数据结构与算法

上一章节讲了二分查找和左右边界的查找，其实一些题目是可以使用二分查找的思想来解答的，但是它不会把所有的条件准备好让我们来使用二分查找，这就需要我们自己去创造条件来使用二分查找，下面通过一道题目来具体了

概念 二分查找算法是一种在有序数组中查找某一特定元素的搜索算法。搜索过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜索过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中

vue3的diff算法使用了最长递增子序列，目的是找出最多的不需要移动的节点，以达到节省性能的目的，如果你还不清楚vue3的diff算法，请移步这里 leetcode中类似题目 leetcode中有一

二叉树 226. 翻转二叉树：给你一棵二叉树的根节点 root ，翻转这棵二叉树，并返回其根节点。 思路：通常遇到树结构的题目我们应该首先考虑递归，这道题使用递归就非常简单，只需要交换左右子节点： 使

队列 239. 滑动窗口最大值：给你一个整数数组 nums，有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。 返回滑动

字符串 leetcode14题最长公共前缀：编写一个函数来查找字符串数组中的最长公共前缀。 如果不存在公共前缀，返回空字符串 "" 思路：声明一个变量保存公共前缀，遍历字符串数组中的一个字符串，判断其

概念 动态规划（英语：Dynamic programming，简称DP）是一种在数学、管理科学、计算机科学、经济学和生物信息学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。 动

堆排序 堆排序是利用最大/最小堆来进行排序，如果你还不熟悉堆，请看这里：https://juejin.cn/post/7221142609518428219。具体思路： 首先构建一个最大堆，然后将堆的

归并排序 归并排序的基本思想是将待排序数组分成若干个子数组，然后将相邻的子数组归并成一个有序数组，最后再将这些有序数组归并成一个整体有序的数组。这其实就是分治法，把大问题分解成小问题来解决。 归并排序

排序算法就是研究如何对一个集合进行高效排序的算法，在计算机科学所使用的排序算法通常以以下标准分类： 计算的时间复杂度：使用大O表示法，也就是实际测试消耗的时间 内存使用量：比如外部排序，使用磁盘来存储

由于红黑树的实现过于复杂，这里只介绍一些红黑树的特性及与AVL树的对比 红黑树概念 红黑树是一种自平衡二叉查找树，被称为“对称二叉B树”，它拥有很多特性（可以参照下图）： 符合所有二叉搜索树的基本特性

封装AVL树主体 继承常规二叉搜索树 由于AVL树也是二叉搜索树，所以很多方法是可以继承常规的二叉搜索树的，我们在前面章节已经封装过二叉搜索树，所以这里我们直接继承即可。 由于要使用常规二叉搜索树的插

平衡树 平衡树是一种特殊的二叉搜索树，其目的是通过一些特殊的技巧来维护树的高度平衡，从而保证树的插入、搜索、删除等操作的时间复杂度都较低(趋近O(logn))。 那么为什么二叉搜索树需要平衡呢？因为当

双端队列 双端队列在单向队列的基础上解除了一部分限制：允许在队列的两端添加和删除元素。如此一来它便具有了队列和栈性质，这样方便我们解决一些问题。比如leetcode的239题(以后会在刷队列算法题的章

认识堆结构 堆的本质是一种特殊的树形数据结构，使用完全二叉树来实现。最大堆和最小堆的封装实现。包括上浮、下沉、原地建堆等

图的定义 维基百科这样定义图结构：图（英语：graph）是一种抽象数据类型，用于实现数学中图论的无向图和有向图的概念。 图的数据结构包含一个有限（可能是可变的）的集合作为节点集合，以及一个无序对（对应

维基百科这样解释树结构：树（英语：tree）是一种抽象数据类型（ADT）或是实现这种抽象数据类型的数据结构，用来模拟具有树状结构性质的数据集合。它是由n（n>0）个有限节点组成一个具有层次关系的集合。

哈希表是基于数组来实现的，但是相对于数组，它有着更多的优势： - 它可以提供非常快速的插入、删除、查找操作 - 无论多少数据，插入和删除的时间复杂度都可以达到O(1)

链表和数组都可以存储一系列的数据，我们第一篇有说过，数组有着插入数据效率低、访问数据效率高的特点，而链表正好相反，它有着插入数据效率高、访问数据效率低的特点。 不关注数据结构的前端开发人员可能不熟悉链

队列是一种受限的线性结构，有着先进先出的特性，受限之处在于只允许在队列的前端进行删除操作，在队列的后端进行插入操作 下面基于数组实现一个队列(其实使用链表实现队列性能会更好一点，后续链表章节实现)：