数据结构

列表（Hash Table），又称哈希表，是一种数据结构，特点是：数据元素的关键字与其存储地址直接相关 例：有一堆数据元素，关键字分别为｛19，14，23，1，68，20，84，27，55，11，10

二叉排序树（BST） 二叉排序树，又称二叉查找树（BST，Binary Search Tree） 一颗二叉树或者是空二叉树，或者是具有如下性质的二叉树： 左子树上所有结点的关键字均小于根结点的关键字；

顺序查找的算法思想 顺序查找，又叫“线性查找”，通常用于线性表 算法思想：从头到脚挨个找 顺序查找的实现 顺序查找的实现（哨兵） 优点：无需判断是否越界，效率更高 顺序查找的优化（对有序表） 用查找判

B树 B树，又称多路平衡查找树，B树中所有结点的孩子个数的最大值称为B树的阶，通常用m表示。一颗m阶B树或为空树，或为满足如下特征的m叉树。 树中每个结点至多有m棵子树，即至多含有m-1个关键字 若根

最小生成树（最小代价树） 对于一个带权连通无向图G=(V,E)，生成树不同，每棵树的权（即树中所有边上的权值之和)也可能不同。设R为G的所有生成树的集合，若T为R中边的权值之和最小的生成树，则T称为G

广度优先遍历（BFS） 树的遍历：不存在“回路”，搜索相邻的结点时，不可能搜到已经访问过的结点 图的遍历：搜索相邻的顶点时，有可能搜到已经访问过的顶点 要点： 找到与一个顶点相邻的所有顶点 标记哪些顶

基本操作 Adjacent(G,x,y):判断图G是否存在边<x,y>或(x,y) Neighbors(G,x):列出图G中与结点x邻接的边 InsertVertex(G,x):在图G中插入顶点x D

邻接矩阵法 无向图 第i个顶点的度=第i行（或第i列）的非零元素个数 有向图 第i个结点的出度=第i行的非零元素个数 第i个结点的入度=第i列的非零元素个数 第i个结点的度=第i行、第i列的非零元素个

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第12天，点击查看活动详情 链表 动态数组有个明显的缺点 可能会造成内存空间的大量浪费 能否用到多少就申请多少内存？ 链表可以办到

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第14天，点击查看活动详情 栈和队列 栈 栈是只允许在一端进行插入或删除操作的线性表 栈的基本操作 InitStack(&S)：初

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第15天，点击查看活动详情 串 子串：串中任意个连续的字符组成的子序列 主串：包含子串的串 字符在主串中的位置：字符在串中的序号

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第13天，点击查看活动详情 快速排序 先这这组数中随便找一个数作为基准数， 先从左往右找，找一个大于基准数的数 在从右往左找，找一

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第16天，点击查看活动详情 二叉搜索树 二叉搜索树（Binary Search Tree）是二叉树的一种，是应用非常广泛的一种二叉

图 G:Graph V:Vertex E:Edge 图G由顶点集V和边集E组成，记为G=(V,E),其中V(G)表示图G中顶点的有限非空集；E(G)表示图G中顶点之间的关系（边）集合。若V={V1,V

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第8天，点击查看活动详情 数据结构概述 数据结构的三要素 逻辑结构 集合：各个元素同属一个集合，别无其他关系 线性结构：数据元素之间

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第10天，点击查看活动详情 线性表 线性表是具有相同数据类型的n（n对于等于0）个数据元素的有限序列，其中n为表长，当n=0时线性

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第11天，点击查看活动详情 二叉树 特点： 每个节点的度最大为2（最多拥有2棵子树） 左子树和右子树是有顺序的 即使某节点只有一颗