-
核心定义：数据结构是相互之间存在一种或多种特定关系的数据元素的集合，核心作用是优化数据存储与访问效率，适配不同场景的操作需求（如查询、插入、删除）。
-
分类体系：
◦ 线性结构：元素间呈一对一关系，包括数组（固定大小、随机访问快）、链表（动态大小、插入删除快）、栈（先进后出，栈顶操作）、队列（先进先出，首尾操作）、哈希表（键值映射，平均O(1)查询）。
◦ 非线性结构：元素间呈一对多/多对多关系，包括树（层级结构，如二叉树、红黑树）、图（顶点+边，分有向/无向图）、堆（完全二叉树，用于优先级队列）。
- 核心操作与复杂度：
◦ 基础操作：增（插入）、删（删除）、改（更新）、查（查找）、排序（调整元素顺序）。
◦ 复杂度关键：时间复杂度（操作执行的指令数增长趋势，如O(1)、O(n)、O(logn)）、空间复杂度（存储数据占用的额外空间增长趋势），优化目标是在场景中平衡二者。
- 重点数据结构详解：
◦ 数组：连续内存存储，随机访问O(1)，插入删除需移动元素（O(n)），适合读多写少场景。
◦ 链表：非连续内存，通过指针连接，插入删除O(1)（找到节点后），查询O(n)，适合写多读少场景。
◦ 二叉树：每个节点最多两个子节点，二叉搜索树（左子树<根<右子树）查询O(logn)（平衡时），红黑树/AVL树通过自平衡保证效率，用于Map/Set底层。
◦ 图：由顶点V和边E组成，存储方式有邻接矩阵（稠密图高效）、邻接表（稀疏图省空间），核心算法有深度优先搜索（DFS）、广度优先搜索（BFS）、最短路径（Dijkstra算法）。
◦ 堆：大顶堆（父节点≥子节点）/小顶堆（父节点≤子节点），插入删除O(logn)，常用于TopK问题、优先级队列。
- 排序与查找算法：
◦ 排序核心：冒泡排序（O(n²)，稳定）、快速排序（O(nlogn)，不稳定，分治思想）、归并排序（O(nlogn)，稳定，分治+合并）、堆排序（O(nlogn)，不稳定，利用堆特性）。
◦ 查找核心：顺序查找（O(n)，适用于无序数据）、二分查找（O(logn)，适用于有序数组）、哈希查找（O(1)平均，依赖哈希函数和冲突解决）。
- 核心思想：分治（将大问题拆小求解，如快排、归并）、贪心（每步选局部最优，如哈夫曼编码）、动态规划（存储子问题结果避免重复计算，如最长公共子序列）、回溯（尝试+回退找解，如迷宫问题）。