算法的时间复杂度表示程序运行所需要的时间，它定性的描述程序运行的时间，用大 O 表示，常见的时间复杂度为 O(1)、O(n)、O(logN)、O(n2)、没有循环的时间复杂度为 O(1), 有一层循环的为 O(n), n 为循环的次数
空间复杂度用来表示程序运行过程中临时占用内存空间大小的量度，同样也是用大 O 来表示
-
线性结构：是一个有序数据元素的集合。 其中数据元素之间的关系是一对一的关系，即除了第一个和最后一个数据元素之外，其它数据元素都是首尾相接的。 常用的线性结构有:
栈，队列，链表。 -
非线性的结构：各个数据元素不再保持在一个线性序列中，每个数据元素可能与零个或者多个其他数据元素发生联系。 常用的线性结构有:
树、图、堆、字典、集合。
逻辑结构指的是数据间的关系，而存储结构是逻辑结构用计算机语言的实现。常见的存储结构有顺序存储、链式存储、索引存储以及散列存储
例如：栈和队列（JS 中为数组）在内存中的位置是连续的，它就属于顺序存储；链表是主动建立数据间的关联关系的，在内存中却不一定是连续的，它属于链式存储；还有顺序和逻辑上都不存在顺序关系，但是你可以通过一定的方式去访问它的字典和集合，是数据散列存储的。
特点：后进先出
使用场景： 十进制转二进制、JS 函数调用堆栈
JS 中使用： 使用 Array 模拟栈，push->入栈， pop->出栈
Leetcode 相关题：20 有效括号
特点：先进先出
使用场景： 食堂排队打饭、JS 异步中的任务队列
JS 中使用： 使用 Array 模模拟, push->入队， shift->出队
Leetcode 相关题：933 最近的请求次数
概述：多个元素组成的列表，元素的存储不连续的，用 next 指针连接在一起
与数组区别：增删高效，增删复杂度为 O(1)，数组增删复杂度为 O(n)
js 中使用： 使用 Object 来模拟链表
JS 中相关知识点： 原型链、instanceof 的实现
常见操作： 删除节点、插入节点、遍历链表
双向链表：双向链表 JS 实现
Leetcode 相关题：
特点：一种无序且唯一的数据结构， ES6 中的 Set， （栈、队列、链表都是有序的数据结构）
常见操作：去重、判断元素是否存在集合中、求交集
Leetcode 相关题：349 两个数组的交集
特点：与集合类似，字典也是一种存储唯一值的数据结构，但它是以键值对的形式来存储的，ES6 中的 Map, 也可以用 Object 来实现
常见操作：键值对的增删改查（Map 中的 set、get、has、delete、clear）
Leetcode 相关题：
常见解法总结：
滑动窗口解法
双指针解法
概述：一种分层数据的抽象模型，JS 中没有树，但是可以用 Object 和 Array 构建树
使用场景：DOM 树、树形控件、级联选择
遍历方法：深度优先遍历（depth-first-search）/ 广度优先遍历（breadth-first-search）
概述：是一种特殊的树，一个节点最多只有两个叶子节点，js 中使用 Object 来模拟二叉树
遍历方式：
Leetcode 相关题：
概念： 图是网络结构的抽象模型，是一组由边连接的节点。图可以表示任何二元关系，比如道路、航班
图的表示方法：邻接矩阵、邻接表、关联矩阵...
邻接矩阵
邻接表
Leetcode 相关题：
概念：堆是一种特殊的完全二叉树, 所有节点都大于等于（最大堆）或小于等于（最小堆）他的子节点
最小堆
最大堆：
JS 中堆的表示：
使用数组来表示堆，左侧子节点的位置是 2*index +1，右侧子节点的位置是 2*index +2，父节点位置是（index-1）*2
（index 为数组的索引）
堆的应用：
-
堆能高效、快速地找出最大值和最小值，时间复杂度是 O(1)
-
找出第 K 个最大元素步骤
- 构建最小堆，将数组挨个插入到堆中
- 当堆的大小超过 k 时，将堆顶元素删除
- 当数组全部插入完后，堆顶即是第 k 个最大值
Leetcode 相关题：
各种排序算法动画演示：https://visualgo.net/zh/sorting
时间复杂度 O(n^2)
时间复杂度 O(n^2)
时间复杂度 O(n^2)
时间复杂度 O(n*logN)
leetcode 相关题：21 合并两个有序链表
时间复杂度 O(n*logN)
时间复杂度 O(n)
时间复杂度 O(logN)
leetcode 相关题：374 猜数字大小
概述：分而治之是算法设计中的一种方法，一种思想，它将一个问题分成多个原问题相似的小问题，递归解决小问题，再将结果合并以解决原来的问题, 关键点： 分(大问题分成小问题)->解(解决问题)->合并(合并结果)
使用场景： 归并排序、快速排序
leetcode 相关题：
概述：动态规划是算法设计中的一种方法，它将一个问题分解成为相互重叠的子问题，通过反复求解子问题，来解决问题。
与分而治之区别：分而治之是将问题分成独立的子问题，动态规划是将问题分解成相互重叠的子问题
使用场景：斐波那契数列
leetcode 相关题：
概述：贪心算法是算法设计中的一种方法，期盼通过每个阶段的局部最优选择，从而达到全局的最优，结果不一定是最优
leetcode 相关题：
概述：回溯算法是算法设计中的一种方法, 回溯算法是一种渐进式寻找并构建问题解决方式的策略
思路： 用递归模拟出所有情况，遇到包含重复元素的情况，就回溯，收集所有到达递归终点的情况，并返回收集的结果
leetcode 相关题：