JT518721的博客

一、解答开篇 维护一个有序单链表，越靠近链表尾部的结点是越早之前访问的。当有一个新的数据被访问时，我们从表头开始顺序遍历链表。 ①如果此数据之前已经被缓存在链表中了，我们遍历得到这个数据对应的结点，并将其以原来的位置删除，然后插入到链表的头部； ②如果此数据没有缓存在链表中，又可以分为两种情况： 如果此时缓存未满，则将此结点直接插入到链表的头部； 如果此时缓存已满，则链表尾结点删除，将新的结点插入到链表的头部。 二、链表的种类 单链表：一个头结点，一个尾结点，尾结点指向为null。 循环链表：尾结点的nex

一、解答 计算机随机访问数组元素的寻址公式： a[i]_address=base_address+i*data_type_size 其中 a[i]_address代表数组下标为i的元素的地址，base_address代表数组的首地址，i代表数组下标，data_type_address代表数组元素的类型大小。 我们可以做出如下假设： ①数组元素从1开始：那么我们寻址公式与之对应就是a[i]_address=base_address+(i-1)data_type_size ②数组元素从0开始：那么我们寻址公式与

一、最好情况复杂度（best case time complexity） 在最理想的情况下，执行这段代码的时间复杂度。 二、最坏情况复杂度 在最糟糕的情况下，执行这段代码的时间复杂度。 三、平均情况复杂度（average case time complexity） 用代码在所有情况下执行的次数加权平均值表示。 四、均摊时间复杂度（amortized time complexity） 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时序关系，可以将个别高级别复杂度均摊到低级别

复杂度分析是整个算法学习的精髓，只要掌握了它，数据结构与算法的内容基本上就掌握了一半。 一、为什么要复杂度分析 ①测试结果非常依赖测试的环境； ②测试结果受数据规模的影响很大； ③掌握复杂度分析，将能编写出性能更优的代码，有利于降低系统开发和维护成本。 二、时间复杂度（渐进时间复杂度，表示算法的执行时间与数据规模之间的增长关系）分析 时间复杂度分析法则： ①只关注循环执行次数最多的一段代码； ②加法法则：总复杂度等于量级最大的那段代码的复杂度； ③乘法法则：嵌套的代码的复杂度等于嵌套内外的代码的复杂度的乘积

一、系统地学习数据结构 数据结构概念： 广义：数据结构就是指存储一组数据的结构。算法就是操作数据的一组方法。 狭义：队列、栈、堆、二分查找、动态规划等。 二、总结 数据结构就是为算法而服务的，算法要作用于数据结构之上。 三、学习方法 ①边学边练，适度刷题； ②多问、多思、多互动； ③打怪升级式学习； ④反复迭代，不断沉淀。 四、知识点思维导图 ...