【九月打卡】第19天 前端面试技能拼图1

课程名称：2周刷完100道前端优质面试真题
课程章节：第3章 前端面试技能拼图1： 数据结构和算法（下），大厂面试必考
主讲老师：双越

课程内容：

今天学习的内容包括：
3-3 为什么二叉树很重要，而不是三叉树四岔树——二叉树能够二分法处理业务需求，其他的不行。
3-4 堆有什么特点，和二叉树有什么关系——堆又叫完全二叉树，堆可以用二叉树表示。

课程收获：

二叉树和堆

本章前置tips

• 本节要“不求甚解”，掌握结果，不纠细节
• 体会计算机科学的精妙与伟大
• 算法的最终目的是性能

数组 vs 链表 vs 二叉树

• 数组:查找快O(1)，增删慢O(n)
• 链表:查找慢O(n)，增删快O(1)
• 二叉搜索树BST:查找快，增删快 —— “木桶效应”

平衡二叉树

• BST 如果不平衡，那就又成了链表了
• 所有要尽量平衡:平衡二叉搜索树 BBST
• BBST增删查，时间复杂度都是O(logn)，即树的高度

红黑树

• —种自平衡二叉树
• 分为红/黑两种颜色，通过颜色转换来维持树的平衡
• 相对于普通平衡二叉树，它维持平衡的效率更高

B树

• 物理上是多叉树，但逻辑上是二叉树
• 一般用于高效I/O，关系型数据库常用B树来组织数据

小结

• 数组、链表，各有各的缺点
• 特定的二叉树（BBST）可以让整体效果最优
• 各种高级二叉树，继续优化，满足不同场景
• 红黑树和B树都是二叉树的变种，都是为了更好的维持二叉树的平衡

堆栈模型

• JS代码执行时
• 值类型变量，存储在栈
• 引用类型变量，存储在堆

堆

• 完全二叉树
• 最大堆:父节点>=子节点
• 最小堆:父节点<=子节点

逻辑结构vs物理结构

• 堆，逻辑结构是一棵二叉树
• 但它物理结构是一个数组
• 数组:适合连续存储＋节省空间（回顾堆栈模型)
• 节点关系：父节点：Math.floor(i/2)
• 左子节点：2*i
• 右子节点：2*i +1

堆 vs BST

• 查询比BST慢
• 增删比BST快，维持平衡更快
• 但整体的时间复杂度都在O(logn)级别，即树的高度

堆的使用场景

• 特别适合“堆栈模型”
• 堆的数据，都是在栈中引用的，不需要从root 遍历
• 堆恰巧是数组形式，根据栈的地址，可用O(1)找到目标

小结

• 堆栈模型，堆的场景
• 堆的特点，堆和BST
• 堆的逻辑结构和物理结构

今天的 学习了 二叉树和堆的相关理论和图解，红黑树和B树都是二叉树的变种，都是为了更好的平衡二叉树，在工作中常听到堆栈内存，值类型变量就是栈内存，引用类型变量就是堆内存，二叉树还挺复杂。

下一步就是 学习 求斐波那契数列的第n值了。今天学习就先到这里吧。

坚持打卡，坚持学习，未来可期，加油😀~

​​