[001数据结构与算法]-数据结构与算法前瞻

数据结构与算法定义

数据结构

    很容易理解的一个词组，也不需要抽象的定义，我的理解是：
数据（组织/摆放/存储）结构

如，我们有一些整数（3,6,3,2，9）需要存放。
那么可以像撒豆子一样丢出去，落在哪就是哪（表一）。
或者按线性存放一列（表二）。
很明显，这种简单数据第二种方案更节省空间，也方便查找，但也都是合理的数据组织结构。

索引	0	1
0	2	6
1		3
2	3	9

索引	0	1	2	3	4
	3	6	3	2	9

算法

    提供一些方法，用于操作保存的元素

简单来说就是数据保存不是目的，还要能够对它们再进行业务操作，比如提供一些增/删/改/查的方法。
但这个方法没有规范，要与具体业务结合，比如列表也可以只提供增加-查找的方法。

数据结构与算法的关系

    数据结构可以理解为原料，算法才是让数据结构升华变的有意义的东西。
如果只有数据结构，没有算法，那结构编织的再漂亮也无意义；
如果没有数据结构，只有算法，那么。。。这是不可能的。

为啥要学

    如果只是想来编程这行玩个票，随便混几年，那别学了，会用类库提供的
数据结构就够了，平时主要也就是写写业务代码，CRUD。你走吧！

    如果想进阶，那别多说，继续学，反正要学，找理由干啥！

数据结构与算法前瞻

    进入正题了，首先要知道学点啥。

常见数据结构

列表

    很简单，排成一列就妥了！但在此基础上会有一些拓展：

• 数据可以有索引（位置编号，序号，叫啥都行），用于快速找到对应位置数据;
• 数据可以是链在一起的，即每个人知道自己前后是谁（这种叫双向链表），这个时候就不需要编号了，此结构无法快速随机查找某个位置上的元素。但很方便循环，还有增加删除元素。增加的时候只要改一下我后面是谁就可以了；

栈

    栈是个是后进先出的特殊列表，Last In First Out,简称LIFO。可以想象是弹夹，装子弹的时候只能从
上面压子弹，射击的时候也是上面的子弹先被发射出去。在栈的定义中，我们通常把“上面”称作栈顶。

    为什么要有栈，列表不够用，不香吗？

• 栈的效率更高。因为它只从栈顶进出，无需考虑其他位置，肯定效率高，少了查询等操作。
• 在某些业务场景，栈结构的存储更有意义，比如加减乘除的计算，程序调用栈等，后面详解。

队列

    队列是一种与栈相反的结构，先进先出，First In First Out,简称FIFO。其实就是我们平常的排队，谁先来，
谁先办理业务。

哈希表（散列表/Map）

    简单说，就是键值对（Key-Value），可以根据key，找到对应value。这个太有用了，以后细说，这里还有hash算法的问题。

树

    树，就是树！这个结构名称定义的太直观了，树有主干，然后有一些枝杈，在末端有叶子。“树”就是这样。但是！又没这么简单，树其实是个大类。在其扩展上又有以下类目：

• 二叉树
• 平衡二叉树
• 平衡查找树之 AVL 树
• 平衡二叉树之红黑树
• B 树
• B + 树
• B * 树
• Trie 树

太多了，不一一举了，泪目。。。

图

    更复杂的树，简单说，树枝是不相交的。但在图里，这棵“树”的枝又连接在了一起。嗯，很杂乱。稍后再表。

常见算法

    大类无非以下：

• 排序
  • 冒泡排序
  • 选择排序
  • 插入排序
  • 希尔排序
  • 归并排序
  • 快速排序
  • 堆排序
  • 计数排序
  • 桶排序
  • 基数排序
• 查找
  • 顺序查找
  • 二分查找
  • 插值查找
  • 斐波那契查找
  • 分块查找
  • 哈希查找
  • 二叉树查找
  • 平衡树查找
  • 。。。
• 图算法
  • 最短路径
  • 。。。

    其实还有很多，列表和树的排序又不同，算法多种多样，效率不同。先简单列几个，以后一一细表。

学习方法

1. 学习基础数据结构描述，并自行用代码实现
2. 深入学习理解Java中各数据结构的实现
3. 学习算法，探究算法原理，会尽量结合数学
4. 探究算法的应用，包括常见面试题目与结合力扣精典题目
5. 分析算法在实际编码中的可用性

总结

    很庞大的系列题目，边学边写，贵在坚持吧。