 缺点: 插入和删除较慢，大小固定，初始化时需要预留足够的空间。

应用场景:

• 适用于需要频繁访问元素且数组大小固定的场景，例如二维数组表示矩阵，或用于存储少量数据的程序。

链表 (Linked List)

概述: 链表是由一系列节点组成的，每个节点包含数据域和指针域，指针域指向下一个节点。链表不需要连续的内存空间。

操作:

• 访问: 由于链表没有索引，必须从头部开始遍历，时间复杂度为 O(n)。
• 插入: 在链表的任意位置插入只需改变指针，时间复杂度为 O(1)。
• 删除: 删除操作只需修改指针，时间复杂度为 O(1)（但需先找到要删除的节点，O(n)）。

类型:

• 单链表: 每个节点只指向下一个节点。
• 双向链表: 每个节点指向前后两个节点。
• 循环链表: 最后一个节点指向头节点，形成循环。

优缺点:

• 优点: 动态分配内存，插入和删除操作高效。
• 缺点: 随机访问较慢，查找元素需要遍历。

应用场景:

• 适用于需要频繁插入、删除操作的场景，如实现队列、栈、缓存系统等。

栈 (Stack)

概述: 栈是一种线性数据结构，遵循“先进后出”（LIFO）的规则，即最后一个被插入的元素最先被取出。

操作:

• push: 将元素压入栈，O(1)。
• pop: 将栈顶元素弹出，O(1)。
• peek: 获取栈顶元素但不删除它，O(1)。

优缺点:

• 优点: 操作简单，栈的插入和删除操作非常高效。
• 缺点: 只能访问栈顶元素。

应用场景:

• 函数调用栈：管理程序中的递归和函数调用。
• 表达式求值：如中缀转后缀表达式，括号匹配。
• 回溯问题：如深度优先搜索、八皇后问题。

队列 (Queue)

概述: 队列是一种线性结构，遵循“先进先出”（FIFO）的原则。即最先进入队列的元素最先被取出。

操作:

• enqueue: 入队，将元素加入队尾，O(1)。
• dequeue: 出队，移除并返回队首元素，O(1)。

类型:

• 普通队列: 先进先出。
• 双端队列 (Deque): 可以从队首和队尾进行插入和删除操作。
• 优先队列 (Priority Queue): 每个元素有优先级，优先级高的元素先出队。

优缺点:

• 优点: 插入和删除操作高效，时间复杂度为 O(1)。
• 缺点: 只能访问队首和队尾元素，随机访问较慢。

应用场景:

• 广度优先搜索 (BFS)、任务调度系统、CPU 任务排队等。

哈希表 (Hash Table)

概述: 哈希表是一种通过哈希函数将键映射到数组中的一个位置的结构，可以实现快速的查找、插入和删除操作。

操作:

• 插入: O(1) 平均时间复杂度（假设冲突较少）。
• 删除: O(1) 平均时间复杂度。
• 查找: O(1) 平均时间复杂度。

哈希冲突处理:

• 链地址法: 每个数组位置存储一个链表，冲突的元素存入链表中。
• 开放地址法: 在发生冲突时寻找下一个空闲位置。

优缺点:

• 优点: 查找、插入和删除操作非常高效，时间复杂度为 O(1)。
• 缺点: 可能会发生哈希冲突，哈希函数设计不当会影响性能。

应用场景:

• 常用于需要高效查找的场景，如数据库索引、缓存系统、集合等。

树 (Tree)

概述: 树是一种分层的、非线性的数据结构，由节点和边组成，每个节点可以有多个子节点。

二叉树: 每个节点最多有两个子节点（左、右）。

• 二叉搜索树 (BST): 左子节点小于父节点，右子节点大于父节点。
• 平衡二叉树: 保证树的高度平衡，常见的平衡树有 AVL 树、红黑树等。

操作:

• 查找: 在平衡二叉搜索树中，时间复杂度为 O(log n)。
• 插入: O(log n)。
• 删除: O(log n)。

优缺点:

• 优点: 能够快速查找、插入、删除元素。
• 缺点: 实现较为复杂，尤其是平衡操作。

应用场景:

• 文件系统的目录结构、数据检索、排序算法（如堆排序）等。

堆 (Heap)

概述: 堆是一种特殊的完全二叉树，分为最大堆和最小堆。最大堆中每个节点的值大于等于其子节点，最小堆则相反。

操作:

• 插入: O(log n)，新元素插入到堆的最后，调整堆。
• 删除: O(log n)，通常是删除堆顶元素（最大或最小），调整堆。

优缺点:

• 优点: 可以高效地获取最大值或最小值。
• 缺点: 维护堆的结构需要调整元素位置，操作复杂度较高。

应用场景:

• 优先队列、图的最短路径算法（如 Dijkstra）、事件调度系统等。

图 (Graph)

概述: 图是一种由顶点和边组成的非线性数据结构。顶点通过边连接，可以表示复杂的关系。

类型:

• 无向图: 边没有方向。
• 有向图: 边有方向。
• 加权图: 边有权重。

表示方式:

• 邻接矩阵: 使用矩阵表示顶点之间的连接关系。
• 邻接表: 每个顶点存储一个列表，列表中是其直接相邻的顶点。

操作:

• 广度优先搜索 (BFS) 和 深度优先搜索 (DFS) 用于遍历图。
• 最短路径算法: Dijkstra、Floyd-Warshall。
• 最小生成树: Kruskal、Prim 算法。

应用场景:

• 社交网络分析、地图导航、路径规划、网络通信等。

集合 (Set)

概述: 集合是一种无序且不允许重复元素的数据结构。

操作:

• 添加: O(1) 平均时间复杂度。
• 删除: O(1)** 平均时间复杂度。
• 查找: O(1) 平均时间复杂度。

优缺点:

• 优点: 插入、删除、查找操作非常高效。
• 缺点: 没有顺序性，无法通过索引直接访问元素。

应用场景:

• 数据去重：如从一个集合中去除重复元素。
• 集合操作：支持快速的集合运算，如并集、交集、差集，适用于社交网络的好友推荐、文本搜索引擎中的关键词处理等。

字典 (Map)

概述: 字典是一种键值对 (key-value) 数据结构，每个键唯一映射到一个值，支持快速查找、插入、删除操作。

操作:

• 插入/更新: O(1) 平均时间复杂度。
• 删除: O(1) 平均时间复杂度。
• 查找: O(1) 平均时间复杂度。

实现方式:

• 哈希表: 大部分字典使用哈希表实现，键通过哈希函数映射到存储位置。
• 平衡二叉树: 如红黑树，确保键的排序，适用于需要按顺序遍历键的情况。

优缺点:

• 优点: 插入、删除和查找操作非常高效，时间复杂度通常为 O(1)。
• 缺点: 可能会发生哈希冲突，且键不能重复。

应用场景:

• 配置文件存储：使用键值对存储配置信息。
• 数据索引：如数据库的索引结构，缓存系统中的快速查找。
• 缓存机制：如 LRU (Least Recently Used) 缓存实现。