「 数据结构与算法 」如何系统性的学习数据结构与算法

一. 确定学习目标

• 知道有哪些常用的数据结构和算法

• 能够写出高性能的底层轮子

• 知道如何进行复杂度分析、性能分析

• 通过不断训练，具备“算法思维”，提高分析和解决实际问题的能力

• 能够自如地应付大厂面试

二. 制定学习路线

（1）入门

• 知道数据结构和算法是什么

• 复杂度分析和大 O 表示法

• 稳定性

（2）基础

• 结合具体的示例，学习各种常用的数据结构和算法

• 知道各常用数据结构的优缺点

• 知道分析各常用算法的复杂度

（3）进阶、高级

• 不太常用的、比较高级的数据结构和算法，比如红黑树等

（4）实战

• 研究各经典开源项目中数据结构和算法的使用

三. 明确学习要点

• 不要死记硬背算法实现，你应该试着去理解不同的数据结构、算法的原理是什么，它们是怎么来的，是如何解决不同的问题的

• 分析时间和空间复杂度，知道各个算法和数据结构的优点、缺点是什么，以及适用于解决什么问题，什么情况下更适合采用哪种算法和数据结构

• 算法思想才是更重要的，比如：分而治之、动态规划、贪婪算法等，学习算法思想可以帮你更好地理解算法之间的快慢差异，并学会在算法对时间和空间的使用上做出平衡

• 尝试把数据结构图形化，视觉化

• 一定要自己动手实现一遍

• 学到的知识需要时间慢慢消化、沉淀，不要试图一下子就全部掌握，学习本身就是反复迭代和不断思考的过程。如果学习过程中遇到挫败感，想想“书读百遍其义自见”这句话，可以先跳过这部分理解不了的，后面回过头再学习

学习重点(学什么)

想要学习数据结构与算法，最重要的概念是---复杂度分析，必须熟练拿下，否则数据结构与算法等于没学； 我们在学习数据结构的时候都有哪些内容：

链表

• 链表

• 双向链表

哈希表/散列表 (Hash Table)

• 散列函数

• 碰撞解决

字符串算法

• 排序

• 查找

• BF 算法

• KMP 算法

• BM 算法

• 正则表达式

• 数据压缩

树

• 二叉树

• 二叉查找树

• 伸展树(splay tree 分裂树)

• 平衡二叉树 AVL

• 红黑树

• B 树,B+,B*

• R 树

• Trie 树(前缀树)

• 后缀树

• 最优二叉树(赫夫曼树)

• 二叉堆 （大根堆，小根堆）

• 二项树

• 二项堆

• 斐波那契堆(Fibonacci Heap)

图的算法

• 图的存储结构和基本操作（建立，遍历，删除节点，添加节点）

• 最小生成树

• 拓扑排序

• 关键路径

• 最短路径: Floyd,Dijkstra,bellman-ford,spfa

排序算法

交换排序算法

• 冒泡排序

• 插入排序

• 选择排序

• 希尔排序

• 快排

• 归并排序

• 堆排序

线性排序算法

• 桶排序

查找算法

• 顺序表查找：顺序查找

• 有序表查找：二分查找

• 分块查找： 块内无序，块之间有序；可以先二分查找定位到块，然后再到块中顺序查找

• 动态查找: 二叉排序树，AVL 树，B- ，B+ （这里之所以叫 动态查找表，是因为表结构是查找的过程中动态生成的）

• 哈希表： O(1)

15 个经典基础算法

• Hash

• 快速排序

• 快递选择 SELECT

• BFS/DFS （广度/深度优先遍历）

• 红黑树 （一种自平衡的二叉查找树）

• KMP 字符串匹配算法

• DP (动态规划 dynamic programming)

• A*寻路算法： 求解最短路径

• Dijkstra：最短路径算法 （八卦下：Dijkstra 是荷兰的计算机科学家,提出”信号量和 PV 原语“,"解决哲学家就餐问题",”死锁“也是它提出来的）

• 遗传算法

• 启发式搜索

• 图像特征提取之 SIFT 算法

• 傅立叶变换

• SPFA(shortest path faster algorithm) 单元最短路径算法

海量数据处理

• Hash 映射/分而治之

• Bitmap

• Bloom filter(布隆过滤器)

• Trie 树

• 数据库索引

• 倒排索引(Inverted Index)

• 双层桶划分

• 外排序

• simhash 算法

• 分布处理之 Mapreduce

算法设计思想

• 迭代法

• 穷举搜索法

• 递推法

• 动态规划

• 贪心算法

• 回溯

• 分治算法

常见算法问题分类

• 字符串

• 堆和栈

• 链表

• 数值问题

• 数组和数列问题

• 矩阵问题

• 二叉树

• 图

• 海量数据处理

• 智力思维训练

• 系统设计

致谢

莫笑少年江湖梦，谁不少年梦江湖.

本篇内容参考自互联网及开源社区，感谢前人的经验、分享和付出，让我们可以有机会站在巨人的肩膀上眺望星辰大海！