网络上流传着一句段子“程序员两条腿，一条是算法，一条是英文，想跑的更远，这两条腿都不能弱”。英文，我们暂且不谈，我们先来谈谈算法。

算法之难，在于将精巧的逻辑，通过合适的数据结构，用编程语言展开。在某种程度上，数据结构和算法可以说是计算机应用领域的底层逻辑，它也是程序员修炼内功的必备，是其中最为基础的。

大部分有过计算机学习经验的人都听过“算法 + 数据结构 = 程序”，但现在很多的程序员只知道做 CRUD BOY，用着别人封装好的函数、类、库、API，并认为数据结构和算法没用，程序只是搭积木而已。

然而，事实真的是这样吗？先不说数据结构和算法本身的魅力，数据结构与算法毫无疑问是大厂面试题中的常客、是进入大厂的敲门砖，如果不想被行业抛弃，想进入更大的名企，在 IT 道路上拿着高薪、走得更远，掌握数据结构与算法是非常有必要的。

为了小伙伴们金九银十冲刺大厂，【+jcc4261获取】小编特此分享一份字节内网数据结构与算法刷题笔记！

基础知识

在学习数据结构和算法方面的内容之前，本章先介绍有关数据结构的基本概念，帮助读者为今后的学习扫清障碍。

线性表

线性表是- -种最基本、最常用的数据结构，表中的元素呈线性关系。线性表、栈、队列和串都属于线性结构，线性结构的特点是:除了第- -个元素没有直接前驱元素，最后一个元素没有直接后继元素外，其他元素有唯一的前驱元素和唯一的后继元素。

栈

栈(stack)是一种操作受限的线性表。栈具有线性表的结构特点:除了第一个元素和最后-一个元素外，其他元素只有一个前驱元素和一个后继元素。栈的限制在于它只允许在表的一端进行插入和删除操作。在日常生活中，有许多栈的例子，进制转换、表达式求值、括号匹配使用的都是栈的“后进先出”设计思想。.

队列

队列作为- -种操作受限的线性表，它只允许在表的一端进行插入，另一端进行删除。队列具有“先进先出”的特性，其应用非常广泛，主要应用在树的层次遍历、图的广度优先遍历、键盘的输入缓冲区、操作系统的资源分配等方面。

串

字符串，简称串，它也是一-种重要的线性结构。计算机中处理的大部分数据是串数据，例如学生学籍信息系统中的姓名、性别、家庭住址、院系名称等数据都属于串数据。串广泛应用于各行各业的信息管理、信息检索、问答系统、机器翻译等系统的处理中。

数组

前面几章介绍的线性表、栈、队列和串都属于线性结构，本章的数组和下一章的广义表可看作线性结构的推广。数组中的元素本身可以具有某种结构，而且元素的结构相同。数组中的元素可以是单个元素也可以是一个线性表。

广义表

与数组一样，广义表也是线性表的一一种推广。它是-种递归定义的数据结构，但其数据元素的类型可以不.同，其元素可以是普通元素，也可以是广义表。广义表被广泛应用于人工智能等领域的表处理语言LISP中, .它把广义表作为基本的数据结构，就连程序也表示成一系列的广义表。

树

本章讨论的树、二叉树等树形结构(简称树)属于非线性数据结构。具体地讲，树是一-种层次结构，这种层次结构的特点是如果存在前驱节点，则一定是唯一的:如果存在后继节点，则可以是多个。简言之，树中的节点之间是一-对多的关系。树在日常生活中得到了广泛应用，如文件管理中的目录结构、人类社会的族谱和各种社会机构的组织都可用树来形象表示。

图

图(raph) 是- -种网状结构，是比树更复杂的非线性结构。在图中，任意两个节点之间都可能相关，即.节点之间的邻接关系可以是任意的。每个节点既可有多个直接前驱，也可有多个直接后继。图被应用于描述各种复杂的数据对象，在自然科学、社会科学和人文科学等领域和日常生活中有着非常广泛的应用，如化学分子结构分析、遗传学、通信线路、交通航线等。

查找算法

查找也称检索，是指从一批记录中找到指定记录的过程。查找算法是程序设计过程中处理非数值问题常用的操作之- -。例如，从英汉词典中查找某个单词的含义，从联系人中查找朋友的联系方式等。常用的查找算法包括基于线性表的查找、基于树的查找、哈希表的查找。

第10章排序算法

排序算法是程序设计中最常用的算法之一。排序(sorting)是程序设计中的一-种重要技术，它将由若干数据元素(或记录)组成的无序序列重新排列成一-个按关键字排列的有序序列。-般来说，排序算法按照排序策略可分为插入排序、交换排序、选择排序、归并排序和基数排序。

递推算法

递推算法是一种比较简单的算法，即通过已知条件，利用特定关系得到中间结论，然后得到最后结果的算法。递推算法通常利用计算机运算速度快、适合进行重复操作的特点，让计算机对- -组操作重复执行，每次执行时都使用变量的新值代替旧值，不断迭代对问题进行求解。递推算法可分为顺推法和逆推法两种，本章通过几个典型的实例来说明递推算法的应用。

递归算法

递归就是自己调用自己，它是设计和描述算法的一种有力的工具，常常用来解决比较复杂的问题。递归是-种分而治之、将复杂问题转换为简单问题的求解方法。一般情况下，能采用递归描述的算法通常有以下特征:为求解规模为N的问题，设法将它分解成规模较小的问题，从小问题的解更容易构造出大问题的解，并且这些规模较小的问题也能采用同样的分解方法，分解成规模更小的问题，并能从这些更小问题的解构造出规模较大问题的解。- -般情况下，规模N=1时，问题的解是已知的。

以上求解过程也利用了分治算法的思想。分治算法将一个大规模问题分解为若干子问题，子问题相互独立，然后将子问题的解合并就可得到原问题的解。分治算法具体可以使用递归实现。

枚举算法

枚举算法，也称穷举算法，它是编程中常用的-种算法。在解决某些问题时，可能无法按照-定规律从众多的候选解中找出正确的解。此时，可以从众多的候选解中逐一-取出候选解，并验证候选解是否为正确的解。我们将这种方法称为枚举算法。

枚举算法的缺点是运算量比较大，解题效率不高。如果枚举范围太大，那么就会耗费过多。枚举算法的优点是思路简单，程序编写和调试方便。因此，如果问题的规模不是很大，且要求在规定的时间和空间下能够求出解，那么我们最好采用枚举算法，而不需要太在意是否还有更快的算法。

贪心算法

贪心算法(greedy algorithm)是一种不追求最优解，只希望找到较满意解的算法。贪心算法省去了为找最优解要穷尽所有可能而必须耗费的大量时间，因此它一般可以快速得到比较满意的解。贪心算法常以当前情况为基础做最优选择，而不考虑各种可能的整体情况,所以贪心算法不需要回溯。

贪心算法的典型应用包括找零钱问题、最优装载问题、哈夫曼编码加油站问题、背包问题等。例如，平时购物找零钱时，为使找回的零钱的硬币数最少，不要求穷举出找零钱的所有方案，而是从最大面值的币种开始，按递减的顺序考虑各面额。先尽量用大面值的面额，当不足大面值时才去考虑下一个较小面值，这就是应用了贪心算法的思想。

回溯算法

回溯(backracking) 算法，又称为试探算法，实际上类似于枚举的搜索尝试过程。它在搜索尝试过程中寻找问题的解，当发现不满足求解条件时，就“回溯"返回，尝试其他路径。回溯算法是- -种选优搜索法，按选优条件向前搜索，以达到目标。但当搜索到某一步时，发现原先的选择并不优或达不到目标，就退回上- -步重新选择。这种走不通就退回再走的方法称为回溯，而满足回溯条件的某个状态的点称为“回溯点”。许多复杂的、规模较大的问题都可以使用回溯算法求解，回溯算法有“通用解题算法"的美称。