数据结构其实就是一种存储数据的格式。可以有效的改善代码中数据的存储。
对于一个二维数组，如果数组中大部分元素为0，那么会造成内存空间极大的浪费。因此，设计一种针对稀疏数组的数据结构就很有必要，例如：
可以看出，稀疏矩阵是将一种矩阵转换，将N行M列的矩阵转换为X行3列的矩阵，当矩阵为稀疏矩阵时，这种存储数据的结构更能符合压缩的功能。
步骤1：保存稀疏矩阵的第一行，N、M、count（遍历二维数组得到非0元素个数）
步骤2：遍历数组，保存非0数组的行数、列数、以及元素的值。
步骤1：从第一行获得二维数组的行、列。
步骤2：遍历稀疏矩阵，将二维数组中对应位置填值。
队列是一种先进先出的数据结构，队列在计算机系统中有很重要的作用，比如在缓存机制中，就是将磁盘的值按照队列形式排列，先存进来的优先被cpu使用。
（一种顺序队列）
队列的元素：长度、队头、队尾。
顺序队列在物理中的存储方式是连续的，可以保存在数组中。
初始化：队列需要使用一个队头和队尾的指示标志（指针/索引）,队头和队尾一开始一定是相等的（队头队尾相等是空队的判断条件）。
判空：队头=队尾
判满：在非循环队列中，队满的标志仅是：队尾==MaxSize-1（指向最后一个元素）；在循环队列中，队满的标志是：（队尾+1） mod MaxSize==队头（即在循环上，队尾比队头多一个元素）
入队：首先，判断队列是否已满，满了就无法入队，若没有满，则将元素赋值给队尾，并使队尾指向下一个索引（这里的下一个是相对循环而言，若下一个索引大于MaxSize-1，则需指向第一个元素），需取模：
rear=（rear+1）%MaxSize
出队：首先，判断队列是否为空，若是空队就无法取出元素，若非空队，则从队头取元素，即，将队头指向的元素取出并返回，然后使队头的元素指向下一个索引。（同样的，下一个需要判断其索引是否大于长度），需取模。
front=(front+1) % MaxSize
显示队列里的值：用这种方法得到的队列，其数组并不是真的入队出队，数据虽然被覆盖，但并没有删除，因此，出队操作并没有出数组。因此，显示的时候需要判断，队头和队尾，然后将有效的数据显示出来。这里就有一个有效数据的概念，这里的有效数据是：
(rear-front +MaxSize) % MaxSize
因此，遍历的起点是队头，队尾是队头+有效数据。而索引值则需要取模处理，因为可能超过长度。
链表是树和图的基础，也是区别于顺序存储的另一种存储方式。在jvm中，如果一个对象不被引用，则会被垃圾回收，这里就用到了链表的实现。
最简单的链表就是单链表，单链表的增删改查是很简单的。这里不多介绍。主要举几个面试的例子。
1.单链表中有效节点的个数
很简单，遍历链表，当当前节点的next域不为空时，就计数。
2.查找单链表中倒数第k个节点
方案1：先得到链表的长度，然后根据计算查找第（长度-k）个节点，即可得到该节点。
方案2：使用两个辅助指针，第一个指向第k个节点，第二个指向第1个节点，然后两个指针同时向后移动，当指向第一个的节点移到最后，则第二个指针指向的就是倒数第k个。
3.单链表的翻转
使用头插法，新建一个链表，每次遍历得到节点就插到新链表的头部，这样先插的会到后面去，实现了链表的翻转。
4.从尾到头打印单链表
使用一个辅助栈，先将遍历得到的节点值依次压栈，然后遍历结束之后，依次出栈。
5.合并两个有序的单链表，合并后仍然有序
定义一个新节点，然后定义两个游标指向两个链表的头结点，比较大小，如果小就将该节点插入新节点的后面，循环进行，直到其中一个链表被遍历完，然后将剩下的链表插入到新节点的后面。
设计链表的时候，有前指针域和后指针域。双向链表不需要翻转。
删除
对于单链表而言，要想删除当前节点，不能直接遍历到当前的节点，而是需要遍历到当前节点的前一个，然后将其next域赋值给当前节点的next域。
双向链表不需要这么做，遍历到当前节点，将当前节点的next域赋值给当前节点的pre域，将后面节点的pre域赋值给当前节点的next域。然后删除即可。
该链表只比单链表增加了一条链表末尾指向链表开头的指针。
解决约瑟夫环问题
稍加分析就可以知道，设置两个指针，first和help，初始化时，first指向k，help指向k-1，表示的是first和help一个在头，一个在尾，然后后移m个，将help指向first后一个节点，形成环路，然后删除first指向的节点，将first+1，依次循环直到环为空。
栈是一种先进后出的数据结构，在计算机操作系统里面有很广泛的应用。
使用栈来完成一个计算器。
1.中缀表达式
中缀表达式就是计算表达式的原始表达式，例如
2*（3+2）-6/3
直接利用中缀表达式，配合栈的使用，可以得到计算结果。
这里主要是扫描到符号的时候，需要判断符号的优先级。如果栈中的优先级大于当前的，就需要先计算，然后再压栈。其实这里的算法是有问题的
3+4-8/2+5*5/5-8+9
像上面的计算式，如果采用上面的流程，会导致最后7-4+5-8+9出现，计算从后往前，会破坏四则运算从左往右的计算规则：结果为7，实际结果为9改进在3.2，代码如下：
public int cal(String str){ Stack<String> num=new Stack<String>(); Stack<String> oper=new Stack<String>(); int index=0; int sum=0; while(true){ //如果该字符是一个符号 if(isoper(str.charAt(index))){ if(oper.isEmpty()){ oper.push(str.substring(index,index+1)); }else { if(priority(str.charAt(index))<=priority(oper.peek().charAt(0))){ //先pop出来，然后计算 while(!num.isEmpty() && !oper.isEmpty() && priority(str.charAt(index))<=priority(oper.peek().charAt(0))) { int num1 = Integer.parseInt(num.pop()); int num2 = Integer.parseInt(num.pop()); char ope = oper.pop().charAt(0); int res = call(num1, num2, ope); num.push(("" + res)); } oper.push(str.substring(index, index + 1)); }else{ oper.push(str.substring(index,index+1)); } } }else{ num.push(str.substring(index,index+1)); } index++; if(index>=str.length()){ break; } }
2.后缀表达式
将中缀表达式转换为后缀表达式之后，就不需要判断优先级，直接进行运算，得到的就是结果
如何将中缀表达式转换为后缀表达式
如何用中缀表达式计算
递归是函数自己调用自己，但事实上，它在调用过程中和普通调用没有区别。
递归调用的机制。
从上图可以看出，执行main方法后在栈空间开辟一个栈的数据结构，mian方法在栈底，调用test方法，一旦方法进行了调用，就会在栈空间入栈，test方法里有调用，仍然会入栈，。。。直到，不满足调用条件，会执行调用之后的打印代码，然后当调用函数执行完，就会自动出栈操作，释放空间。然后返回上一层的打印代码，。。。。直到main函数执行结束。
递归执行的规则
在迷宫问题上，如何从入口找到出口。可以使用回溯，回溯问题可以使用递归来解决，即设置多个递归入口，设置迷宫的寻找策略。
分析：从入口开始，尝试从上下左右四个方向去寻找出口，如果四个方向都尝试了以后还没有找到出口，说明这个路是不通的，需要往回走，这就是回溯。
代码如下，可以分析其递归调用的过程。
main方法入栈，
调用setWay方法，入栈，map为引用类型，不会在调用中终止寿命，因此会发生改变。但基础类型会发生改变。此时是从（1,1）开始，将其设置为2，然后调用setWay(map,0,1)。
调用后直接返回false，回溯到栈（1,1），
调用setWay(map,1,2)，可以进入，将其设置为2，然后直接调用setWay(map,0,2)，直接返回false，回溯到栈（1,1）。。。。
。。。
八皇后问题，通过回溯递归来解决
限制：每一行必有且只有一个皇后。
需要确定的摆放位置：第一行的皇后放在第几列，第二行的皇后放在第几列。。。。。可以使用一个数组：int[] array = new int[8];，下标代表的行，值代表的列。
private void check(int n) { if(n == max) { //n = 8 , 其实8个皇后就既然放好 print(); return; } //依次放入皇后，并判断是否冲突 for(int i = 0; i < max; i++) { //先把当前这个皇后 n , 放到该行的第1列 array[n] = i; //判断当放置第n个皇后到i列时，是否冲突 if(judge(n)) { // 不冲突 //接着放n+1个皇后,即开始递归 check(n+1); // } //如果冲突，就继续执行 array[n] = i; 即将第n个皇后，放置在本行得 后移的一个位置 } }
对于以上递归代码，每次循环都会有八个递归入口，判断是否进入的依据是该入口是否满足八皇后的要求。
冒泡排序的精髓在于每一次循环都会把数组的最后一个值确定下来，或是最大，或是最小。
从以上的例子就可以看出。每次循环都能找到比较里面最大的，然后把它交换到最后，下一次循环就不会比较这个值。时间复杂度为T（n^2）
package com.liuixnghang.test; import org.junit.Test; public class Maopao { @Test public void run(){ int [] a=new int[]{2,1,3,5,4}; maopao(a); } public void print(int[] a){ for (int i : a) { System.out.print(i +" "); } System.out.println(); } public void maopao(int[] a){ boolean falg=false; for(int i=0;i<a.length-1;i++){ for(int j=0;j<a.length-1-i;j++){ if(a[j]>a[j+1]){ int temp=a[j]; a[j]=a[j+1]; a[j+1]=temp; falg=true; } } if (falg==false){ break; }else{ falg=false; } print(a); } } }
选择排序重在选择，为了避免一直交换，可以设置一个min值，每次都遍历一遍数组，得到最小值，将其与数组第一个值交换，这样，循环长度-1次后，就得到了排序。
可以知道这样避免了一直去交换
代码如下：
package com.liuixnghang.test; import org.junit.Test; public class Choose { @Test public void run(){ int [] a=new int[]{101,34,199,1,-1,90,123}; choose(a); } public void choose(int[] a){ for(int i=1;i<a.length;i++){ int minIndex=i-1; int min=a[minIndex]; //每次循环都会选择最小的数出来放在第一个地方 for(int j=i;j<a.length;j++){ if(a[j]<min){ min=a[j]; minIndex=j; } } if(minIndex!=(i-1)){ a[minIndex]=a[i-1]; a[i-1]=min; } print(a); } } public void print(int[] a){ for (int i : a) { System.out.print(i +" "); } System.out.println(); } }
其主要思想是，将一部分先排好序，每次从后面的一个往有序的里面插，形成新的有序序列，直到所有都有序。
插入过程是先从有序的最后一个开始找自己的插入位置。
代码如下：
package com.liuixnghang.test; import org.junit.Test; public class Insert { @Test public void run(){ int [] a=new int[]{4,7,2,32090,-1218,-9,238,1219,-11,2}; insert(a); } public void print(int[] a){ for (int i : a) { System.out.print(i +" "); } System.out.println(); } public void insert(int[] a){ for(int i=1;i<a.length;i++){ //待插入的值 int insertValue=a[i]; //插入位置 int insertIndex=i-1; //从第i-1个位置开始寻找插入位置,没找到需要将数组向后移 while(insertIndex>=0 && insertValue<a[insertIndex]){ a[insertIndex+1]=a[insertIndex]; insertIndex--; } a[insertIndex+1]=insertValue; print(a); } } }
是插入排序的升级版，在插入排序中，如果较小的元素在最后面，那么插入效率很变得很慢，为了解决这个问题，可以把数据隔着步长分组，对每组的数据进行插入排序，这样就可以快速的使小的数据移动到前面来。
在刚开始分为5组，插入排序的对象是两个数据，然后变成五个，最后变为10个。步长在不断的改变当中。
使用交换法实现。不是使用移动来插入，而是每次都插入实现插入。
package com.liuixnghang.test; import org.junit.Test; public class Shell { @Test public void run(){ int [] a=new int[]{8,9,1,7,2,3,5,4,6,0}; shell(a); } public void print(int[] a){ for (int i : a) { System.out.print(i +" "); } System.out.println(); } public void shell(int[] a){ for(int gap=a.length/2;gap>0;gap/=2) { for (int i = gap; i < a.length; i++) { for (int j = i - gap; j >= 0; j -= gap) { if (a[j] > a[j + gap]) { int temp = a[j]; a[j] = a[j + gap]; a[j + gap] = temp; print(a); } System.out.println("----"); } System.out.println("----"); } System.out.println("----"); } } }
使用移动法插入，就是对每次分组采用插入排序。
package com.liuixnghang.test; import org.junit.Test; public class Shell { @Test public void run(){ int [] a=new int[]{8,9,1,7,2,3,5,4,6,0}; shell2(a); } public void print(int[] a){ for (int i : a) { System.out.print(i +" "); } System.out.println(); } public void shell(int[] a){ for(int gap=a.length/2;gap>0;gap/=2) { for (int i = gap; i < a.length; i++) { for (int j = i - gap; j >= 0; j -= gap) { if (a[j] > a[j + gap]) { int temp = a[j]; a[j] = a[j + gap]; a[j + gap] = temp; print(a); } } print(a); } } } public void shell2(int[] a){ //使用移动法 for(int gap=a.length/2;gap>0;gap/=2){ for(int i=gap;i<a.length;i++){ //保存待移动的数 int temp=a[i]; int j=i-gap; while(j>=0 && temp<a[j]){ a[j+gap]=a[j]; j-=gap; } a[j+gap]=temp; print(a); } } } }
快速排序是冒泡排序改进而来，通过空间换时间，有效的降低了时间复杂度，冒泡排序每次固定一个最大值排在后面，快速排序每次固定一个基准数放在其位置上。
快速排序也有两种实现方式，主要区别在于如何移动数据，使得基准数据排在准确位置。
1.挖坑法：
设置两个指针left和right指向数组的头和尾，选取基准数，可随机选择。但需要将该基准数移动第一位。
记住选取基准位置的index，此索引就是坑。
从尾部right开始，向前寻找比基准数小的数，找不到就一直向前移，直到找到这样的数（前提是right要比left大）
将找到的这个数填入坑中，此时，right指向的数成为了新的坑
然后left从头部开始，向后寻找比基准大的数，找不到就一直向后，直到找到，（前提是right要比left大）
找到这个数，继续填坑，此时left指向的数成为了新坑。
直到right和left重合。这一轮就结束了，
把基准的数填在重合的索引里，然后
然后进行递归，在right左边，继续进行这样的操作。
代码如下：
package com.liuixnghang.test; import org.junit.Test; public class Waken { @Test public void run(){ int [] a=new int[]{8,9,1,7,2,3,5,4,6,0}; waken(a,0,a.length-1); } public void print(int[] a){ for (int i : a) { System.out.print(i +" "); } System.out.println(); } public void waken(int a[],int left,int right){ //设置索引 int l=left; int r=right; //设置基准 int juzhun=a[left]; //循环填坑 if(l<r) { while (l != r) { //从尾部开始，找比基准小的元素 while (l < r && a[r] >= juzhun) { r--; } //找到了这样的数，将值填到坑中 if (l < r) { a[l] = a[r]; l++; } //从尾部开始，找比基准小的元素 while (l < r && a[l] <= juzhun) { l++; } //找到了这样的数，将值填到坑中 if (l < r) { a[r] = a[l]; r--; } } a[l] = juzhun; print(a); waken(a, left, r - 1); waken(a, l + 1, right); } } }
2.指针交换法
设置两个指针left和right指向数组的头和尾，选取基准数，可随机选择。但需要将该基准数移动第一位。
从left指针和right指针开始，向中间靠拢，如果left遇到比基准大的指针，需要停下来，right遇到比基准小的指针，也需要停下来。
两个指针指向的数交换。然后继续交换，直到两个指针重合。然后将第一位中基准元素与重合位元素交换，此轮结束。
代码如下：
package com.liuixnghang.test; import org.junit.Test; public class Jiaohuan { @Test public void run(){ int [] a=new int[]{8,9,1,7,2,3,5,4,6,0}; jiaohuan(a,0,a.length-1); } public void print(int[] a){ for (int i : a) { System.out.print(i +" "); } System.out.println(); } public void jiaohuan(int[] a, int left, int right){ //设置索引 int l=left; int r=right; //设置基准 int juzhun=a[left]; while(l!=r){ //寻找left指向比基准小的数 while(l<r &&a[r]>juzhun){ r--; } //寻找left指向比基准大的数 while(l<r &&a[l]<=juzhun){ l++; } if(l<r){ int temp=a[l]; a[l]=a[r]; a[r]=temp; } } //需要退指针 //将基准数和相等时的位置交换 int temp=a[l]; a[l]=a[left]; a[left]=temp; print(a); jiaohuan(a,left,r-1); jiaohuan(a,l+1,right); } }
（需要注意的一点是，需要先移动r指针，才会在重合的位置是所需要的）
归并排序使用了分治的思想，先利用递归，将数组分为单个的数，然后在递归出栈的时候，就可以每两个进行排序，然后到下一个栈，每四个进行排序，到最后合并为一个有序数组
归并排序说明：其递归可以这样设计：第一次分为一半，然后分为四分之一。。。。直到分为1，无法再分。
按照递归的栈原理，需要返回，在返回之前，将之前分开的按左右合并，合并规则就是小的在前，大的在后。
每次返回之前都合并，到返回mian函数的时候已经合并为一个有序的数组了。
代码如下：
package com.liuixnghang.test; import org.junit.Test; public class GuiBing { @Test public void run(){ int [] a=new int[]{8,9,1,7,2,3,5,4,6,0}; int [] temp=new int[a.length]; guibing(a,0,a.length-1,temp); print(a); } public void print(int[] a){ for (int i : a) { System.out.print(i +" "); } System.out.println(); } public void guibing(int [] a,int left,int right,int[] temp){ if(left<right){ int mid=(left+right)/2; //向左递归进行分解 guibing(a,left,mid,temp); guibing(a,mid+1,right,temp); hebing(a,left,mid,right,temp); } } public void hebing(int[] a,int left,int mid,int right,int[] temp){ //将左边和右边排序 int i=left;//左边数组的起始索引 int j=mid+1;//右边数组的起始索引 int t=0;//t数组的起始索引 while(i<=mid && j<=right){ if(a[i]<=a[j]){ temp[t]=a[i]; t++; i++; }else{ temp[t]=a[j]; t++; j++; } } while(i<=mid){ temp[t]=a[i]; t++; i++; } while(j<=right){ temp[t]=a[j]; t++; j++; } //将temp中的数组拷贝在a中 t=0; int tempLeft=left; while(tempLeft<=right){ a[tempLeft]=temp[t]; t++; tempLeft++; } } }
经典的用空间换时间的排序方式，排序需要10个数组，每个数组的长度与待排序数组长度一样多，很耗费空间。
以上就是基数排序的过程：
设置10个数组，逻辑上代表位数的个数位。
在第一轮排序中，按照数组中每个数的个位，将数依次填入每个桶中；
然后根据存的桶再依次拿出存入数组中，依次往复，
即可得到排序后的数组。
代码如下：
package com.liuixnghang.test; import org.junit.Test; import java.text.SimpleDateFormat; import java.util.Date; public class Jishu { @Test public void run(){ //测试快排的执行速度 // 创建要给80000个的随机的数组 int[] arr = new int[8000000]; for (int i = 0; i < 8000000; i++) { arr[i] = (int) (Math.random() * 8000000); // 生成一个[0, 8000000) 数 } System.out.println("排序前"); Date data1 = new Date(); SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss"); String date1Str = simpleDateFormat.format(data1); System.out.println("排序前的时间是=" + date1Str); jishu(arr); Date data2 = new Date(); String date2Str = simpleDateFormat.format(data2); System.out.println("排序前的时间是=" + date2Str); } public void print(int[] a){ for (int i : a) { System.out.print(i +" "); } System.out.println(); } public void jishu(int [] a){ //设置1个二维数组来存储10个一维数组 int [][] bucket=new int[10][a.length]; //设置一个数组来记录每个桶中的数据有几个 int bucketElementCounts[]=new int[10]; //这里需要得到数据中数的最大位数 int max=0; for(int i=0;i<a.length;i++){ if(a[i]>max){ max=a[i]; } } int maxLength=(max+"").length(); //进行循环 for(int i=0,n=1;i<maxLength;i++,n*=10){//对每一位进行处理 //把数据取出来放到对应的桶里 for(int j=0;j<a.length;j++){ //得到当前数据的位数 int digit=a[j] /n %10; //放到对应的桶中 bucket[digit][bucketElementCounts[digit]]=a[j]; bucketElementCounts[digit]++; } int index=0; //按桶的顺序，取出数，放到数组中 for(int k=0;k<bucketElementCounts.length;k++){ if(bucketElementCounts[k]!=0){ for(int l=0;l<bucketElementCounts[k];l++){ a[index++]=bucket[k][l]; } } //将bucketElementCounts中的数清零 bucketElementCounts[k]=0; } } } }
原文：https://www.cnblogs.com/lovejune/p/12381596.html
