Java 常用数据结构与算法

冷不防 2024-02-20 08:48 21阅读 0赞

### 一、数据结构 ###

> 数据结构是计算机底层存储、组织数据的方式。是指数据相互之间是以什么方式排在一起的.
> 
> 通常情况下，精心选择的数据结构可以带来更高效的运行或者存储效率

#### 1、数据结构分类 ####

*  线性结构： 顺序表、链表、栈和队列、串、数组和广义表。
 *  非线性结构： **集合、树(二叉树)、图**。

#### 2、 常用的数据结构 ####

![6ab9c357c7bc4e07a90ea5fb5bfc9a2a.png][]

### 二、算法 ###

> 算法通常都是由类的方法来实现的。前面的数据结构，比如链表为啥插入、删除快，而查找慢，平衡的二叉树插入、删除、查找都快，这都是实现这些数据结构的算法所造成的。

#### 1、 算法的五个特征 ####

> 1.  有穷性：对于任意一组合法输入值，在执行又穷步骤之后一定能结束，即：算法中的每个步骤都能在有限时间内完成。
> 2.  确定性：在每种情况下所应执行的操作，在算法中都有确切的规定，使算法的执行者或阅读者都能明确其含义及如何执行。并且在任何条件下，算法都只有一条执行路径。
> 3.  可行性：算法中的所有操作都必须足够基本，都可以通过已经实现的基本操作运算有限次实现之。
> 4.  有输入：作为算法加工对象的量值，通常体现在算法当中的一组变量。有些输入量需要在算法执行的过程中输入，而有的算法表面上可以没有输入，实际上已被嵌入算法之中。
> 5.  有输出：它是一组与“输入”有确定关系的量值，是算法进行信息加工后得到的结果，这种确定关系即为算法功能。

#### 2、算法复杂度 ####

> 怎么去衡量不同算法之间的优劣呢？主要还是从算法所占用的**时间**和**空间**两个维度去考量
> 
>  *  时间维度：是指执行当前算法所消耗的时间，通常用**时间复杂度**来描述。
>  *  空间维度：是指执行当前算法需要占用多少内存空间，通常用**空间复杂度**来描述。
> 
> 因此，评价一个算法的效率主要是看它的时间复杂度和空间复杂度情况。然而有时候时间和空间却又是不可兼得的，那么我们就需要从中去取一个平衡点。

#### 2.1 时间复杂度 ####

> 表示执行时间与数据规模之间的关系

> 常见的时间复杂度量级有：(由低到高8个)
> 
>  *  常数阶O(1)
>  *  对数阶O(logN)
>  *  线性阶O(n)
>  *  线性对数阶O(nlogN)
>  *  平方阶O(n²)
>  *  立方阶O(n³)
>  *  K次方阶O(n^k)
>  *  指数阶(2^n)
> 
> 上面从上至下依次的时间复杂度越来越大，执行的效率越来越低。
> 
>  **最好、最坏、平均、均摊时间复杂度**

**1、常数阶O(1)**

int i = 10;
    int j = 20;
    i++;
    j++;
    int num = i + j;

> 执行时，它并不随着某个变量的增长而增长，那么无论这类代码有多长，即使有几万几十万行，1都可以用O(1)来表示它的时间复杂度。

**2、线性阶O(n)**

for (i = 1; i <= n; ++i) {
       k = i;
       k++;
    }

> 执行时，for循环里面的代码会执行n遍，因此它消耗的时间是随着n的变化而变化的，因此这类代码都可以用O(n)来表示它的时间复杂度。

**3. 对数阶O(logN)**

int i = 1;
    while (i < n) {
        i = i * 2;
    }

> 在while循环里面，每次都将i乘以2，乘完之后，i距离n就越来越近了。我们试着求解一下，假设循环x次之后，i就大于2了，此时这个循环就退出了，也就是说2的x次方等于n，那么x = log2n。也就是说当循环log2n次以后，这个代码就结束了。因此这个代码的时间复杂度为：O(logn)。

**4. 线性对数阶O(nlogN)**

for (m = 1; m < n; m++) {
        i = 1;
        while (i < n) {
            i = i * 2;
        }
    }

> 将时间复杂度为O(logn)的代码循环N遍的话，那么它的时间复杂度就是n \* O(logN)，也就是了O(nlogN)。

**5. 平方阶O(n²)**

for (x = 1; i <= n; x++) {
       for (i = 1; i <= n; i++) {
           j = i;
           j++;
        }
    }

> 如果把O(n)的代码再嵌套循环一遍，它的时间复杂度就是O(n²)了。

**6. 立方阶O(n³)、K次方阶O(n^k)**

> 参考上面的O(n²)去理解就好了，O(n³)相当于三层n循环，其它的类似

#### 2.2 空间复杂度 ####

> 表示存储空间与数据规模之间的关系

> 空间复杂度比较常用的有：O(1)、O(n)、O(n²)

### 常用排序算法 ###

![721efb6b9c114c969ac0c8353ba9bd2f.png][]

[6ab9c357c7bc4e07a90ea5fb5bfc9a2a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/20/f4a26b6ea6aa488b9dfdba2e46323e13.png
[721efb6b9c114c969ac0c8353ba9bd2f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/20/b3608e4aeef74b5d91e0dc796746a0bd.png