数据结构（一）

算法的时间复杂度

通常用O(1)，O(n)，O(lgn)，O(nlogn)，O(n^2)等表示算法时间复杂度，大O描述的是算法运行时间和输入数据之间的关系。

看一个对输入数据进行求和的算法：

1 public static int sum(int[] nums) {
2     int sum = 0;
3     for(int num: nums) sum += num;
4     return sum;
5 }

第3行，对于nums中的每个数，都要进行这种操作，执行时间我们计为常量c1；
第2行和第4行的执行时间计做常量c2；

得出该算法的运行时间与输入数据（数组个数规模）之间是一种线性关系：

T = c1*n + c2

分析时间复杂度时，忽略常数。因此该算法的时间复杂度为O(n)。

再看下面的关系：

T1 = 2*n + 2          O(n)
T2 = 2000*n + 10000   O(n)
T3 = 1*n*n + 0        O(n^2)

我们知道高阶时间复杂度O(n^2)是大于低阶时间复杂度O(n)的，但是当n等于10时，高阶算法的执行时间T3=100，低阶算法的执行时间T2=12000，T3 < T2，这不是矛盾了吗？

其实，大O的表示的是渐进时间复杂度，描述的是n趋近于无穷时的情况。在n趋于无穷时，T3 > T2。

对于n较小的情况下，当高阶算法的常数比较小的时候，有可能运行时间反而快于低阶算法的

当n趋于无穷的情况下，同时存在高阶和低阶时，低阶是可以被忽略的：

T1 = 300n + 10           O(n)
T2 = 1*n*n + 300n + 10   O(n^2)

数据结构---数组

数组就是把数据码成一排进行存放，是一种线性数据结构：

数组的最大优点：快速查询。scores[2]

我们基于Java的静态数组，封装一个属于自己的动态数组类Array，加深对于数组这种数据结构的理解。

我们基于Java静态数组data来封装我们的动态数组Array类，capacity表示数组容量，可以通过data.length获得。size表示数组元素个数，初始为0（也可以看成是下一个新增元素的索引位置）。

据此，设计Array类结构。

实现动态数组

初始数组类结构

public class Array<E> {

    private E[] data;
    private int size;

    // 构造函数，传入数组的容量captacity构造Array
    public Array(int capacity) {
        data = (E[])new Object[capacity];
        size = 0;
    }

    // 无参数的构造函数，默认数组的容量capacity=10
    public Array() {
        this(10);
    }

    // 获取数组中的元素个数
    public int getSize() {
        return size;
    }

    // 获取数组的容量
    public int getCapacity() {
        return data.length;
    }

    // 返回数组是否为空
    public boolean isEmpty() {
        return size == 0;
    }
    
}

向数组末尾添加元素

添加元素前：

添加元素后：

分析得出，如果要向数组添加元素e，只要在size所在索引位置设置元素e，然后size向后移动（size++）即可。

据此，增加添加元素相关的代码：

// 在所有元素后添加一个新元素
public void addLast(E e) {
    if(size == data.length) { // 数组容量已填满，则不能再添加
        throw new IllegalArgumentException("AddLast failed. Array is full.");
    }
    data[size] = e;
    size++;
}

向指定位置添加元素

添加前：

添加后：

分析得出，只要把要插入元素的索引位置的当前元素以及其后的所有元素，都往后挪动一位，然后在指定索引位置设置新元素即可，最后size++。为避免元素覆盖，具体挪的时候，需要从后往前推进完成元素挪动的整个过程。

修改代码：

// 在第index个位置插入一个新元素e
public void add(int index, E e) {
    if(size == data.length) {
        throw new IllegalArgumentException("Add failed. Array is full.");
    }
    
    if(index < 0 || index > size) {
        throw new IllegalArgumentException("Add failed. Require index >= 0 and index <= size.");
    }
    
    for(int i = size - 1; i >= index; i--) {
        data[i + 1] = data[i];
    }
    
    data[index] = e;
    size++;
}

调整addLast，复用add方法，同时增加一个addFirst：

// 在所有元素后添加一个新元素
public void addLast(E e) {
    add(size, e);
}

// 在所有元素前添加一个新元素
public void addFirst(E e) {
    add(0, e);
}

获取元素和修改元素

// 获取index索引位置的元素
public E get(int index) {
    if (index < 0 || index >= size) {
        throw new IllegalArgumentException("Get failed. Index is illegal.");
    }
    return data[index];
}

// 修改index索引位置的元素
public void set(int index, E e) {
    if (index < 0 || index >= size) {
        throw new IllegalArgumentException("Set failed. Index is illegal.");
    }
    data[index] = e;
}

包含、搜索

// 查找数组中是否有元素e
public boolean contains(E e) {
    for (int i = 0; i < size; i++) {
        if (data[i].equals(e)) {
            return true;
        }
    }
    return false;
}

// 查找数组中元素e所在的索引，如果不存在元素e，则返回-1
public int find(E e) {
    for (int i = 0; i < size; i++) {
        if (data[i].equals(e)) {
            return i;
        }
    }
    return -1;
}

从数组中删除元素

删除前：

删除后：

分析得出，只要将要删除位置之后的元素都往前挪动一位即可。然后size减1。

修改代码：

// 从数组中删除index位置的元素，返回删除的元素
public E remove(int index) {
    if (index < 0 || index >= size) {
        throw new IllegalArgumentException("Remove failed. Index is illegal.");
    }
    E ret = data[index];
    for (int i = index + 1; i < size; i++) {
        data[i-1] = data[i];
    }
    size--;

    return ret;
}

// 从数组中删除第一个元素，返回删除的元素
public E removeFirst() {
    return remove(0);
}

// 从数组中删除最后一个元素，返回删除的元素
public E removeLast() {
    return remove(size - 1);
}

// 从数组中删除元素e（只删除一个）
public boolean removeElement(E e) {
    int index = find(e);
    if (index != -1) {
        remove(index);
        return true;
    }
    return false;
}

调整为动态数组
容量开太大，浪费空间，容量开小了，空间不够用。所以需要实现动态数组。

具体做法如下：

就是在方法中开辟一个更大容量的数组，循环遍历原来的数组元素，设置到新的数组上。然后将原数组的data指向新数组。

修改代码：

// 数组容量扩容/缩容
public void resize(int newCapacity) {
    E[] newData = (E[])new Object[newCapacity];
    for (int i = 0; i < size; i++) {
        newData[i] = data[i];
    }
    data = newData;
}

修改添加元素的代码，添加时自动扩容：

// 在第index个位置插入一个新元素e
public void add(int index, E e) {
    if (index < 0 || index > size) {
        throw new IllegalArgumentException("AddLast failed. Require index >= 0 and index <= size");
    }
    if (size == data.length) {
        resize(2 * data.length); // 扩容为原来的2倍
    }

    for (int i = size - 1; i >= index; i--) {
        data[i + 1] = data[i];
    }
    data[index] = e;
    size++;
}

修改删除元素的代码，必要时自动缩容：

// 从数组中删除index位置的元素，返回删除的元素
public E remove(int index) {
    if (index < 0 || index >= size) {
        throw new IllegalArgumentException("Remove failed. Index is illegal.");
    }
    E ret = data[index];
    for (int i = index + 1; i < size; i++) {
        data[i - 1] = data[i];
    }
    size--;
    data[size] = null; // loitering objects != memory leak

    if (size == data.length / 2 && data.length / 2 != 0) {
        resize(data.length / 2); // 缩容为原来的一半
    }
    return ret;
}

测试我们的数组

@Override
public String toString() {
    StringBuilder res = new StringBuilder();
    res.append(String.format("Array: size = %d, capacity = %d\n", size, data.length));
    res.append("[");
    for (int i = 0; i < size; i++) {
        res.append(data[i]);
        if (i != size - 1) {
            res.append(", ");
        }
    }
    res.append("]");
    return res.toString();
}

public static void main(String[] args) {

    Array<Integer> arr = new Array<>();
    for (int i = 0; i < 10; i++) {
        arr.addLast(i);
    }
    System.out.println(arr);

    arr.add(1, 100);
    System.out.println(arr);

    arr.addFirst(-1);
    System.out.println(arr);

    arr.remove(2);
    System.out.println(arr);

    arr.removeElement(4);
    System.out.println(arr);

    arr.removeFirst();
    System.out.println(arr);

}

console输出：

Array: size = 10, capacity = 10
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
Array: size = 11, capacity = 20
[0, 100, 1, 2, 3, 4, 5, 6, 7, 8, 9]
Array: size = 12, capacity = 20
[-1, 0, 100, 1, 2, 3, 4, 5, 6, 7, 8, 9]
Array: size = 11, capacity = 20
[-1, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
Array: size = 10, capacity = 20
[-1, 0, 1, 2, 3, 5, 6, 7, 8, 9]
Array: size = 9, capacity = 20
[0, 1, 2, 3, 5, 6, 7, 8, 9]

动态数组的时间复杂度

addLast(e)：O(1)
与数组元素规模没有关系，在末尾增加元素，都能在常数时间内完成
addFirst(e)：O(n)
涉及到所有数组元素要挪位
add(index, e)：O(n)
按照概率论，平均要挪1/2*n个位置，O(1/2*n)，n趋于无穷，忽略常量
resize(capacity)：O(n)
涉及到把原来的每个元素要复制一遍
removeLast(e)：O(1)
与数组元素规模没有关系，在末尾删除元素，都能在常数时间内完成
removeFirst(e)：O(n)
涉及到所有数组元素要挪位
remove(index, e)：O(n)
按照概率论，平均要挪1/2*n个位置，O(1/2*n)，n趋于无穷，忽略常量
set(index, e)：O(1)
get(index)：O(1)
contains(e)：O(n)
find(e)：O(n)

综合来看，

增：O(n)
删：O(n)
改：已知索引O(1)，未知索引O(n)
查：已知索引O(1)，未知索引O(n)

对于addLast(e)和removeLast(e)，有可能会涉及到resize，所以还是O(n)。但是，对于这种相对比较耗时的操作，如果能保证它不是每次都会触发的话，可以用均摊复杂度更为合理。

均摊时间复杂度

假设capacity=n，n+1次addLast操作后，触发resize操作，resize操作对n个元素进行复制，所以总共进行2n+1次操作。平均，每次addLast操作，进行2次基本操作。这种均摊计算，时间复杂度是O(1)。
同理removeLast()，均摊时间复杂度也是O(1)

复杂度震荡
上面，我们按均摊时间复杂度来分析，addLast()和removeLast()操作的时间复杂度都是O(1)。

但是当我们同时关注addLast()和removeLast()操作的时候，存在这么一种情况：假设capacity=n，当程序操作addLast()添加第n+1个元素的时候，触发resize扩容，此时，时间复杂度为O(n)。然后很不幸的，接着马上又是removeLast()删除第n+1个元素，又触发了resize缩容，时间复杂度还是O(n)。更不幸的是，这时候addLast()、removeLast()操作一直在反复进行，那么每次都是O(n)了。

对于这个问题，就是复杂度震荡，问题的关键在于removeLast()的时候缩容的有些着急(Eager)。可以优化成延迟缩容，在数组元素只有容量的1/4的时候再进行缩容。

修改代码如下：

// 从数组中删除index位置的元素，返回删除的元素
public E remove(int index) {
    if (index < 0 || index >= size) {
        throw new IllegalArgumentException("Remove failed. Index is illegal.");
    }
    E ret = data[index];
    for (int i = index + 1; i < size; i++) {
        data[i - 1] = data[i];
    }
    size--;
    data[size] = null; // loitering objects != memory leak

    // 缩容数组使用lazy方式（避免复杂度震荡），在1/4的时候才缩容
    if (size == data.length / 4 && data.length / 2 != 0) { 
        resize(data.length / 2); // 缩容为原来的一半
    }

    return ret;
}

动态数组的完整代码

public class Array<E> {

    private E[] data;
    private int size;

    // 构造函数，传入数组的容量captacity构造Array
    public Array(int capacity) {
        data = (E[])new Object[capacity];
        size = 0;
    }

    // 无参数的构造函数，默认数组的容量capacity=10
    public Array() {
        this(10);
    }

    // 获取数组中的元素个数
    public int getSize() {
        return size;
    }

    // 获取数组的容量
    public int getCapacity() {
        return data.length;
    }

    // 返回数组是否为空
    public boolean isEmpty() {
        return size == 0;
    }

    // 在第index个位置插入一个新元素e
    public void add(int index, E e) {
        if (index < 0 || index > size) {
            throw new IllegalArgumentException("Add failed. Require index >= 0 and index <= size");
        }
        if (size == data.length) {
            resize(2 * data.length); // 扩容为原来的2倍
        }

        for (int i = size - 1; i >= index; i--) {
            data[i + 1] = data[i];
        }

        data[index] = e;
        size++;
    }

    // 在所有元素后添加一个新元素
    public void addLast(E e) {
        add(size, e);
    }

    // 在所有元素前添加一个新元素
    public void addFirst(E e) {
        add(0, e);
    }

    // 获取index索引位置的元素
    public E get(int index) {
        if (index < 0 || index >= size) {
            throw new IllegalArgumentException("Get failed. Index is illegal.");
        }
        return data[index];
    }

    // 修改index索引位置的元素
    public void set(int index, E e) {
        if (index < 0 || index >= size) {
            throw new IllegalArgumentException("Set failed. Index is illegal.");
        }
        data[index] = e;
    }

    // 查找数组中是否有元素e
    public boolean contains(E e) {
        for (int i = 0; i < size; i++) {
            if (data[i].equals(e)) {
                return true;
            }
        }
        return false;
    }

    // 查找数组中元素e所在的索引，如果不存在元素e，则返回-1
    public int find(E e) {
        for (int i = 0; i < size; i++) {
            if (data[i].equals(e)) {
                return i;
            }
        }
        return -1;
    }

    // 从数组中删除index位置的元素，返回删除的元素
    public E remove(int index) {
        if (index < 0 || index >= size) {
            throw new IllegalArgumentException("Remove failed. Index is illegal.");
        }
        E ret = data[index];
        for (int i = index + 1; i < size; i++) {
            data[i - 1] = data[i];
        }
        size--;
        data[size] = null; // loitering objects != memory leak
        
        // 缩容数组使用lazy方式（避免复杂度震荡），在1/4的时候才缩容
        if (size == data.length / 4 && data.length / 2 != 0) {
            resize(data.length / 2); // 缩容为原来的一半
        }

        return ret;
    }

    // 从数组中删除第一个元素，返回删除的元素
    public E removeFirst() {
        return remove(0);
    }

    // 从数组中删除最后一个元素，返回删除的元素
    public E removeLast() {
        return remove(size - 1);
    }

    // 从数组中删除元素e（只删除一个）
    public boolean removeElement(E e) {
        int index = find(e);
        if (index != -1) {
            remove(index);
            return true;
        }
        return false;
    }

    public void resize(int newCapacity) {
        E[] newData = (E[])new Object[newCapacity];
        for (int i = 0; i < size; i++) {
            newData[i] = data[i];
        }
        data = newData;
    }

    @Override
    public String toString() {
        StringBuilder res = new StringBuilder();
        res.append(String.format("Array: size = %d, capacity = %d\n", size, data.length));
        res.append("[");
        for (int i = 0; i < size; i++) {
            res.append(data[i]);
            if (i != size - 1) {
                res.append(", ");
            }
        }
        res.append("]");
        return res.toString();
    }

    public static void main(String[] args) {

        Array<Integer> arr = new Array<>();
        for (int i = 0; i < 10; i++) {
            arr.addLast(i);
        }
        System.out.println(arr);

        arr.add(1, 100);
        System.out.println(arr);

        arr.addFirst(-1);
        System.out.println(arr);

        arr.remove(2);
        System.out.println(arr);

        arr.removeElement(4);
        System.out.println(arr);

        arr.removeFirst();
        System.out.println(arr);

    }

}

数据结构---栈

栈也是一种线性数据结构
相比数组，栈对应的操作是数组的子集
只能从栈顶添加元素，也只能从栈顶取出元素
是一种后进先出的数据结构，LIFO（Last In First Out）

无处不在的撤销操作、程序调用的调用栈，等等都是栈的常见应用。

实现栈

基于我们实现的动态数组Array来实现栈

public interface Stack<E> {

    int getSize();
    boolean isEmpty();
    void push(E e);
    E pop();
    E peek();

}

public class ArrayStack<E> implements Stack<E> {

    Array<E> array;

    public ArrayStack(int capacity) {
        array = new Array<>(capacity);
    }

    public ArrayStack() {
        array = new Array<>();
    }

    @Override
    public int getSize() {
        return array.getSize();
    }

    @Override
    public boolean isEmpty() {
        return array.isEmpty();
    }

    @Override
    public void push(E e) {
        array.addLast(e);
    }

    @Override
    public E pop() {
        return array.removeLast();
    }

    @Override
    public E peek() {
        return array.getLast();
    }

    public int getCapacity() {
        return array.getCapacity();
    }

    @Override
    public String toString() {
        StringBuffer res = new StringBuffer();
        res.append("Stack: ");
        res.append("[");
        for (int i = 0; i < array.getSize(); i++) {
            res.append(array.get(i));
            if (i != array.getSize() -1) {
                res.append(", ");
            }
        }
        res.append("] top");
        return res.toString();
    }

    public static void main(String[] args) {
        ArrayStack<Integer> stack = new ArrayStack<>();
        for (int i = 0; i < 5; i++) {
            stack.push(i);
            System.out.println(stack);
        }

        stack.pop();
        System.out.println(stack);
    }
}

输出结果：

Stack: [0] top
Stack: [0, 1] top
Stack: [0, 1, 2] top
Stack: [0, 1, 2, 3] top
Stack: [0, 1, 2, 3, 4] top
Stack: [0, 1, 2, 3] top

由于基于我们的动态数组Array来实现的栈，所以该栈也具备了缩容和扩容的能力。

栈的时间复杂度

ArrayStack<E>

void push(E)：可能触发resize，均摊复杂度依然为O(1)
E pop()：可能触发resize，均摊复杂度依然为O(1)
E peek()：O(1)
int getSize()：O(1)
boolean isEmpty()：O(1)

数据结构---队列

队列也是一种线性数据结构
相比数组，队列对应的操作是数组的子集
只能从一端（队尾）添加元素，从另一端（队首）取出元素
是一种先进先出的数据结构，FIFO（First In First Out）

实现数组队列

基于我们实现的动态数组Array来实现队列

public interface Queue<E> {

    int getSize();
    boolean isEmpty();
    void enqueue(E e);
    E dequeue();
    E getFront();

}

public class ArrayQueue<E> implements Queue<E> {

    private Array<E> array;

    public ArrayQueue(int capacity) {
        array = new Array<>(capacity);
    }

    public ArrayQueue() {
        array = new Array<>();
    }

    @Override
    public int getSize() {
        return array.getSize();
    }

    @Override
    public boolean isEmpty() {
        return array.isEmpty();
    }

    public int getCapacity() {
        return array.getCapacity();
    }

    @Override
    public void enqueue(E e) {
        array.addLast(e);
    }

    @Override
    public E dequeue() {
        return array.removeFirst();
    }

    @Override
    public E getFront() {
        return array.getFirst();
    }

    @Override
    public String toString() {
        StringBuffer res = new StringBuffer();
        res.append("Queue: ");
        res.append("front [");
        for (int i = 0; i < array.getSize(); i++) {
            res.append(array.get(i));
            if (i != array.getSize() -1) {
                res.append(", ");
            }
        }
        res.append("] tail");
        return res.toString();
    }

    public static void main(String[] args) {
        ArrayQueue<Integer> queue = new ArrayQueue<>();
        for (int i = 0; i < 10; i++) {
            queue.enqueue(i);
            System.out.println(queue);

            if (i % 3 == 2) {
                queue.dequeue();
                System.out.println(queue);
            }
        }
    }
}

输出结果：

Queue: front [0] tail
Queue: front [0, 1] tail
Queue: front [0, 1, 2] tail
Queue: front [1, 2] tail
Queue: front [1, 2, 3] tail
Queue: front [1, 2, 3, 4] tail
Queue: front [1, 2, 3, 4, 5] tail
Queue: front [2, 3, 4, 5] tail
Queue: front [2, 3, 4, 5, 6] tail
Queue: front [2, 3, 4, 5, 6, 7] tail
Queue: front [2, 3, 4, 5, 6, 7, 8] tail
Queue: front [3, 4, 5, 6, 7, 8] tail
Queue: front [3, 4, 5, 6, 7, 8, 9] tail

由于基于我们的动态数组Array来实现的栈，所以该队列也具备了缩容和扩容的能力。

数组队列的时间复杂度

ArrayQueue<E>

void enqueue(E)：队尾入队，可能触发resize，均摊复杂度依然为O(1)
E dequeue()：出队后涉及所有元素向前移动，时间复杂度为O(n)
E getFront()：O(1)
int getSize()：O(1)
boolean isEmpty()：O(1)

实现循环队列

数组队列的出队时间复杂度为O(n)，主要问题是因为出队后，队伍中的元素都要往前移动。

过程大致如下：

队列：

出队：

移动：

维护size：

我们考虑实现一种循环队列，记录队头head指向和队尾tail指向。这么一来入队和出队只要分别向后移动tail和head一个位置即可。该问题就可以简化成如下方式的一种操作：

随着入队出队的持续进行，为了充分利用前方出队后留下的空间，tail在7位置时，如果继续入队，tail将指向0位置推进，所谓循环队列，就是这个意思。就像一个环形的传送带，只用移动头尾标记，就可以很方便地处理队列元素。所以循环队列在实现时要考虑按容量取模的处理情况。

另外，再考虑循环队列的另外一种情况：
关于循环队列，在实现时，在head与tail处于相同位置的时候，我们认为队列为空：

随着持续入队出队，在循环移动tail和front的过程中，tail可能会追上front：

由于tail==front不能即表达为“队列空”，又表达为“队列满”。为了解决这个问题，循环队列有意浪费一个空间：

因此，tail == front代表队列空，(tail + 1) % capacity = front代表队列满。

据此，我们实现循环队列如下：

public class LoopQueue<E> implements Queue<E> {

    private E[] data;
    private int front, tail;
    private int size;

    public LoopQueue(int capacity) {
        // capacity是用户期望的存储元素数量，实现队列时要浪费一个空间，所以apacity + 1
        data = (E[])new Object[capacity + 1];
        front = 0;
        tail = 0;
        size = 0;
    }

    public LoopQueue() {
        this(10);
    }

    public int getCapacity() {
        return data.length - 1;
    }

    @Override
    public int getSize() {
        return size;
    }

    @Override
    public boolean isEmpty() {
        return front == tail;
    }

    @Override
    public void enqueue(E e) {
        if ((tail + 1) % data.length == front) {
            resize(getCapacity() * 2);
        }

        data[tail] = e;
        tail = (tail + 1) % data.length;
        size++;
    }

    // O(1) 相比数组队列，由O(n)变成了O(1)
    @Override
    public E dequeue() {
        if (isEmpty()) {
            throw new IllegalArgumentException("Cannot dequeue from an empty queue.");
        }

        E ret = data[front];
        data[front] = null;
        front = (front + 1) % data.length;
        size--;
        if (size == getCapacity() / 4 && getCapacity() /2 != 0) {
            resize(getCapacity() / 2);
        }

        return ret;
    }

    private void resize(int newCapacity) {
        E[] newData = (E[])new Object[newCapacity + 1];
        for (int i = 0; i < size; i++) {
            // 将原来data中的元素放到newData中
            // front作为第一个元素，所以有front的偏差，由于是循环队列，所以要取模运算
            newData[i] = data[(i + front) % data.length];
        }
        data = newData;
        front = 0;
        tail = size;
    }

    @Override
    public E getFront() {
        if (isEmpty()) {
            throw new IllegalArgumentException("Cannot dequeue from an empty queue.");
        }
        return data[front];
    }

    @Override
    public String toString() {
        StringBuilder res = new StringBuilder();
        res.append(String.format("Queue: size = %d, capacity = %d\n", size, getCapacity()));
        res.append("front [");
        for (int i = front; i != tail; i = (i + 1) % data.length) {
            res.append(data[i]);
            if ((i + 1) % data.length != tail) {
                res.append(", ");
            }
        }
        res.append("] tail");
        return res.toString();
    }

    public static void main(String[] args) {
        LoopQueue<Integer> queue = new LoopQueue<>();
        for (int i = 0; i < 10; i++) {
            queue.enqueue(i);
            System.out.println(queue);

            if (i % 3 == 2) {
                queue.dequeue();
                System.out.println(queue);
            }
        }
    }
}

循环队列的时间复杂度

LoopQueue<E>

void enqueue(E)：O(1) 均摊
E dequeue()：O(1) 均摊
E getFront()：O(1)
int getSize()：O(1)
boolean isEmpty()：O(1)

测试数组队列和循环队列

import java.util.Random;

public class Main {


    // 测试使用q测试运行opCount个enqueue和dequeue操作所需要的时间，单位：秒
    private static double testQueue(Queue<Integer> q, int opCount) {
        long startTime = System.currentTimeMillis();

        Random random = new Random();
        for (int i = 0; i < opCount; i++) {
            q.enqueue(random.nextInt(Integer.MAX_VALUE));
        }

        for (int i = 0; i < opCount; i++) {
            q.dequeue();
        }

        long endTime = System.currentTimeMillis();
        return (endTime - startTime) / 1000.0;
    }

    public static void main(String[] args) {
        int opCount = 100000;

        ArrayQueue<Integer> arrayQueue = new ArrayQueue<>();
        double time1 = testQueue(arrayQueue, opCount);
        System.out.println("ArrayQueue, time: " + time1 + " s");

        LoopQueue<Integer> loopQueue = new LoopQueue<>();
        double time2 = testQueue(loopQueue, opCount);
        System.out.println("LoopQueue, time: " + time2 + " s");
        
    }
}

测试输出:

ArrayQueue, time: 3.895 s
LoopQueue, time: 0.014 s

数据结构（一）

算法的时间复杂度

数据结构---数组

实现动态数组

动态数组的时间复杂度

动态数组的完整代码

数据结构---栈

实现栈

栈的时间复杂度

数据结构---队列

实现数组队列

数组队列的时间复杂度

实现循环队列

循环队列的时间复杂度

测试数组队列和循环队列

zhutianxiang

引用和评论

以太坊实践整理（一）区块链基础知识

MySQL 索引

MaxCompute Bloomfilter index在蚂蚁安全溯源场景大规模点查询的最佳实践

学习笔记 - 汉明码