常見的數據結構
鍊表
LinkedHashSet LinkedList 底層數據結構由鍊表和哈希表組成。
數據的添加和刪除都較為方便，就是訪問比較耗費時間。
數組
ArrayList 訪問數據十分簡單，而添加和刪除數據比較耗工夫
堆
堆是一種圖的樹形結構，被用於實現「優先隊列",優先隊列是一種數據結構，可以自由添加數據，但取出數據時要從最小值開始按順序取出堆的特點：①堆中的每個結點最多有兩個子結點②子結點必定大於父結點③把新數據放在最下面一行靠左的位置。當最下面一行裡沒有多餘空間時，就再往下另起一行，把數據加在這一行的最左端④如果子結點的數字小於父結點的，就將父結點與其左右兩個子結點中較小的一個進行交換堆中最頂端的數據始終最小，所以無論數據量有多少，取出最小值的時間複雜度都為O（1）可知樹的高度為log2n，那麼重構樹的時間複雜度便為O（logn）棧 （LIFO）
略
隊列 (FIFO)
略
哈希表 HashSet
TreeSet底層數據結構是紅黑樹哈希函數（Hash）計算key,哈希值除以數組的長度5，求得其餘數。這個餘數就是key的編號即位置如果發生哈希衝突，就使用鍊表進行存儲（鏈地址法）給數組設定合適的空間非常重要除了鏈地址法以外，還有幾種解決衝突的方法。其中，應用較為廣泛的是「開放地址法」。這種方法是指當衝突發生時，立刻計算出一個候補地址（數組上的位置）並將數據存進去。如果仍然有衝突，便繼續計算下一個候補地址，直到有空地址為止。可以通過多次使用哈希函數或「線性探測法」等方法計算候補地址。二叉樹
特點：①第一個是每個結點的值均大於其左子樹上任意一個結點的值②是每個結點的值均小於其右子樹上任意一個結點的值③二叉查找樹的最小結點要從頂端開始，往其左下的末端尋找。此處最小值為3。④二叉查找樹的最大結點要從頂端開始，往其右下的末端尋找添加數據的時候 與頂端數據比較 如果比他小就往左移，左邊沒有節點了就把插入的數據作為新節點添加到左下方，大於他則往右移（左小右大）刪除數據的時候 如果節點沒有子節點 直接刪 如果有一個 刪了後子節點補上，如果有兩個，刪掉後從左子樹中中找最大的補上
比較的次數取決於樹的高度。所以如果結點數為n，而且樹的形狀又較為均衡的話，比較大小和移動的次數最多就是log2n。因此，時間複雜度為O（logn）。但是，如果樹的形狀朝單側縱向延伸，樹就會變得很高，此時時間複雜度也就變成了O（n）。
常見的算法整理
排序
冒泡排序冒泡排序就是重複「從序列右邊開始比較相鄰兩個數字的大小，再根據結果交換兩個數字的位置」這一操作的算法。在這個過程中，數字會像泡泡一樣，慢慢從右往左「浮」到序列的頂端，所以這個算法才被稱為「冒泡排序」冒泡排序的時間複雜度為O（n2）選擇排序選擇排序就是重複「從待排序的數據中尋找最小值，將其與序列最左邊的數字進行交換」這一操作的算法。在序列中尋找最小值時使用的是線性查找每輪中交換數字的次數最多為1次。如果輸入數據就是按從小到大的順序排列的，便不需要進行任何交換。選擇排序的時間複雜度也和冒泡排序的一樣，都為O（n2）。插入排序插入排序的思路就是從右側的未排序區域內取出一個數據，然後將它插入到已排序區域內合適的位置上時間複雜度和冒泡排序的一樣，都為O（n2）。堆排序首先堆中存儲所有的數據，並按降序來構建堆，然後從降序排列的堆中取出數據時會從最大的數據開始取，所以將取出的數據反序輸出，排序就完成了。堆排序的時間複雜度為O（nlogn）。歸併排序歸併排序算法會把序列分成長度相同的兩個子序列，當無法繼續往下分時（也就是每個子序列中只有一個數據時），就對子序列進行歸併。歸併指的是把兩個排好序的子序列合併成一個有序序列。該操作會一直重複執行，直到所有子序列都歸併為一個整體為止。運行時間複雜度為O（nlogn）快速排序快速排序算法首先會在序列中隨機選擇一個基準值（pivot），然後將除了基準值以外的數分為「比基準值小的數」和「比基準值大的數」這兩個類別。解決子問題的時候會再次使用快速排序，甚至在這個快速排序裡仍然要使用快速排序。只有在子問題裡只剩一個數字的時候，排序才算完成。整體的時間複雜度為O（nlogn）。數組查找
線性查找線性查找需要從頭開始不斷地按順序檢查數據，因此在數據量大且目標數據靠後，或者目標數據不存在時，比較的次數就會更多，也更為耗時。若數據量為n，線性查找的時間複雜度便為O（n）。二分查找（略）圖的搜索
廣度優先搜索廣度優先搜索是一種對圖進行搜索的算法。假設我們一開始位於某個頂點（即起點），此時並不知道圖的整體結構，而我們的目的是從起點開始順著邊搜索，直到到達指定頂點（即終點）。在此過程中每走到一個頂點，就會判斷一次它是否為終點。廣度優先搜索會優先從離起點近的頂點開始搜索深度優先搜索深度優先搜索和廣度優先搜索一樣，都是對圖進行搜索的算法，目的也都是從起點開始搜索直到到達指定頂點（終點）。深度優先搜索會沿著一條路徑不斷往下搜索直到不能再繼續為止，然後再折返，開始搜索下一條候補路徑。貝爾曼-福特算法（略）貝爾曼-福特（Bellman-Ford）算法是一種在圖中求解最短路徑問題的算法狄克斯特拉算法（略）A*算法（略）安全算法
共享密鑰加密公開密鑰加密混合加密迪菲-赫爾曼交換其他算法
k-means 算法歐幾裡得算法素性測試網頁排名漢諾塔【拓展】
圖的表示：鄰接矩陣和鄰接表遍歷算法：深度搜索和廣度搜索(必學)最短路徑算法：Floyd，Dijkstra（必學）最小生成樹算法：Prim，Kruskal（必學）實際常用算法：關鍵路徑、拓撲排序（原理與應用）二分圖匹配：配對、匈牙利算法（原理與應用）拓展：中心性算法、社區發現算法（原理與應用）2.圖還是比較難的，不過我覺得圖涉及到的挺多算法都是挺實用的，例如最短路徑的計算等，圖相關的，我這裡還是建議看書的，可以看《算法第四版》。
3、搜索與回溯算法
貪心算法（必學） 啟發式搜索算法：A*尋路算法（了解） 地圖著色算法、N 皇后問題、最優加工順序 旅行商問題
這方便的只是都是一些算法相關的，我覺得如果可以，都學一下。像貪心算法的思想，就必須學的了。建議通過刷題來學習，leetcode 直接專題刷。
4、動態規劃
樹形DP：01背包問題 線性DP：最長公共子序列、最長公共子串 區間DP：矩陣最大值（和以及積） 數位DP：數字遊戲 狀態壓縮DP：旅行商
我覺得動態規劃是最難的一個算法思想了，記得當初第一次接觸動態規劃的時候，是看01背包問題的，看了好久都不大懂，懵懵懂懂，後面懂了基本思想，可是做題下不了手，但是看的懂答案。一氣之下，再leetcdoe專題連續刷了幾十道，才掌握了動態規劃的套路，也有了自己的一套模板。不過說實話，動態規劃，是考的真他媽多，學習算法、刷題，一定要掌握。這裡建議先了解動態規劃是什麼，之後 leetcode 專題刷，反正就一般上面這幾種題型。
5、字符匹配算法
正則表達式 模式匹配：KMP、Boyer-Moore
6、流相關算法
最大流：最短增廣路、Dinic 算法 最大流最小割：最大收益問題、方格取數問題 最小費用最大流：最小費用路、消遣