各种数据结构的时间复杂性是什么？

Question

我试图列出常见数据结构（如数组，二进制搜索树，堆，链表等）的操作的时间复杂性，尤其是我指的是Java。它们很常见，但我想我们中的一些人对确切的答案并不是100％有信心。任何帮助，尤其是参考，都非常感谢。

E.g。对于单链表：更改内部元素是O（1）。你怎么能这样做？您已在更改之前搜索元素。另外，对于Vector，添加内部元素为O（n）。但是为什么我们不能在使用索引的摊销常数时间内做到这一点？如果我错过了什么，请纠正我。

我发布我的发现/猜测作为第一个答案。

Answer 1

阵列

• 在特定索引处设置，检查元素： O（1）
• 搜索： O（n）如果数组未排序， O（log n）如果数组已排序且类似二进制搜索使用，
• 正如Aivean所指出的，Arrays上没有Delete操作可用。我们可以通过将元素设置为某个特定值来符号删除元素，例如-1,0等，取决于我们的要求
• 同样，数组的Insert基本上是Set，如开头所述

的ArrayList：

• 添加：已摊还的O（1）
• 删除： O（n）
• 包含： O（n）
• 尺寸： O（1）

链接列表：

• 插入： O（1），如果在头部完成， O（n），如果在其他任何地方，我们必须达到通过线性地遍历链表来定位。
• 删除： O（1），如果在头部完成， O（n），如果在其他任何地方，我们必须达到通过线性地遍历链表来定位。
• 搜索： O（n）

双重链表：

• 插入： O（1），如果在头部或尾部完成， O（n），如果在其他任何地方，我们必须通过线性地遍历链表来达到该位置。
• 正在删除： O（1），如果在头部或尾部完成， O（n），如果在其他任何地方，我们必须通过线性地遍历链表来达到该位置。
• 搜索： O（n）

堆栈：

• 推送： O（1）
• 流行： O（1）
• 顶部： O（1）
• 搜索（像查询一样，作为特殊操作）： O（n）（我猜是这样）

队列/双端队列/循环队列：

• 插入： O（1）
• 删除： O（1）
• 尺寸： O（1）

二进制搜索树：

• 插入，删除和搜索：平均情况： O（log n），最差情况： O（n）

红黑树：

• 插入，删除和搜索：平均情况： O（log n），最差情况： O（log n）

Heap / PriorityQueue（最小/最大）：

• 查找最小值/查找最大值： O（1）
• 插入： O（日志）
• 删除最小值/删除最大值： O（日志n）
• 提取最低/最高提取： O（日志）
• 查找，删除（如果提供的话）： O（n），我们必须扫描所有元素，因为它们不像BST那样排序

的HashMap /哈希表/ HashSet的：

• 插入/删除： O（1）已摊销
• 重新调整大小/哈希： O（n）
• 包含： O（1）