1、数据结构三要素？
逻辑结构、物理结构、数据运算
2、数组和链表的区别？
- 数组的特点： 数组是将元素在内存中连续存放，由于每个元素占用内存相同，可以通过下标迅速访问数组中任何元素。数组的插入数据和删除数据效率低，插入数据时，这个位置后面的数据在内存中都要向后移。删除数据时，这个数据后面的数据都要往前移动。但数组的随机读取效率很高。因为数组是连续的，知道每一个数据的内存地址，可以直接找到给地址的数据。如果应用需要快速访问数据，很少或不插入和删除元素，就应该用数组。数组需要预留空间，在使用前要先申请占内存的大小，可能会浪费内存空间。并且数组不利于扩展，数组定义的空间不够时要重新定义数组。
- 链表的特点： 链表中的元素在内存中不是顺序存储的，而是通过存在元素中的指针联系到一起。比如：上一个元素有个指针指到下一个元素，以此类推，直到最后一个元素。如果要访问链表中一个元素，需要从第一个元素开始，一直找到需要的元素位置。但是增加和删除一个元素对于链表数据结构就非常简单了，只要修改元素中的指针就可以了。如果应用需要经常插入和删除元素你就需要用链表数据结构了。不指定大小，扩展方便。链表大小不用定义，数据随意增删。
- 数组的优点：随机访问性强；查找速度快。
- 数组的缺点: 插入和删除效率低；可能浪费内存；内存空间要求高，必须有足够的连续内存空间；数组大小固定，不能动态拓展。
- 链表的优点: 插入删除速度快；内存利用率高，不会浪费内存；大小没有固定，拓展很灵活。
- 链表的缺点: 不能随机查找，必须从第一个开始遍历，查找效率低。
3、排序有哪些分类？
稳定的排序算法：冒泡排序、插入排序、归并排序和基数排序
不是稳定的排序算法：选择排序、快速排序、希尔排序、堆排序
4、冒泡排序（Bubble Sort）
算法步骤：
- 从第一个元素开始，比较相邻的两个元素。如果前一个元素比后一个元素大（如果是升序排序的话），则交换它们的位置。
- 对每一对相邻元素做同样的工作，从开始第一对到结尾的最后一对。这步做完后，最后的元素会是最大的数。
- 针对所有的元素重复以上的步骤，除了最后一个。
- 持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比较。
5、插入排序（Insertion Sort）
算法步骤：
- 从第一个元素开始，该元素可以认为已经被排序。
- 取出下一个元素，在已经排序的元素序列中从后向前扫描。
- 如果该元素（已排序）大于新元素，将该元素移到下一位置。
- 重复步骤3，直到找到已排序的元素小于或者等于新元素的位置。
- 将新元素插入到该位置后。
- 重复步骤2~5，直到所有元素均排序完毕。
6、希尔排序（Shell Sort）
算法步骤：
- 选择增量序列：首先，需要选择一个增量序列t1，t2，…，tk，其中ti > tj, tk = 1。这个序列的选择对希尔排序的性能至关重要。常用的增量序列有Hibbard增量序列、Sedgewick增量序列等。
- 分组与预排序：按照当前的增量ti，将待排序序列分割成若干长度为m的子序列，分别对各子表进行直接插入排序。此时，整个序列是“基本有序”的。
- 逐步缩小增量并重复排序：每排序完一次子序列（即增量为ti的一趟排序）后，更新增量为ti-1，并重复步骤2，进行下一趟排序，直到增量减小到1。此时，整个序列已经基本有序，可以对整个序列进行一次直接插入排序，得到最终排序结果。
7、选择排序（Selection Sort）
算法步骤：
- 遍历待排序序列，设立一个指针，初始指向序列的第一个元素。
- 从当前指针位置开始，依次与后面的元素比较，找到最小（或最大）的元素，并记录其位置。
- 将找到的最小（或最大）元素与当前指针位置的元素进行交换。
- 将指针向后移动一位，重复步骤2和步骤3，直到指针移动到序列的倒数第二个元素。
- 此时，最后一个元素已经是序列中的最大（或最小）元素，排序完成。
8、快速排序（Quick Sort）
算法步骤：
- 从序列中选取一个元素作为基准（pivot）。
- 将序列中小于基准的元素放在基准的左边，大于基准的元素放在基准的右边。这个操作称为分区（partition）操作，完成后基准元素处于序列的中间位置。此时，该基准元素在排序后的最终位置已经确定。
- 递归地对基准左边和右边的两个子序列进行快速排序。
9、归并排序（Merge Sort）
算法步骤：
- 分解：将待排序的序列划分为若干个长度为1的子序列，每个子序列自然有序。
- 递归进行归并：递归地将相邻的子序列两两归并，得到若干个有序的较长子序列，直到最终合并为一个完整的有序序列。
10、堆排序（Heap Sort）
算法步骤：
- 建堆：将无序序列构造成一个大顶堆（或小顶堆）。此时，整个序列的最大值（或最小值）就是堆顶的根节点。
- 堆调整：将堆顶元素与末尾元素进行交换，此时末尾就为最大值。然后将剩余n-1个序列重新构造成一个堆，这样会得到n个元素中的次大值。如此反复执行，便能得到一个有序序列了。
11、计数排序（Counting Sort）
首先，扫描待排序数组，确定数组的最大值和最小值；
然后，建立一个与最大值和最小值范围相对应的计数数组，并统计每个元素出现的次数；
最后，根据计数数组的信息，将待排序数组中的元素放到正确的位置上。
12、桶排序（Bucket Sort）
- 确定桶的数量和大小：首先，需要确定桶的数量以及每个桶的大小范围。桶的数量可以基于待排序数组的长度和数据分布来决定。每个桶的大小范围则是根据数据的最大值和最小值来划分的。
- 分配数据到桶中：遍历待排序数组，根据每个元素的值将其放入对应的桶中。这个过程需要根据桶的大小范围来判定每个元素应该放入哪个桶。
- 桶内排序：对每个桶内的元素进行排序。这里可以使用其他排序算法，如插入排序、归并排序或快速排序等，对桶内的元素进行进一步的排序。
- 合并桶中的数据：最后，按照桶的顺序，将桶内的元素依次合并起来，形成最终的排序结果。
13、基数排序（Radix Sort）
- 确定最大位数：首先，需要找到待排序数组中的最大值，确定其位数。这将决定需要进行多少轮排序。
- 从最低位开始排序：基数排序从最低位（个位）开始，对数组进行排序。在每一轮排序中，可以使用稳定的排序算法（如计数排序或桶排序）对相应位上的数字进行排序。
- 逐渐向高位排序：完成最低位的排序后，继续向更高位（十位、百位等）进行排序。每一轮排序都会根据当前位的数字值对数组进行重排。
- 合并排序结果：经过多轮排序后，数组中的元素将按照从最低位到最高位的顺序排列。由于每一轮排序都是稳定的，所以最终得到的数组将是一个有序数组。
14、数组和链表的区别？
从逻辑结构上来看，数组必须实现定于固定的长度，不能适应数据动态增减的情况，即数组的大小一旦定义就不能改变。当数据增加是，可能超过原先定义的元素的个数；当数据减少时，造成内存浪费；链表动态进行存储分配，可以适应数据动态地增减的情况，且可以方便地插入、删除数据项。
从内存存储的角度看；数组从栈中分配空间（用new则在堆上创建），对程序员方便快速，但是自由度小；链表从堆中分配空间，自由度大但是申请管理比较麻烦。
从访问方式类看，数组在内存中是连续的存储，因此可以利用下标索引进行访问；链表是链式存储结构，在访问元素时候只能够通过线性方式由前到后顺序的访问，所以访问效率比数组要低。
15、线性表的存储结构？
16、头指针和头节点？
17、栈（stack）和队列（queue）的区别？
18、什么是二叉树？平衡二叉树？
19、如何唯一确定一棵二叉树？
中序 + 先序/后序/层序
20、图的存储方式有哪些？每一种方式优缺点
21、树的存储结构？
22、图的遍历和树的遍历方式都是什么？
23、图的遍历与树的遍历有什么区别？
24、关键路径和关键活动是什么？
25、什么叫平衡二叉树？
26、什么叫搜索二叉树？
27、什么叫红黑树？
28、数据结构的4种逻辑结构各有什么特点？
（1）集合结构：结构中的数据元素之间除了同属于一种类型外，无其他关系。
（2）线性结构：结构中的数据元素之间存在一对一的关系。
（3）树形结构：结构中的数据元素之间存在一对多的关系。
（4）图状结构或网状结构:结构中的数据元素之间存在多对多的关系。
29、数据结构中的存储结构有哪几种？各有什么有优缺点？
30、什么是数据结构？C语言、数据结构、算法以及程序之间的关系是什么？
数据结构是指所有数据元素以及数据元素之间的关系，可以看作是相互之间存在着某种特定关系的集合，因此可以我们将数据结构看成是带结构的数据元素的集合。此外，在通常情况下，选择合适的数据结构可以带来提高运行效率或者存储效率。
数据结构、算法以及程序之间的关系是：数据结构 + 算法 = 程序。
算法不一定要求能够在计算机上直接运行，但程序必须要求能在计算机中运行。C语言只是对算法或者数据结构的描述，描述数据结构和算法不局限于C语言，也可以是C++语言和其他的计算机语言甚至也可以用人的自然语言。
31、常见数据结构？
数组 ；栈；队列；链表；图；树；前缀树；哈希
32、解决哈希冲突的方法
哈希表（Hash table，也叫散列表），是根据关键码值(Key value)而直接进行访问的数据结构。
1） 线性探测法
2） 平方探测法
3） 伪随机序列法
4） 拉链法
33、什么是KMP算法？
在一个字符串中查找是否包含目标的匹配字符串。其主要思想是每趟比较过程让子串先后滑动一个合适的位置。当发生不匹配的情况时，不是右移一位，而是移动（当前匹配的长度– 当前匹配子串的部分匹配值）位。
34、什么是B树？
根据B类树的特点，构造一个多阶的B类树，然后在尽量多的在结点上存储相关的信息，保证层数尽量的少，以便后面我们可以更快的找到信息，磁盘的I/O操作也少一些，而且B类树是平衡树，每个结点到叶子结点的高度都是相同，这也保证了每个查询是稳定的。
B树和B+树的区别，以一个m阶树为例。
- 关键字的数量不同；B+树中分支结点有m个关键字，其叶子结点也有m个，其关键字只是起到了一个索引的作用，但是B树虽然也有m个子结点，但是其只拥有m-1个关键字。
- 存储的位置不同；B+树中的数据都存储在叶子结点上，也就是其所有叶子结点的数据组合起来就是完整的数据，但是B树的数据存储在每一个结点中，并不仅仅存储在叶子结点上。
- 分支结点的构造不同；B+树的分支结点仅仅存储着关键字信息和儿子的指针（这里的指针指的是磁盘块的偏移量），也就是说内部结点仅仅包含着索引信息。
- 查询不同；B树在找到具体的数值以后，则结束，而B+树则需要通过索引找到叶子结点中的数据才结束，也就是说B+树的搜索过程中走了一条从根结点到叶子结点的路径。
感谢博主：
感谢博主：https://xgqngu.blog.csdn.net/article/details/112134686
感谢博主：数据结构常见面试题，一网打尽！_数据结构面试题-CSDN博客
感谢博主：数据结构面试题（史上最全基础面试题，精心整理100家互联网企业面经） - 知乎
感谢博主：数据结构面试常见问题总结-CSDN博客
