快速上手 C++ 数据结构与算法

存储方式：百度网盘

课程介绍

提到数据结构与算法，“吃透”和“内功”这两个词像两座大山一样压在身上，让人喘不过气，以至于出现了很多所谓的坚持和抱怨。但是，作为一门计算机专业的基础课程，它也的确是我们学习之路上绕不开的伙伴。

要想进入大厂，它是许多求职者的敲门砖；想要深入了解热门技术，比如微服务、大数据、云计算等等，它也是必备的基础知识。

然而我们发现，涉及数据结构和算法知识方面的资料多数比较晦涩，不是数学知识过多，就是学术性太强。有些资料知识覆盖面太过宽泛甚至表达不清，导致学习者一头雾水，所提供的实现代码也往往是伪码或代码片段，很难让人有舒适的学习体验。

为此，我们邀请到了《C++ 新经典》系列作者，资深 C++ 讲师王健伟，帮你抛下身上对于数据结构与算法的沉重包袱，回归最基础的概念与代码，夯实基础、打开思路，潜移默化地培养数据结构与算法的敏感度，更为之后的每一次实战打下坚实的基础。

章节

开篇词｜学习数据结构与算法，也可以是件小事
01｜编程环境：工欲善其事，必先利其器
02｜顺序表（上）：如何实现快速地随机访问？
03｜顺序表（下）：常用操作合集与复杂度分析
04｜单链表：如何通过指针提升插入、删除数据的速度？
05｜双链表：搜索链表中节点的速度还可以更快吗？
06｜循环链表：如何更方便地寻找数据？
07｜静态链表：用一维数组表达的链表
08｜栈：如何实现数据的后进先出？
09｜队列：如何实现数据的先进先出？
10｜二叉树：二叉树到底长什么样子？
11｜二叉树：深度优先和广度优先遍历是什么？
12｜二叉树：如何存储二叉树？
13｜线索二叉树：如何线索化二叉树以提升访问速度？
14｜二叉查找树（BST）：查找速度你最行
15｜平衡二叉树（AVL）：平衡如此重要，怎么做到的？
16｜平衡二叉树（AVL）：节点删除后的平衡性调整
17｜红黑（R-B）树：和平衡二叉树有什么不同？
18｜红黑（R-B）树：节点插入后的平衡性调整
19｜红黑（R-B）树：节点删除后的平衡性调整（一）
20｜红黑（R-B）树：节点删除后的平衡性调整（二）
21｜哈夫曼（Huffman）树：将数据压缩后再传输更省带宽
22｜树、森林、二叉树：相互之间的转换
23｜图：如何用图表达错综复杂的数据？
24｜图的存储（上）：邻接矩阵、邻接表和十字链表有什么不同？
25｜图的存储（下）：为什么我们还需要邻接多重表和边集数组？
26｜图：深度优先遍历（DFS）与广度优先遍历（BFS）
27｜最小生成树：如何用普里姆（Prim）算法解决修路费用最少的问题？
28｜最小生成树：克鲁斯卡尔（Kruskal）算法与修路费用最少的问题？
29｜最短路径：迪杰斯特拉（Dijkstra）算法与选择最节省时间的行走路线问题
30｜最短路径：弗洛伊德（Floyd）算法与乘车费用最少的问题
31｜图的应用：如何通过拓扑排序找到合理的先后顺序？
32｜图的应用：如何通过关键路径估算完成工程需要的最短时间？
33｜直接插入排序：为什么数据越有序，排序速度越快？
34｜希尔排序：通过部分有序逼近全局有序
35｜冒泡排序：大数下沉，小数上浮
36｜快速排序：如何通过基准元素改进冒泡排序？
37｜简单选择排序与堆排序：多趟排序与利用有序完全二叉树进行排序
38｜归并排序：将多个有序序列按其中的元素值大小两两合并
39｜串的顺序和链式存储结构：定长数组与动态数组
40｜串的朴素模式匹配算法：暴力但容易理解
41｜串的KMP模式匹配算法观察：理解困难
42｜串的KMP模式匹配算法之实现与性能分析：代码实现简单
43｜串的KMP模式匹配算法之改进：通过优化代码解决多次重复比较问题
44｜跳表：为什么Redis用跳表实现而MySQL用B+树？
45｜哈希表与哈希算法：哈希表适合用在什么样的情景？
46｜哈希表与哈希算法：字符串的MD5值是通过哈希算法得到的？
47｜多路查找树：B树在数据库中的应用
48｜多路查找树：B+树的插入与删除操作详解
49｜多路查找树：B树、B+树在数据库中的应用有何不同？
50｜折半插入、2路插入、表插入：3种插入类排序类排序有哪些异同？
51｜树形选择排序：按照锦标赛的思想进行排序
52｜计数排序：不通过比较也可以进行排序
53｜基数排序与桶排序：如何通过分配和收集进行排序？
结束语｜日拱一卒，功不唐捐