周围有一些数据结构非常有用,但大多数程序员都不知道。他们是哪一个?

每个人都知道链表、二叉树和散列,但比如Skip列表和Bloom过滤器。我想知道更多不太常见但值得了解的数据结构,因为它们依赖于伟大的想法,丰富了程序员的工具箱。

PS:我还对舞蹈链接等技术感兴趣,这些技术巧妙地利用了通用数据结构的财产。

编辑:请尝试包含更详细描述数据结构的页面链接。此外,试着补充几句关于数据结构为什么很酷的话(正如乔纳斯·Kölker已经指出的那样)。此外,尝试为每个答案提供一个数据结构。这将允许更好的数据结构仅根据其投票结果浮到顶部。


当前回答

Kd-Trees是实时光线跟踪中使用的空间数据结构,它的缺点是需要裁剪与不同空间交叉的三角形。一般来说,BVH更快,因为它们更轻。MX-CIF四叉树,通过将规则四叉树与四叉树边缘的二叉树组合,存储边界框而不是任意点集。HAMT,由于所涉及的常数,访问时间通常超过O(1)个哈希图的分层哈希图。反向索引,在搜索引擎界非常有名,因为它用于快速检索与不同搜索词相关的文档。

大多数(如果不是全部)记录在NIST算法和数据结构词典中

其他回答

其他人已经提出了Burkhard Keller Trees,但我想我可能会再次提及它们,以便插入我自己的实现

http://well-adjusted.de/mspace.py/index.html

周围有更快的实现(参见ActiveState的Python配方或其他语言的实现),但我认为/希望我的代码有助于理解这些数据结构。

顺便说一句,BK和VP树可用于搜索类似字符串。只要距离函数满足几个条件(正、对称、三角形不等式),就可以对任意对象进行相似性搜索。

Splay Trees很酷。它们以将最常查询的元素移到更靠近根的方式重新排序。

二进制决策图(我最喜欢的数据结构,擅长表示布尔方程并解决它们。适用于很多事情)堆(一个树,其中节点的父节点总是与节点的子节点保持某种关系,例如,节点的父级总是大于它的每个子节点(最大堆))优先级队列(实际上只有最小堆和最大堆,有助于维护大量元素的顺序,例如,应该首先删除具有最高值的项目)哈希表(具有各种查找策略和桶溢出处理)平衡的二进制搜索树(每种都有自己的优点)RB树(当以有序方式插入、查找、删除和迭代时,总体良好)Avl树(查找速度比RB快,但其他方面与RB非常相似)Splay树(当最近使用的节点可能被重用时,查找速度更快)融合树(利用快速乘法获得更好的查找时间)B+树(用于数据库和文件系统中的索引,当从索引读取/写入索引的延迟很长时非常有效)。空间索引(非常适合查询点/圆/矩形/线/立方体是否彼此接近或包含在其中)BSP树四叉树八叉树范围树许多相似但略有不同的树木,不同的尺寸区间树(很好地找到重叠区间,线性)图邻接列表(基本上是边的列表)邻接矩阵(表示图的有向边的表,每边一个位。对于图遍历非常快速)

这些是我能想到的。维基百科上还有更多关于数据结构的内容

我喜欢字符串处理的后缀树和数组,平衡列表的跳过列表,自动平衡树的显示树

min-max堆是实现双端优先级队列的堆的变体。它通过简单地更改堆属性来实现这一点:如果偶数(奇数)级别上的每个元素都小于(大于)所有子级和孙子级,则称树为最小-最大排序。级别从1开始编号。

http://internet512.chonbuk.ac.kr/datastructure/heap/img/heap8.jpg