常用数据结构纵观

从学校开始到现在学习数据结构也有好久了，现在感觉需要总结一下

先总结一下

排序：

冒泡排序：

时间复杂度

平均情况：O(n^2)       最好情况：O（n）      最坏情况：O(n^2)

空间复杂度：O（1）

稳定性：稳定

简单选择排序：

时间复杂度

平均情况：O(n^2)       最好情况：O（n^2）      最坏情况：O(n^2)

空间复杂度：O（1）

稳定性：稳定

直接插入排序：

时间复杂度

平均情况：O(n^2)       最好情况：O（n）      最坏情况：O(n^2)

空间复杂度：O（1）

稳定性：稳定

希尔排序：

时间复杂度

平均情况：O(nlogn)～O(n^2)       最好情况：O（n^1.3）      最坏情况：O(n^2)

空间复杂度：O（1）

稳定性：不稳定

堆排序：

时间复杂度

平均情况：O(nlogn)       最好情况：O（nlogn）      最坏情况：O(nlogn)

空间复杂度：O（1）

稳定性：不稳定

归并排序：

时间复杂度

平均情况：O(nlogn)        最好情况：O(nlogn)       最坏情况：O(nlogn)

空间复杂度：O（n）

稳定性：稳定

快速排序：

时间复杂度

平均情况：O(nlogn)        最好情况：O(nlogn)       最坏情况：O(n^2)

空间复杂度：O(logn) ～ O(n)

稳定性：不稳定 

其中，冒泡  简单选择  直接插入属于简单算法，希尔  堆  归并  快速属于改进算法。希尔排序相当于直接插入排序的升级，它们同属于插入排序类，堆排序相当于简单选择排序的升级，他们同属于选择排序类。而快速排序其实就是冒泡排序的升级，它们都属于交换排序类。

  查找：

顺序表查找：很简单就是从开头找到最后就行了。一般表都是无序的，所以时间复杂度就是O(1) ~ O(n)

有序表查找：

折半查找：mid = (low + high)/2

插值查找： mid = low + (high - low)*(key - a[low])/(a[high] - a[low])

斐波那契查找：mid = low + F[k - 1] - 1 (利用了斐波那契数组的黄金分割原理来实现的。)

三种有序表的查找本质上是分隔点的选择不同，各有各自的应用场合，在实际开发中要根据实际情况而定，但他们的平均时间复杂度均为O(logn)。

线性索引查找

稠密索引

分块索引（块内无序，块间有序）

倒排索引（根据关键字索引）

平衡二叉树：

平衡二叉树是一种二叉排序树，其中每一个节点的左子树和右子树的高度差至多等于1.

二叉排序树：

二叉排序树，又称为二叉查找树。它或者是一颗空树，或者是具有下列性质的二叉树：

     若它的左子树不空，则左子树上所有结点的值均小于它的根节点的值；

     若它的右子树不空，则右子树上所有结点的值均大于它的根节点的值；

它的左右子树也分别为二叉排序树。

平衡二叉树的查找 插入 删除的时间复杂度均为O(logn)

B树用于内存和外存之间的存取而专门设计的。

哈系表的方法实质上就是根据一定的方法去最有可能的地方去找人。比如找学生一定去学校啊，找警察要去警局。常用方法是：

直接定址法

数字分析法

平方取中法

折叠法

除留余数法

随机数法

处理哈系冲突的方法：

开放定址法：发生冲突就去寻找下一个空的散列地址。

再哈系法：需要多准备几个哈系函数。

链地址法：将冲突放在单链表中。

公共溢出区法：将冲突的都放在一个公共的地方。

单链表  循环链表   双向链表

栈  队列  循环队列