重学数据结构与算法

发布网友发布时间：2022-12-21 07:49

共1个回答

热心网友时间：2023-10-08 22:22

要去开发某个复杂系统，如何才能围绕系统的复杂性去选择最合适的解决方案呢？一方面是对所用算法的选型，另一方面是对所用数据结构的选型

一直在追语言，学框架，而忽视了数据结构与算法的学习和落地训练，基础知识储备不足，很难顺利做出最优的技术选择，从而导致开发的系统性能、稳定性都存在很多缺陷。

基本功扎实的人潜力会非常大，取得业绩结果只不过是时间问题。

刷题只是形式，更重要的是掌握算法思维和原理，并用以解决实际的编码问题。

总结来说，这门课会从方*、基础知识、真题演练、面试技巧这四个方面

3 用算法思考问题的逻辑和程序设计的重要思想。它们不会改变数据的组织方式，但可以通过巧妙的计算方式降低代码复杂度。常见的方法，如递归、二分法、排序算法、动态规划等，会在这一部分介绍。

4 面试题并非单纯考核人才的工具，更是实际业务问题高度提炼后的缩影，它能反映一个开发者的知识储备和问题解决能力。

成为核心骨干的一个先决条件，就是准确的技术选型和扎实的代码基础，而这最基本的条件是要掌握算法思维和数据结构原理，这是代码开发和优化的方*，是用以解决实际编码问题的精髓所在，也是这门课核心要传达的内容。

复杂度计算：

复杂度通常包括时间复杂度和空间复杂度。时间复杂度与代码的结构设计高度相关；空间复杂度与代码中数据结构的选择高度相关。

一些经验性的结论：

降低时间复杂度的必要性

但在当今的大数据环境下，时间复杂度的优化将会带来巨大的系统收益。而这是优秀工程师必须具备的工程开发基本意识。

通常面试官会追问：“这段代码的时间复杂度或者空间复杂度，是否还有降低的可能性？”

时间昂贵、空间廉价

暴力解法（最原始）

为了降低复杂度，一个直观的思路是：梳理程序，看其流程中是否有无效的计算或者无效的存储。

常用的降低时间复杂度的方法有递归、二分法、排序算法、动态规划等，

而降低空间复杂度的方法，就要围绕数据结构做文章了。

更进一步讲，降低空间复杂度的核心思路就是，能用低复杂度的数据结构能解决问题，就千万不要用高复杂度的数据结构。

数据结构：数据组织方式

以上就是程序优化的最核心的思路，也是这个专栏的整体框架。我们简单梳理如下：

数据操作动作：

常用的分析方法可以参考下面的 3 个步骤：

总结：

什么是线性表？

线性表是 n 个数据元素的有限序列，最常用的是链式表达，通常也叫作线性链表或者链表。在链表中存储的数据元素也叫作结点，一个结点存储的就是一条数据记录。每个结点的结构包括两个部分：

有时候为了弥补单向链表的不足，我们可以对结点的结构进行改造：

链表数据操作：增、删、查

新增：把待插入结点的指针指向原指针的目标，把原来的指针指向待插入的结点。 s.next = p.next; p.next = s;

线性表的价值在于，它对数据的存储方式是按照顺序的存储。当数据的元素个数不确定，且需要经常进行数据的新增和删除时，那么链表会比较合适。链表的翻转、快慢指针的方法，是你必须掌握的内容。

加了*的特殊线性表

移动指针 but 数组越界标识判断数组是否为满，指针像时针一样循环。两种情况指针重叠：数组为满和空

有了头结点后，哪怕队列为空，头结点依然存在，能让 front 指针和 rear 指针依然有意义。避免成为野指针

循环队列必须有一个固定的长度，因此存在存储元素数量和空间的浪费问题，而链式队列不存在这种问题，所以在空间上，链式队列更为灵活一些。可以确定队列长度最大值时，建议使用循环队列。无法确定队列长度时，应考虑使用链式队列。面对数据处理顺序非常敏感的问题时，队列一定是个不错的技术选型。

数据结构：线性表（栈、队列）、数组