线性数据结构
线性结构是一个有序数据元素的集合。
常用的线性结构
线性表，栈，队列，双队列，串(一维数组)。
非线性数据结构
关于广义表、数组(高维)，是一种非线性的数据结构。
常见的非线性结构有：二维数组，多维数组，广义表，树(二叉树等)，图
线性表（线性存储结构）
将具有“一对一”关系的数据“线性”地存储到物理空间中，这种存储结构就称为线性存储结构（简称线性表）。
使用线性表存储的数据，如同向数组中存储数据那样，要求数据类型必须一致，也就是说，线性表存储的数据，要么全部都是整形，要么全部都是字符串。一半是整形，另一半是字符串的一组数据无法使用线性表存储。
将数据依次存储在连续的整块物理空间中，这种存储结构称为顺序存储结构（简称顺序表）；数据分散的存储在物理空间中，通过一根线保存着它们之间的逻辑关系，这种存储结构称为链式存储结构（简称链表）
某一元素的左侧相邻元素称为“直接前驱”，位于此元素左侧的所有元素都统称为“前驱元素”；某一元素的右侧相邻元素称为“直接后继”，位于此元素右侧的所有元素都统称为“后继元素”
栈
栈又名堆栈，它是一种运算受限的线性表。限定仅在表尾进行插入和删除操作的线性表。这一端被称为栈顶，相对地，把另一端称为栈底。向一个栈插入新元素又称作进栈、入栈或压栈，它是把新元素放到栈顶元素的上面，使之成为新的栈顶元素；从一个栈删除元素又称作出栈或退栈，它是把栈顶元素删除掉，使其相邻的元素成为新的栈顶元素。
单调栈
单调栈中存放的数据应该是有序的，所以单调栈也分为单调递增栈和单调递减栈。
单调递增栈：单调递增栈就是从栈底到栈顶数据是从大到小。
单调递减栈：单调递减栈就是从栈底到栈顶数据是从小到大。
括号序列
括号序列是指由 ‘(’和‘)’ 组成的序列,假如一个括号序列中,包含相同数量的左括号和右括号,并且对于每一个右括号,在它的左侧都有左括号和他匹配,则这个括号序列就是一个合法括号序列,如(())( )就是一个合法括号序列,但(())(( )不是合法括号序列.
空串是合法的括号序列。
若S是合法的括号序列，则(S)是合法的括号序列。
若S和T分别是合法的括号序列，则ST也是合法的括号序列。
队列
队列是一种特殊的线性表，特殊之处在于它只允许在表的前端进行删除操作，而在表的后端进行插入操作，和栈一样，队列是一种操作受限制的线性表。进行插入操作的端称为队尾，进行删除操作的端称为队头。
单调队列
单调队列顾名思义就是一个有规律的队列，这个队列的规律是：所有在队列里的数都必须按递增（或递减）的顺序列队。
单调队列只能解决一个叫滑动窗口的问题。
双端队列
双端队列是一种具有队列和栈性质的数据结构，即可（也只能）在线性表的两端进行插入和删除。
折半搜索（二分）
前缀和
前缀和是一个数组的某项下标之前(包括此项元素)的所有数组元素的和。
差分
差分，一般在大数据里用在以时间为统计维度的分析中，其实就是下一个数值 ，减去上一个数值 。
二维前缀和：b[x,y]=b[x-1,y]+b[x,y-1]-b[x-1,y-1]+a[x,y]
矩阵求和：S(x1,y1,x2,y2)=b[x2,y2]-b[x1-1,y2]-b[x2,y1-1]+b[x1-1,x2-1]
二维差分：b[x,y]=a[x,y]+a[x-1,y-1]-a[x-1,y]-a[x,y-1]
修改矩形[x1,y1,x2,y2]等价于b[x1,y1]+=v,b[x2+1,y2+1]+=v,b[x1,y2+1]-=v,b[x2+1,y1]-=v。
基数排序（松氏基排）
基本解法
第一步
以LSD为例，假设原来有一串数值如下所示：
73, 22, 93, 43, 55, 14, 28, 65, 39, 81
首先根据个位数的数值，在走访数值时将它们分配至编号0到9的桶子中：
0
1 81
2 22
3 73 93 43
4 14
5 55 65
6
7
8 28
9 39
第二步
接下来将这些桶子中的数值重新串接起来，成为以下的数列：
81, 22, 73, 93, 43, 14, 55, 65, 28, 39
接着再进行一次分配，这次是根据十位数来分配：
0
1 14
2 22 28
3 39
4 43
5 55
6 65
7 73
8 81
9 93
第三步
接下来将这些桶子中的数值重新串接起来，成为以下的数列：
14, 22, 28, 39, 43, 55, 65, 73, 81, 93
这时候整个数列已经排序完毕；如果排序的对象有三位数以上，则持续进行以上的动作直至最高位数为止。
LSD的基数排序适用于位数小的数列，如果位数多的话，使用MSD的效率会比较好。MSD的方式与LSD相反，是由高位数为基底开始进行分配，但在分配之后并不马上合并回一个数组中，而是在每个“桶子”中建立“子桶”，将每个桶子中的数值按照下一数位的值分配到“子桶”中。在进行完最低位数的分配后再合并回单一的数组中。
区间算法
区间计算与传统的以数为对象的运算(即点计算)不同，它的运算对象是区间。
由于数字计算机只能使用有限位数表示实数，不能精确表达数学意义上的数值，所以数值的每一步计算都会产生误差。亿万次计算之后，计算机的“舍入规则”效应可能累积相当大的计算误差，导致数值计算结果精度严重损失。而区间计算的整个过程以“区间”为运算对象，提供区间形式的计算结果。这些运算区间在构造上保证包含数据的真实值，使得结果区间也能够保证包含数据运算的真实结果。
O(n)-O(1)
四毛子算法
一种（非常规）分块后暴力预处理以此来优化复杂度的思想。
RMQ
RMQ，即区间最值查询，这是一种在线算法，所谓在线算法，是指用户每次输入一个查询，便马上处理一个查询。RMQ算法一般用较长时间做预处理，时间复杂度为O(nlogn)，然后可以在O(1)的时间内处理每次查询。
RMQ标准算法：先规约成LCA（最近公共祖先），再规约成约束RMQ，O(n)-O(q) online。
首先根据原数列，建立笛卡尔树，从而将问题在线性时间内规约为LCA问题。LCA问题可以在线性时间内规约为约束RMQ，也就是数列中任意两个相邻的数的差都是+1或-1的RMQ问题。约束RMQ有O(n)-O(1)的在线解法，故整个算法的时间复杂度为O(n)-O(1)。
哈希表
unordered-map（基于哈希实现的映射）
除留余数法
取关键字被某个不大于散列表表长m的数p除后所得的余数为散列地址。即 H(key) = key MOD p,p<=m。不仅可以对关键字直接取模，也可在折叠、平方取中等运算之后取模。对p的选择很重要，一般取素数或m，若p选的不好，容易产生同义词。
双向平方试判（双平方探测法）
为了解决二次聚集现象发明了双平方探测法 当冲突产生时 向该冲突点的双向以步长i^2（1 4 9 16 25…） 探测若保证散列表的长度是素数且满足4K+3则可以遍历整个散列表从而不存在二次聚集现象。
STL
STL 是“Standard Template Library”的缩写，中文译为“标准模板库”。
#include<algorithm>
#include<bits/stdc++.h>（推荐）
stack栈
queue队列
deque双端队列
priority_queue优先队列（堆）
默认是大根堆，如果想让他是小根堆的话有两种办法，其中一种是重载小于号。
pq.swap(pq2)
vector
向量（Vector）是一个封装了动态大小数组的顺序容器。跟任意其它类型容器一样，它能够存放各种类型的对象。可以简单的认为，向量是一个能够存放任意类型的动态数组。
容器特性
顺序序列
顺序容器中的元素按照严格的线性顺序排序。可以通过元素在序列中的位置访问对应的元素。
动态数组
支持对序列中的任意元素进行快速直接访问，甚至可以通过指针算述进行该操作。提供了在序列末尾相对快速地添加/删除元素的操作。
能够感知内存分配器的（Allocator-aware）
容器使用一个内存分配器对象来动态地处理它的存储需求。
相当于是个动态数组，每次可以往末端插入一个元素，下标从0开始。
实现方式是每次不够大的时候暴力倍长，可以发现均摊是线性的。
v.size()
这个一个unsigned int类型。也就是说对空的vector的size()-1会得到2^32-1。因此写代码的时候应带尽量避免这种写法。（或者强制类型转化成int）
v.resize()
其复杂度是O(max(1, resize()中的参数-原来的size()))的。
如果是大小变大的resize()，且可以指定新扩展的位置的值。若未指定则调用其默认构造函数，例如int之类的会默认是0。
v.clear()和vector<int>().swap(v)的区别。
前者是假装清空了，实际内存没有被回收。
后者是真的回收了，不过需要和v.size()的大小成正比的时间。
后者的意思是使用vector<>()这句话调用无参的构造函数生成一个vector<>类型的对象，然后和v交换，之后其生存期结束被销毁会自动调用其~vector<>()析构函数。注意<>里面要写v一样的类型（例如int）
set/map
分别是集合/映射
内部使用红黑树（一种平衡树）实现。
同样的当set<>和map<,>中的第一个参数是自定义类型的时候
需要重新定义小于号。
复杂度基本上是O(log(当前大小))
map相当于是一个下标可以是任何数值的数组，如果访问时没有赋值就会返回零。
m[x]
哪怕你什么也不干只写一个m[x];也会新建一个点。
因此当你想知道map中是否存在这个映射的时候最好使用m.count(x)。
很多时候可以有效卡常。
multiset和multimap
是可重集合和可重映射。
有两个注意的：第一个是count函数复杂度变成了O(lg(集合大小)+答案)的，也就是如果有很多相同元素，那么count函数代价很大。
第二个是删除x的话，使用s.erase(x)会把所有权值为x的删除。
如果只想删掉一个需要s.erase(s.find(x))。
unordered_set和unordered_map
基于哈希实现的集合和映射。
基本上里面的类型只能是int,long long,double这种非自定义类型。 因为其基于哈希）
在c++11及以后存在，之前没有，乱用可能会CE。
空间常数比较大，时间常数不小，比数组访问慢很多，慎用。
不能顺序遍历，不支持lower_bound。
迭代器
只介绍set/map的迭代器。
bitset
高精度压位二进制。
所有时间复杂度是线性的操作，常数都是1/32大概。
下标从0开始。
补充
namespace
命名空间，之后写代码长的时候用来避免变量名或者函数名重名的。主要是同一个namespace里面默认使用自己名字空间的东西。
std一般是教师专用账号。
对于107~108的数据，一般运行1s左右。
并非原创，仅是整理，请见谅
标签：线性表,队列,元素,括号,序列,数组,线性,数据结构 来源： https://www.cnblogs.com/audrey-hall/p/15869477.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。