本文目录导航：
提出程序=算法+数据结构的是谁
提出程序=算法+数据结构的观念是美国计算机迷信家唐纳德·克努斯（DonaldKnuth）。
这个观念关于计算机迷信的开展和程序设计实践的完善具备关键意义。
程序=算法+数据结构这个观念的提出，使得咱们对程序的了解愈加深入。
程序不只仅是代码的堆砌，而是有其外在的结构和逻辑。
算法和数据结构是程序的两个外围组成局部，它们相互依赖，独特导致了一个完整的程序。
算法是程序的外围，它担任处置特定的疑问。
一个好的算法可以有效地处置疑问，提高程序的效率。
算法的设计须要思考疑问的个性，设计出适宜的算法。
在设计算法时，咱们须要思考算法的正确性、效率、空间复杂度等起因。
一个好的算法可以使得程序运转得愈加高效，提高程序的功能。
数据结构是程序的另一个外围组成局部，它担任存储和组织数据。
数据结构的选用对程序的功能有很大的影响。
不同的数据结构有不同的优缺陷，咱们须要依据程序的需求选用适宜的数据结构。
例如，假设咱们须要频繁地查找和修负数据，选用适宜的数据结构可以大大提高程序的效率。
程序=算法+数据结构的观念关于程序设计具备关键的指点意义。
它通知咱们，设计程序时不只要思考算法，还要思考数据结构。
只要算法和数据结构相互配合，能力设计出高效的程序。
此外，程序=算法+数据结构的观念还通知咱们，要提高程序的功能，就须要提升算法和数据结构。
咱们可以经过改良算法，提高算法的效率；也可以经过选用适宜的数据结构，提高程序的功能。
总之，程序=算法+数据结构的观念关于计算机迷信的开展和程序设计实践的完善具备关键意义。
它使得咱们对程序的了解愈加深入，为咱们提供了程序设计的指点准则。
在未来的程序设计中，咱们应该继续保持这个观念，致力提高程序的功能，为我国的计算机迷信的开展做出更大的奉献。
数据结构与算法--堆和堆排序
堆排序是一种原地的、期间复杂度为 O(nlogn) 的排序算法。
堆是一种不凡的树。 只需满足这两点，它就是一个堆：
关于每个节点的值都大于等于子树中每个节点值的堆，咱们叫做 “大顶堆” 。
关于每个节点的值都小于等于子树中每个节点值的堆，咱们叫做 “小顶堆” 。
齐全二叉树比拟适宜用数组来存储。
用数组来存储齐全二叉树是十分节俭存储空间的。
下标可以间接计算出左右字数的下标。
（数组中下标为 i 的节点，左子节点下标为 i∗2 ，右子节点下标为 i∗2+1，父节点的下标为 i/2 。
）
假设咱们把新拔出的元素放到堆的最后，你可以看我画的这个图，是不是不合乎堆的个性了？于是，咱们就须要启动调整，让其从新满足堆的个性，这个环节咱们起了一个名字，就叫做 堆化（heapify） 。
堆化实践上有两种，从下往上和从上往下。
这里我先讲从下往上的堆化方法。
堆化十分便捷，就是顺着节点所在的门路，向上或许向下，对比，而后替换。
咱们把最后一个节点放到堆顶，而后应用雷同的父子节点对比方法。
关于不满足父子节点大小相关的，调换两个节点，并且重复启动这个环节，直到父子节点之间满足大小相关为止。
这就是 从上往下的堆化方法 。
一个蕴含 n 个节点的齐全二叉树，树的高度不会超越 log2n。
堆化的环节是顺着节点所在门路比拟替换的，所以堆化的期间复杂度跟树的高度成正比，也就是 O(logn)。
拔出数据和删除堆顶元素的关键逻辑就是堆化，所以，往堆中拔出一个元素和删除堆顶元素的期间复杂度都是 O(logn)。
这里咱们借助于堆这种数据结构成功的排序算法，就叫做堆排序。
这种排序方法的期间复杂度十分稳固，是 O(nlogn)，并且它还是原地排序算法。
从后往前处置数组，并且每个数据都是从上往下堆化。
由于叶子节点往下堆化只能自己跟自己比拟，所以咱们间接从最后一个非叶子节点开局，依次堆化就行了。
建堆的期间复杂度就是 O(n)。 推导环节见 极客期间--数据结构与算法之美
建堆完结之后，数组中的数据曾经是依照大顶堆的个性来组织的。
数组中的第一个元素就是堆顶，也就是最大的元素。
咱们把它跟最后一个元素替换，那最大元素就放到了下标为 n 的位置。
这个环节有点相似下面讲的“删除堆顶元素”的操作，当堆顶元素移除之后，咱们把下标为 n 的元素放到堆顶，而后再经过堆化的方法，将剩下的 n−1 个元素从新构建成堆。
堆化成功之后，咱们再取堆顶的元素，放到下标是 n−1 的位置，不时重复这个环节，直到最后堆中只剩下标为 1 的一个元素，排序上班就成功了。
整个堆排序的环节，都只须要极一般暂时存储空间，所以堆排序是原地排序算法。
堆排序包括建堆和排序两个操作，建堆环节的期间复杂度是 O(n)，排序环节的期间复杂度是 O(nlogn)，所以，堆排序全体的期间复杂度是 O(nlogn)。
堆排序不是稳固的排序算法，由于在排序的环节，存在将堆的最后一个节点跟堆顶节点调换的操作，所以就有或许扭转值相反数据的原始相对顺序。
堆这种数据结构几个十分关键的运行：优先级队列、求 Top K 和求中位数。
假定咱们有 100 个小文件，每个文件的大小是 100MB，每个文件中存储的都是有序的字符串。
咱们宿愿将这些 100 个小文件兼并成一个有序的大文件。
这里就会用到优先级队列。
这里就可以用到优先级队列，也可以说是堆。
咱们将从小文件中取出来的字符串放入到小顶堆中，那堆顶的元素，也就是优先级队列队首的元素，就是最小的字符串。
咱们将这个字符串放入到大文件中，并将其从堆中删除。
而后再从小文件中取出下一个字符串，放入到堆中。
循环这个环节，就可以将 100 个小文件中的数据依次放入到大文件中。
咱们可以用优先级队列来处置。
咱们依照义务设定的口头期间，将这些义务存储在优先级队列中，队列首部（也就是小顶堆的堆顶）存储的是最先口头的义务。
如何在一个蕴含 n 个数据的数组中，查找前 K 大数据呢？咱们可以保养一个大小为 K 的小顶堆，顺序遍历数组，从数组中取出数据与堆顶元素比拟。
假设比堆顶元素大，咱们就把堆顶元素删除，并且将这个元素拔出到堆中；假设比堆顶元素小，则不做处置，继续遍历数组。
这样等数组中的数据都遍历完之后，堆中的数据就是前 K 大数据了。
中位数，望文生义，就是处在两边位置的那个数。
经常使用两个堆：一个大顶堆， 一个小顶堆。
小顶堆中的数据都大于大顶堆中的数据。
假设新添加的数据小于等于大顶堆的堆顶元素，咱们就将这个新数据拔出到大顶堆；否则，咱们就将这个新数据拔出到小顶堆。
也就是说，假设有 n 个数据，n 是偶数，咱们从小到大排序，那前 2n 个数据存储在大顶堆中，后 2n 个数据存储在小顶堆中。
这样，大顶堆中的堆顶元素就是咱们要找的中位数。
假设 n 是奇数，状况是相似的，大顶堆就存储 2n+1 个数据，小顶堆中就存储 2n 个数据。
极客期间--数据结构与算法之美--28 | 堆和堆排序：为什么说堆排序没有极速排序快？
大学数据结构与算法这10本书收好
书籍介绍靠着这10本经典书籍数据结构与算法
《大话数据结构》
《大话数据结构》 这本书最大的特点是，它把实践讲得很幽默，不单调。
读技术书最大的烦恼不是这本书经典不经典，而是能不能看的出来，能看的出来学到了，这本书就是好书。
假设看不出来，哪怕是再经典的书，对学习的能都没有一丁点的协助，对吧?
《算法图解》
就像这本书副标题写的那样“像小说一样幽默的算法入门书”，主打“图解深刻易懂，学习起来就轻松多了，对吧?
经过《大话数据结构》和《算法图解》两本书的学习，我置信读者好友们必定能够入门数据结构和算法了。
假设还想更系统、更深化地学习，请继续往下看。
《数据结构和算法剖析》
黑皮书，一眼看下来，就知道是一本经典书，对吧?《数据结构和算法剖析》这本书的作者也十分用例子不只要 Java 版的，还有 C 版和 C++ 版的
《剑指 offer》
这本书剖析了 80 个典型的编程面试题，假设能搞懂这本书里的内容，接待普通公司的面试应该不成疑问。
直白点说，学习算法和数据结构会十分辛劳，那既然付出了这么多心血，咱们的目标就很明白，取得一份更好的上班岗位，这本书必定能够协助到咱们
《趣学数据结构》
解说比拟活泼，用 C++ 形容的，适宜基础普通的初学者。作者陈小玉是河南的，还写过另外一本算法方面的书，雷同很适宜初学者
《啊哈算法》
一本幽默的算法入门书，C 言语成功的，没有单调的形容，没有难懂的公式，所有以实践运行为登程点。
《漫画算法 : 小灰的算法之旅》
用漫画的方式讲述了算法和数据结构的基础常识复杂多变的算法面试标题及算法的实践运行场景。出了两版，一版 Python，一版 Java
《程序员代码面试指南》
这是一本程序员代码面试”神书”!书中对 IT 名企代码面试各类标题的最优解启动了总结，并提供了相关代码成功，选取将近 300 道实在产生过的经典代码面试题，”刷”完这书，就是”题王”!
《算法》
这是一本十分适宜于自学以及作为教材的算法书特点有: 基础十分片面、图示明晰易懂、数学要求低代码是经过 Java 成功的，只管是一本大部头书，但难懂的话不过。
《数据结构与算法之美》
会引见最经常出现、最关键的数据结构与算法。每种都从“来历”“特点”“适宜处置的疑问”“实践的运行场景登程，启动具体引见:并配有明晰易懂的手绘图解，由浅入深启动讲述:还适时总结一些适用“宝典”教你处置实在开发疑问的思绪和方法
