如果大家是因为标题而进来，那我实话告诉你吧，真事！以后我会分享数据结构与算法相关的文章。为什么要学数据结构与算法，我总结了如下几点：
锻炼思维和问题处理能力
提高代码效率
大厂面试必备
情怀（大学没认真学）
基础知识复习
虽然作为一名Java程序员来说，学数据结构与算法的目的不是为了搞学术研究，但是其基础知识和概念还是要过一些的。
逻辑结构：
集合结构
线性结构
树形结构
图形结构
物理结构：
顺序存储结构
链式存储结构
逻辑结构是面向问题的，而物理结构就是面向计算机的，其基本的目标
就是将数据及其逻辑关系存储到计算机的内存中。算法的五个基本特性：
输入
输出
有穷性
确定性
可行性
算法设计的要求：
正确性
可读性
健壮性
时间效率高和存储量低
时间复杂度首先，时间复杂度的计算公式为：T(n)=O(f(n))，这种表示法称为：大O符号表示法。
T(n)表示语句总的执行次数，而n表示问题的规模，因为语句总的执行次数是与问题的规模有关系的，因此它俩可以用函数表示。
首先来看一个例子，来看看我们是如何推导出时间复杂度的。
inti=0;intj=0;while(in){i++;j=i;}这段代码的时间复杂度T(n)=O(n)，为什么呢？
首先第一行代码会被执行1次
第二行代码会被执行1次
第三行代码中的n就是问题的规模
而in会被执行n次
i++会被执行n次
j=i会被执行n次
上述代码一共执行3n+2次，当n无穷大，2可以忽略，其倍数3也可以忽略，因此f(n)=n。常用时间复杂度表执行次数函数阶非正式术语12O(1)常数阶2n+3O(n)线性阶3n2+2n+1O(n2)平方阶5log2n+20O(logn)对数阶2n+3nlog2n+19O(nlogn)nlogn阶6n3+2n2+3n+4O(n3)立方阶2nO(2n)指数阶常用的时间复杂度所耗费的时间从小到大依次是：O(1)O(logn)O(n)O(nlogn)O(n2)O(n3)O(2n)O(n!)O(nn)像O(n3)，过大的n都会使得结果变得不现实。同样指数阶O(2n)和阶乘阶O(n!)等除非是很小的n值，否则哪怕n只是，都是噩梦般的运行时间。另外，还有平均时间复杂度、最坏时间复杂度等概念。
空间复杂度算法空间复杂度S(n)=O(f(n))，其中，n为问题的规模，f(n)为语句关于n所占存储空间的函数。
空间复杂度比较常用的有：O(1)、O(n)、O(n2)。如果算法执行所需要的存储量不随某个变量n的变化而变化，则此算法空间复杂度为一个常量，记为O(1),如下代码所示。inti=1;intj=2;intm=i+j;而下面的代码表示的是一个数组，该数组的长度是随n变化而变化的，因此其空间复杂度为O(n)。
int[]m=newint[n];我们在写代码时，完全可以用空间换取时间。
数组、链表、栈、队列
大家接触到最多的数据结构，就是这四种了吧，所以我觉得没必要讲太多。下面列出数组和链表的关键特性和两者的区别。数组特点：用一块连续的内存存储：空间利用率低，内存要求比较高查询简单，增加和删除困难：从头部插入（后面所有元素向后搬移）和删除（后面所有元素向前搬移）效率低按索引随机访问效率高，为O(1)，从数组首地址向后偏移即可数组的大小是固定的，不能进行动态扩展链表特点：由一系列结点组成，结点可以动态生成
结点包括两部分：数据和指向下一个结点的指针
查询慢，插入删除快
占用不连续空间（不能随机访问，只能从头到尾遍历），空间利用率高
除了单向链表，还有双向链表、单向循环链表、双向循环链表等，这些都是链表的变种，不足为惧。操作数组链表随机访问O(1)O(n)头部插入元素O(n)O(1)头部删除元素O(n)O(1)尾部插入元素O(1)O(1)尾部删除元素O(1)O(1)栈：后进先出，LIFO队列：先进先出，FIFO栈和链表是两种特殊的线性结构，它们可以基于数据和链表实现。栈的应用场景-十进制数转二进制数
十进制数转二进制数的算法：
每次除以2，其余数入栈，商如果为0则结束，不为0则继续除以2，依次类推。
结束后，将栈中元素全部出栈，即为所求的二进制数。
用Java代码实现如下：
StackIntegerstack=newStack();publicvoidten2Two(intx){inta=x/2;intb=x%2;//入栈stack.push(b);if(a!=0){ten2Two(a);}else{//求解结束，所有元素出栈IteratorIntegeriterator=stack.iterator();while(iterator.hasNext()){System.out.print(stack.pop());}}}
关于数据结构与算法的入门知识就讲到这里吧，为什么呢？因为我要赶紧去刷题啦！下一篇文章-树。
预览时标签不可点收录于话题#个上一篇下一篇