算法和数据结构的学习路线

算法和数据结构的学习路线

算法的基本知识

很多算法都是基于一个核心思想展开的研究。

例如：快速排序算法的核心思想是 分治法，二叉树的搜索算法的核心思想是 二分法。

学习算法的几种核心思想，并了解不同思想的发挥场景以及限制，才能更好地理解由此泛生出的算法，并且也能在自创算法的时候提供可靠的理论依据。
此外，评价一个算法的好坏的标准有 时间复杂度 和 空间复杂度，这二者都是围绕数据规模（数据量） N 讨论的函数。

当数据规模 N 增大或减小时，时间复杂度或空间复杂度的 增加或减小的速度。
例如： Hash 算法本身是与数据规模 N 的大小无关的，1 条数据、10 条数据、100 条数据，乃至 1000 条数据都不影响 Hash 算法的执行效率，所以 Hash 算法的时间复杂度是 O(1)。

基础数据结构

基本数据结构由 数组 和 链表 构成，其他的数据结构几乎都是这二者的组合应用，了解二者的构成原理、各自的优劣势以及应用场景，才是学习好数据结构的关键。
好的数据结构决定了代码的简易程度，选择对的数据结构既可提升代码的执行效率，又能节省代码量，还能提高代码的可读性，只有巧妙的结合算法与数据结构才能带来最佳的程序性能。

类似 快速排序、堆排序 等等的一些基础算法也是建立在这两种基础数据结构之上的。

进阶数据结构

进阶数据结构由 树型结构 和 图型结构 构成，二者皆可通过 数组 或 链表 实现，且不同的实现方式也有不同的优劣。
树形结构：善于描述数据的层次关系，并且有着卓越的查询性能。
图型结构：擅长描述数据间的属性关系，常用于做知识图谱、人际关系网等。

树形结构根据节点下子分支的数量还分为多种子结构，如 二叉树。
图型结构根据元素的关系分为 有向图 和 无向图。

基于进阶数据结构，也有辅助计算或维护的算法，比如用于维护平衡二叉树结构的红黑树算法。

进阶数据结构的变种

进阶数据结构的变种是指 基于进阶数据结构泛生出的数据结构，属于进阶数据结构的子集。

例如：树形结构的变种有 B树、B+树、B*树 等。

在学完 基础数据结构 和 进阶数据结构 后，可以进一步学习进阶数据结构中的几种常用的变种数据结构，这些数据结构往往是某一类问题场景的解决方案，通过对这些数据结构的学习可以帮你更深刻的理解数据结构。

刷题库

在完成了上面几步的学习之后，刷题库无疑是最快提升算法能力的最佳选择。
题库中绝大多数的算法题都是以解决某一场景为主的，也存在一些基于数据结构的搜索算法题目，并且每一套题都给出了不同编程语言的解题代码和解题思路，这对算法的学习很有帮助。

在线的算法题库有：力扣、牛客网