一、什么是数据结构？什么是算法？

从广义上讲，数据结构就是指一组数据的存储结构。算法就是操作数据的一组方法。

20 个最常用的、最基础数据结构与算法：

• 10 个数据结构：数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树；

• 10 个算法：递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法。

二、复杂度分析

复杂度分析是整个算法学习的精髓。

大 O 复杂度表示法

所有代码的执行时间 T(n) 与每行代码的执行次数 n 成正比。

其中，T(n) 表示代码执行的时间；n 表示数据规模的大小；f(n) 表示每行代码执行的次数总和；O 表示代码的执行时间 T(n) 与 f(n) 表达式成正比。

时间复杂度分析

大 O 时间复杂度实际上并不具体表示代码真正的执行时间，而是表示代码执行时间随数据规模增长的变化趋势。

空间复杂度分析

空间复杂度分析表示算法的存储空间与数据规模之间的增长关系。

最坏情况时间复杂度

代码在最理想情况下执行的时间复杂度。

最好情况时间复杂度

代码在最坏情况下执行的时间复杂度。

平均时间复杂度

用代码在所有情况下执行的次数的加权平均值表示。

代码在不同情况下复杂度出现量级差别，则用代码所有可能情况下执行次数的加权平均值表示。

均摊时间复杂度

在代码执行的所有复杂度情况中绝大部分是低级别的复杂度，个别情况是高级别复杂度且发生具有时序关系时，可以将个别高级别复杂度均摊到低级别复杂度上。基本上均摊结果就等于低级别复杂度。

两个条件满足时使用：

• 1）代码在绝大多数情况下是低级别复杂度，只有极少数情况是高级别复杂度；

• 2）低级别和高级别复杂度出现具有时序规律。均摊结果一般都等于低级别复杂度。

 “本文转载自 linkedkeeper.com (文／张松然)”