02 | 如何抓住重点，系统高效地学习数据结构与算法？

概述本文章向大家介绍02 | 如何抓住重点，系统高效地学习数据结构与算法？，主要包括02 | 如何抓住重点，系统高效地学习数据结构与算法？使用实例、应用技巧、基本知识点总结和需要注意事项，具有一定的参考价值，需要的朋友可以参考一下。

从广义上讲，数据结构就是指一组数据的存储结构。算法就是 *** 作数据的一组方法。

数据结构和算法是相辅相成的。数据结构是为算法服务的，算法要作用在特定的数据结构之上。因此，我们无法孤立数据结构来讲算法，也无法孤立算法来讲数据结构。

因为数据具有随机访问的特点，常用的二分查找算法需要用数据来存储数据。但如果我们选择链表这种数据结构，二分查找算法就无法工作了，因为链表不支持随机访问。

数据结构是静态的，它只是组织数据的一种方式。如果不在它的基础上 *** 作、构建算法、孤立的数据结构就是没用的。

数据结构：

线性表：数组，链表【单链表，双向链表，循环链表，双向循环链表，静态链表】，栈【顺序栈，链式栈】，队列【普通队列，双端队列，阻塞队列，并发队列，阻塞并发队列】；

散列表：散列函数，冲突解决【链表法，开放寻址，其他】，动态扩容，位图；

树：二叉树【平衡二叉树，二叉查找树，平衡二叉查找树【AVL树，红黑树】，完全二叉树，满二叉树】，多路查找树【B树，B+树，2-3树，2-3-4树】，堆【小顶堆，大顶堆，优先级队列，斐波那契堆，二项堆】，其他【树状数组，线段树】。

图：图的存储【邻接矩阵，邻接表】，拓扑排序，最短路径，关键路径，最小生成树，二分图，最大流。

算法：

复杂度分析：空间复杂度，时间复杂度【最好，最坏，平均，均摊】；

基本算法思想：贪心算法，分治算法，动态规划，回溯算法，枚举算法；

排序：O(n^2)【冒泡排序，插入排序，选择排序，希尔排序】，O(nlogn)【归并排序，快速排序，堆排序】，O(n)【技术排序，基数排序，梯排序】；

搜索：深度优先搜索，广度优先搜索，A*启发式搜索；

查找：线性表查找，树结构查找，散列表查找；

字符串匹配：朴素，KMP,Robin-Karp,Boyer-Moore,AC自动机，TrIE,后缀数组

其他：数论，计算几何，概率分析，并查集，拓扑网络，矩阵运算，线性规划。

数据结构和算法解决的是如何更省、更快地存储和处理数据的问题，因此，我们就需要一个考量效率和资源消耗的方法，这就是复杂度分析方法。

主要：

10个数据结构：数组，链表，栈，队列，散列表，二叉树，堆，跳表，图，TrIE树。

10个算法：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，字符串匹配算法。

/*** 当我们要谈一个事物/概念的时候，需要问自己三个终极问题--是什么？为什么？怎么样？

什么是数据结构和算法

数据结构，就是一组数据的存储结构。

算法，就是 *** 作数据的一组方法。

数据结构是为算法服务的，算法要作用在特定的数据结构之上。

为什么需要数据结构和算法

来谈谈应用层面的原因。在计算机科学和互联网迅猛发展下，需要计算的数据量越来越庞大。但是计算机的计算能力是有限的，这么大量的数据计算，需要越来越多的计算机，需要越来越长的计算时间，注重效率的我们需要尽可能的提高计算效率。其中重要的一项，就是使用合适的数据结构和算法。选用合适的数据结构和算法，特别是在处理体量非常庞大的数据的时候，可以极大提高计算效率。那么，第三个问题来了，我们怎么选用合适的数据结构和算法？有什么衡量标准吗？

怎么样衡量数据结构和算法

需要引入一个衡量的标准(metric)---时间复杂度和空间复杂度。

学习数据结构和算法的基石，就是要学会`复杂度分析`。知道怎么去分析复杂度，才能作出正确的判断，在特定的场景下选用合适的正确的算法。而不是盲目的死记烂背，机械 *** 作。****/

总结

以上是内存溢出为你收集整理的02 | 如何抓住重点，系统高效地学习数据结构与算法？全部内容，希望文章能够帮你解决02 | 如何抓住重点，系统高效地学习数据结构与算法？所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。