数据结构和算法的学习
提升编程能力，理解当红技术
- 区块链的结构就是一个链表（linked list），每一个区块的指针指向前一个区块。
- 每一个区块内的结构是
二叉树（Binary Tree），Merkle Tree。
《异类-不一样的成功启示录》
一万小时定律
- Chunk it up（切碎知识点）
- Deliberate practicing（刻意练习）
- Feedback（反馈）
| -- Data Structure -- | -- Algorithm -- |
|---|---|
| Array 数组 | Greedy 贪婪算法 |
| Stack 栈/Queue 队列 | Recursion 循环/Backtrace 回溯 |
| Priority Queue 优先队列 | In/Pre/Post-order Traversal 中序/前序/后续遍历 |
| Linked List 链表 | Breadth-first/Depth-first search 广度优先/深度优先搜索 |
| Tree 树/Binary Search Tree 二叉搜索树 | Divide and Conquer 分治法 |
| Hash Table 哈希表 | Dynamic Programming 动态规划 |
| Disjoint Set 并查集 | Binary Search 二分查找 |
| Trie 字典树 | Graph 图形算法 |
| Bloom Filter 布鲁姆过滤 | |
| LRU Cache 本地缓存类 |
- Clarification
- Possible solutions
- compare(time/space)
- optimal（加强）
- Coding（多写）
- Test cases
O(1): Constant Complexity 常数复杂度
O(log n): logarithmic Complexity 对数复杂度
二分查找时间复杂度即为O(log n)
O(n): Linear Complexity 线性复杂度
二叉树的遍历为O(n)，每个节点遍历一次
排序的二维矩阵查找为O(n)，一维O(log n)
O(n^2): N square Complexity 平方
O(n^3): N cube Complexity 立方
O(2^n): Exponential Growth 指数
O(n!): Factorial 阶乘
快排、归并排序 O(n*log n)
内存里一段连续的存储区域 时间复杂度： Access 查询O(1) Insert 插入、Delete 删除操作O(n)，链式复杂度
与数组对比，改善了插入O(1)和删除O(1)操作 查询操作挪指针，O(n)
既有前驱，也有后继指针 时间复杂度同上
Array or Linked List
Array or Doubly Linked List
正常入，按照优先级出
- Heap 堆（Binary 二叉堆，Binomial 多项式堆， Fibonacci 斐波那契堆）
- Binary Search Tree 二叉搜索树（也称有序二叉树ordered，排序二叉树sorted），是指一棵空树或者具有下列性质的二叉树：
- 左子树上所有结点的值均小于它的根节点的值
- 右子树上所有结点的值均大于它的根节点的值
- Recursively，递归的，左、右子树也分别为二叉搜索树
Mini Heap 小顶堆（越小的越靠上）
父亲节点比左右孩子小，最小元素在堆顶
Max Heap 大顶堆 堆的维基百科：需要了解不同堆的复杂度即可，严格斐波拉契堆是效率最好的。 https://en.wikipedia.org/wiki/Heap_(data_structure)
哈希函数映射到哈希表 哈希碰撞常见的解决做法是拉链法
哈希表 时间复杂度O(1) 但是乱序 二叉搜索树 时间复杂度O(log n) 但是有序
链表Linked List是特殊化的树Tree 树Tree是特殊化的图Graph
前序遍历：根左右 中序遍历：左根右 后序遍历：左右根