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

当我读到一些与RMQ和LCA相关的算法时，我偶然发现了另一种数据结构笛卡尔树。在笛卡尔树中，两个节点之间的最低共同祖先是它们之间的最小节点。将RMQ问题转换为LCA非常有用。

向左倾斜的红黑树。罗伯特·塞奇威克（Robert Sedgewick）于2008年发表的红黑树的一个显著简化的实现（大约是要实现的代码行的一半）。如果您在红黑树的实现方面遇到过困难，请阅读此变体。

与安德森树非常相似（如果不是完全相同）。

空间索引，特别是R-树和KD树，有效地存储空间数据。它们适用于地理地图坐标数据和VLSI位置和路线算法，有时也适用于最近邻搜索。

位阵列紧凑地存储单个位，并允许快速位操作。

我不确定这个数据结构是否有名字，但是提议的包含在Boost中的tokenmap数据结构有点有趣。这是一个动态调整大小的映射，其中查找不仅是O（1），而且是简单的数组访问。我写了关于这个数据结构的大部分背景材料，其中描述了它如何工作的基本原理。

操作系统使用类似于tokenmap的东西来将文件或资源句柄映射到表示文件或资源的数据结构。

有一种巧妙的数据结构，它使用数组来保存元素的数据，但数组在链接列表/数组中链接在一起。

这确实具有这样的优点，即对元素的迭代非常快（比纯链接列表方法更快），并且在内存和/或（去）分配中移动带有元素的数组的成本最低。（正因为如此，此数据结构对于模拟工作非常有用）。

我从这里知道：

http://software.intel.com/en-us/blogs/2010/03/26/linked-list-verses-array/

“……并且一个额外的数组被分配并链接到粒子数组的单元格列表中。这在某些方面类似于TBB实现其并发容器的方式。”（这是关于链接列表与数组的性能）