抽象資料結構
5.1.1 識別需要使用遞迴思維的情況。
遞迴思維是將一個複雜問題分解成更小、更簡單的子問題，然後使用與原始問題相同的方法來解決子問題。以下是一些通常需要使用遞迴思維的情況：
- 具有遞迴結構的問題：具有自然遞迴結構的問題，例如樹遍歷，非常適合遞迴思維。這些問題可以很容易地分解成更小的子問題，這些子問題可以遞迴地解決。
- 可以簡化為自身更小版本的問題：如果一個問題可以簡化為自身更小版本，那麼它就可以遞迴地解決。例如，一個涉及計算第 n 個斐波那契數的問題可以透過遞迴地計算第 (n-1) 個和第 (n-2) 個斐波那契數來解決。
- 分治問題：分治問題可以透過遞迴解決。例如，在陣列中找到最大元素的問題可以透過將陣列分成兩半，然後遞迴地找到每半的最大元素來解決。
- 回溯問題：回溯問題，例如旅行商問題，可以透過遞迴地探索所有可能的解決方案並回溯來解決，當發現解決方案不正確時。
- 在這些情況下，遞迴演算法很有用，因為它們允許將問題分解成更小的子問題，從而更容易理解和解決。遞迴解決方案可以以緊湊而優雅的方式實現，從而更容易理解和維護。
5.1.2 在特定問題中識別遞迴思維。
遞迴思維涉及將一個問題分解成更小的子問題，這些子問題可以使用與原始問題相同的方法來解決。以下是一個示例，幫助您瞭解如何在問題中識別遞迴思維。
示例：求一個數的階乘的問題。
一個數的階乘定義為小於或等於該數的所有正整數的乘積。例如，5 的階乘是 5 * 4 * 3 * 2 * 1 = 120。
要遞迴地解決這個問題，我們可以使用以下步驟：
- 確定基本情況：基本情況是當數字為 1 時，階乘為 1。
- 將問題分解成更小的子問題：要找到數字 n 的階乘，我們可以找到 n-1 的階乘，然後乘以 n。這將問題分解成可以遞迴解決的更小子問題。
- 進行遞迴呼叫：呼叫函式以找到 n-1 的階乘，並將結果儲存在一個變數中。
- 組合解決方案：將遞迴呼叫的結果乘以 n 以獲得 n 的階乘。
- 返回解決方案：將計算結果返回給函式的呼叫者。
這個問題可以透過將問題分解成更小的子問題並使用相同的方法來解決每個子問題來遞迴地解決。這是遞迴思維的本質。
子程式是執行特定任務的自包含程式碼單元。它們也被稱為函式、過程或子例程。子程式可以從程式的其他部分呼叫，從而允許模組化和可重用程式碼。以下是一些子程式中常用的語句：
- 函式宣告：函式宣告指定函式的名稱、它接受的引數以及它返回的值的型別。例如，在像 Python 這樣的程式語言中，函式宣告可能看起來像這樣：def factorial(n)
- 引數傳遞：引數是傳遞給函式的值。它們由函式用來執行其計算。引數傳遞主要有兩種方法：按值傳遞和按引用傳遞。
- 返回語句：return 語句用於從函式返回一個值給呼叫程式碼。return 語句也可以用來在滿足某個條件時提前退出函式。例如，在 Python 中：return result
- 區域性變數：區域性變數是在函式內宣告和使用的變數。它們只能在函式作用域內訪問，並且對程式的其他部分不可見。
- 遞迴：子程式可以呼叫自身，這種技術稱為遞迴。這允許將問題分解成更小的子問題並使用相同的方法來解決。
- 函式呼叫：函式呼叫是一個語句，它呼叫一個函式，傳遞任何必要的引數，並允許函式執行其程式碼。例如，在 Python 中：factorial(5)
- 作用域：變數的作用域是程式中可以訪問它的區域。在函式內宣告的變數具有區域性作用域，而在函式外部宣告的變數具有全域性作用域。
這些是一些子程式中常用的語句，但確切的語法可能會因使用的程式語言而異。
遞迴二分查詢是一種搜尋演算法，它使用分治法在一個排序陣列中查詢目標值。該演算法的基本思想是不斷將陣列分成兩半，並將中間元素與目標值進行比較。以下是對遞迴二分查詢步驟的概述：
- 檢查基本情況：如果陣列的長度為 0，則目標值不存在於陣列中，搜尋應返回
False。 - 確定中間元素：將陣列的長度除以 2 以找到中間元素的索引。
- 將中間元素與目標值進行比較：如果中間元素等於目標值，則搜尋成功，函式應返回
True。 - 遞迴地搜尋陣列的左半部分或右半部分：如果目標值小於中間元素，則搜尋陣列的左半部分。如果目標值大於中間元素，則搜尋陣列的右半部分。
- 重複這些步驟，直到找到目標值或陣列為空：繼續將陣列分成兩半，並將中間元素與目標值進行比較，直到找到目標值或陣列為空。
使用遞迴二分查詢的優點是它是一種簡單而有效的演算法，可用於搜尋大型陣列。但是，它需要一個排序陣列，並且由於遞迴呼叫，會使用大量的記憶體。
快速排序是一種排序演算法，它使用分治法對元素陣列進行排序。由於其平均時間複雜度為 O(n log n)，因此它是最常用的排序演算法之一。
以下是對快速排序演算法步驟的概述：
- 選擇一個樞軸元素：樞軸元素用於將陣列劃分為兩個較小的子陣列。一種常見的方法是選擇陣列的第一個、最後一個或中間元素作為樞軸。
- 對陣列進行分割槽：重新排列陣列中的元素，以便所有小於樞軸的元素都在它左側，所有大於樞軸的元素都在它右側。
- 遞迴地排序子陣列：對步驟 2 中建立的子陣列重複分割槽步驟，直到子陣列的長度為 0 或 1。
- 組合子陣列：子陣列組合成一個排序陣列。
快速排序的最佳時間複雜度為 O(n log n)，平均時間複雜度為 O(n log n)，使其成為對大型陣列進行排序的有效演算法。但是，可以透過使用隨機樞軸或選擇中位數元素作為樞軸來避免其最壞情況時間複雜度為 O(n^2)。
5.1.3 跟蹤遞迴演算法以表達問題的解決方案。
跟蹤遞迴演算法涉及遵循演算法的步驟，以檢視它是如何解決問題的。步驟如下：
- 確定基本情況：跟蹤遞迴演算法的第一步是確定基本情況，即停止遞迴的條件。基本情況應該簡單易解，並提供問題的非遞迴解決方案。
- 將問題分解為更小的子問題：下一步是將問題分解為可以遞迴解決的更小的子問題。這是透過對函式進行遞迴呼叫，並使用較小的輸入來完成的。
- 跟蹤遞迴呼叫：對於每個遞迴呼叫，跟蹤函式的步驟，以檢視它如何解決子問題。重複此步驟，直到達到基本情況。
- 組合解決方案：一旦達到基本情況，就可以組合更小子問題的解決方案，以形成原始問題的解決方案。
- 返回解決方案：最後，將解決方案返回給函式的呼叫者。
為了正確跟蹤演算法，瞭解遞迴演算法的結構以及更小子問題與原始問題之間的關係非常重要。跟蹤應該提供演算法如何解決問題的逐步描述，並幫助您理解演算法的行為。
5.1.4 描述二維陣列的特徵。
二維陣列是陣列的陣列，其中每個元素都是一個數組。它是一組排列成行和列的元素，可以用來表示資料表。二維陣列的主要特徵如下
- 大小：二維陣列的大小由其行數和列數決定。它是一種固定大小的資料結構。
- 索引：二維陣列中的元素使用兩個索引訪問，一個用於行，一個用於列。索引從 0 開始。
- 表示：二維陣列可以表示為一個帶行列的表，其中每個元素由一個單元格表示。
- 多維：二維陣列是一種多維陣列，這意味著它可以用來在多個維度上儲存資料。
- 儲存：二維陣列中的元素儲存在記憶體的連續塊中，這使得訪問元素的速度比訪問一維陣列中的元素更快。
這些是二維陣列的一些主要特徵。二維陣列被廣泛用於計算機程式設計，以表格形式表示和操作資料。
5.1.5 使用二維陣列構造演算法。
二維陣列（也稱為矩陣）在各種演算法中很有用，可以用來表示表格、圖形和影像。一些使用二維陣列的常見演算法是
- 矩陣乘法：一個演算法來乘以兩個矩陣。結果儲存在第三個矩陣中。
- 在二維陣列中搜索：一個演算法在二維陣列中搜索特定值。
- 影像處理：一個演算法對影像執行操作，例如調整大小、過濾和邊緣檢測。
- 圖形表示：一個演算法使用二維陣列來表示圖形，其中每個單元格表示一個節點及其邊。
為了實現這些演算法，您可以使用以下技術與二維陣列一起使用
- 遍歷行和列：為了訪問二維陣列中的所有元素，您可以使用巢狀迴圈來遍歷每一行和每一列。
- 訪問元素：您可以使用行和列索引訪問二維陣列中的元素，例如
array[row][column]。 - 修改元素：您可以透過分配一個新值來修改二維陣列中元素的值，例如
array[row][column] = newValue。
透過使用這些技術，您可以構建執行矩陣操作、在二維陣列中搜索值以及處理影像和圖形的演算法。
5.1.6 描述堆疊的特徵和應用。
堆疊是一種線性資料結構，遵循後進先出 (LIFO) 原則，其中新增到堆疊中的最後一個元素是第一個被移除的元素。堆疊的主要特徵和應用如下
特徵
- LIFO：新增到堆疊中的最後一個元素是第一個被移除的元素。
- 動態大小：堆疊的大小可以在執行時更改。
- 兩個主要操作：在堆疊上執行的兩個主要操作是 push（將元素新增到堆疊的頂部）和 pop（從堆疊的頂部移除元素）。
- 訪問受限：堆疊中唯一可以訪問的元素是頂部的元素。
應用
- 撤消/重做操作：堆疊可以用來在文字編輯器和影像編輯器中實現撤消/重做操作。
- 遞迴：堆疊用於在遞迴期間跟蹤函式呼叫。
- 符號平衡：堆疊可以用來檢查符號是否平衡，例如在包含括號、方括號和花括號的表示式中。
- 回溯：堆疊可以用來實現回溯演算法，例如解決迷宮或在圖形中查詢路徑。
- 網頁瀏覽歷史：堆疊可以用來實現網頁瀏覽歷史，其中訪問的每個網頁都新增到堆疊的頂部，後退按鈕會移除頂部的元素。
這些是堆疊的一些主要特徵和應用。透過使用 LIFO 原則以及 push 和 pop 操作，堆疊可以用來實現各種需要按特定順序跟蹤元素的演算法和應用。
5.1.7 使用堆疊的訪問方法構造演算法。
以下是可以使用堆疊的訪問方法構造的一些常見演算法
- 深度優先搜尋 (DFS)：一種圖形遍歷演算法，它以深度優先順序訪問圖形中的所有頂點，從給定的源頂點開始。該演算法使用堆疊來跟蹤下一個要訪問的頂點。
- 中綴表示式轉換為字尾表示式：一個演算法將中綴表示式轉換為字尾表示式。該演算法使用堆疊來跟蹤運算子和運算元。
- 計算字尾表示式：一個演算法來計算字尾表示式。該演算法使用堆疊來跟蹤運算元並執行算術運算。
- 回溯：一種演算法，它嘗試不同的解決方案，並在解決方案不起作用時返回到之前的狀態。該演算法使用堆疊來跟蹤要重新訪問的狀態。
為了實現這些演算法，您可以使用以下堆疊訪問方法
- push：將元素新增到堆疊的頂部。
- pop：從堆疊的頂部移除元素。
- peek：獲取頂部元素而不移除它。
- isEmpty：檢查堆疊是否為空。
透過使用這些訪問方法，您可以構建執行操作的演算法，例如以深度優先順序訪問頂點、將中綴表示式轉換為字尾表示式、計算字尾表示式以及回溯。
5.1.8 描述佇列的特徵和應用。
佇列是一種線性資料結構，遵循先進先出 (FIFO) 原則，其中新增到佇列中的第一個元素是第一個被移除的元素。佇列的主要特徵和應用如下
特徵
- FIFO：新增到佇列中的第一個元素是第一個被移除的元素。
- 動態大小：佇列的大小可以在執行時更改。
- 兩個主要操作：在佇列上執行的兩個主要操作是入隊（將元素新增到佇列的末尾）和出隊（從佇列的開頭移除元素）。
- 訪問受限：佇列中唯一可以訪問的元素是頭部的元素和尾部的元素。
應用
- BFS（廣度優先搜尋）：一種圖形遍歷演算法，它以廣度優先順序訪問圖形中的所有頂點，從給定的源頂點開始。該演算法使用佇列來跟蹤下一個要訪問的頂點。
- CPU 排程：佇列用於跟蹤等待由 CPU 執行的任務。CPU 根據任務新增到佇列的順序來排程任務。
- 事件處理：佇列用於跟蹤在作業系統或計算機程式中發生的事件。事件按新增到佇列的順序處理。
- 印表機佇列：佇列用於跟蹤等待由印表機執行的列印作業。列印作業按新增到佇列的順序執行。
這些是佇列的一些主要特徵和應用。透過使用 FIFO 原則以及入隊和出隊操作，佇列可以用來實現各種需要按特定順序跟蹤元素的演算法和應用。
5.1.9 使用佇列的訪問方法構造演算法。
以下是可以使用佇列的訪問方法構造的一些常見演算法
- 廣度優先搜尋 (BFS)：一種圖形遍歷演算法，它以廣度優先順序訪問圖形中的所有頂點，從給定的源頂點開始。該演算法使用佇列來跟蹤下一個要訪問的頂點。
- 樹的層序遍歷：一種樹遍歷演算法，它以層序訪問樹中的所有節點，從根節點開始。該演算法使用佇列來跟蹤每層要訪問的節點。
- 圖中的最短路徑：一種在圖中找到兩個頂點之間最短路徑的演算法。該演算法使用佇列來跟蹤接下來要訪問的頂點。
為了實現這些演算法，您可以使用以下佇列訪問方法
- 入隊：將元素新增到佇列的末尾。
- 出隊：從佇列中刪除第一個元素。
- 窺視：獲取第一個元素，但不刪除它。
- 為空：檢查佇列是否為空。
透過使用這些訪問方法，您可以構建執行以下操作的演算法，例如：以廣度優先的順序訪問頂點、跟蹤要訪問的節點以及在圖中找到最短路徑。
5.1.10 解釋陣列作為靜態棧和佇列的使用。
陣列可用於實現靜態棧和佇列。
棧是一種後進先出 (LIFO) 資料結構，其中元素從棧頂新增和刪除。陣列可用於透過使用陣列的末端來表示棧頂來實現靜態棧。要將元素壓入棧，我們遞增末端索引並將元素儲存在該位置。要彈出元素，我們檢索末端索引處的元素並遞減末端索引。
佇列是一種先進先出 (FIFO) 資料結構，其中元素從末尾新增並從開頭刪除。陣列可用於透過使用兩個索引來實現靜態佇列，一個索引表示佇列的開頭，另一個索引表示佇列的末尾。要將元素入隊，我們遞增末端索引並將元素儲存在該位置。要將元素出隊，我們檢索開頭索引處的元素並遞增開頭索引。
需要注意的是，靜態陣列的大小是固定的，這意味著一旦它已滿，就不能再向其中新增任何元素。當使用陣列作為靜態棧或佇列時，這可能是一個限制。使用連結串列實現的棧和佇列的動態版本可以透過根據需要分配新記憶體來克服此限制。
連結串列
[edit | edit source]5.1.11 描述動態資料結構的特徵和特性。
動態資料結構是一種可以在執行時改變其大小的資料結構。動態資料結構的一些特徵和特性包括
- 調整大小：動態資料結構的大小可以根據需要進行更改，使其比大小固定的靜態資料結構更靈活。
- 動態記憶體分配：動態資料結構動態地分配記憶體，這意味著記憶體是在需要時分配的，而不是在程式開始時一次性分配所有記憶體。
- 高效的插入和刪除：動態資料結構通常允許高效地插入和刪除元素，使其在元素數量可能頻繁變化的應用程式中非常有用。
- 複雜度：與靜態資料結構相比，動態資料結構通常在搜尋和訪問等操作方面具有更高的時間複雜度。
- 示例：動態資料結構的一些示例包括連結串列、棧、佇列和樹。
5.1.12 描述連結串列在邏輯上的執行方式。
連結串列是一種動態資料結構，它由一系列節點組成，每個節點包含一個數據元素和指向列表中下一個節點的引用（或“連結”）。
在邏輯上，連結串列的執行方式如下
- 連結串列中的第一個節點被稱為頭節點。它包含列表的第一個元素和指向下一個節點的引用。
- 下一個節點包含它自己的資料元素和指向列表中下一個節點的引用。這對於列表中的每個節點都繼續下去，直到最後一個節點，該節點沒有指向另一個節點的引用（它的“下一個”連結為空）。
- 要訪問列表中的特定節點，必須從頭節點開始，然後遵循從一個節點到下一個節點的連結，直到到達所需節點。
- 要將新節點插入列表，將建立一個新節點，並將它的“下一個”連結設定為引用它應該在列表中跟隨的節點。然後更新在新節點之前的節點的“下一個”連結，以引用新節點。
- 要從列表中刪除節點，將更新在它之前的節點的“下一個”連結以引用它之後的節點，從而有效地將節點從列表中刪除。
透過以這種方式將節點連結在一起，連結串列允許高效地插入和刪除元素，以及快速遍歷列表中的元素。
5.1.13 勾勒出連結串列（單向、雙向和迴圈）。
單鏈表：單鏈表由一系列節點組成，每個節點包含一個數據元素和指向列表中下一個節點的引用。它可以被視覺化為一系列節點，其中每個節點透過指向下一個節點的單箭頭連線到下一個節點。
雙向連結串列：雙向連結串列類似於單鏈表，但除了指向下一個節點的引用外，每個節點還包含指向前一個節點的引用。它可以被視覺化為一系列節點，其中每個節點透過指向下一個節點的箭頭連線到下一個節點，並且還透過指向前一個節點的箭頭連線到前一個節點。
迴圈連結串列：迴圈連結串列是一種連結串列，其中列表中的最後一個節點指向第一個節點，形成一個節點的迴圈鏈。它可以被視覺化為一系列節點，其中最後一個節點透過箭頭連線到第一個節點，形成一個節點的迴圈鏈。
樹
[edit | edit source]5.1.14 描述樹在邏輯上的執行方式（包括二叉樹和非二叉樹）。
樹是用於組織和儲存資料的層次資料結構。樹有兩種型別：二叉樹和非二叉樹。
二叉樹：二叉樹是一種樹形資料結構，其中每個節點最多有兩個子節點，稱為左子節點和右子節點。
在邏輯上，二叉樹的執行方式如下
- 樹中頂部的節點稱為根節點。
- 樹中的每個節點都有一個值，父節點的值用於確定子節點的位置。如果節點的值小於父節點的值，則將其放置在左側作為左子節點。如果節點的值大於父節點的值，則將其放置在右側作為右子節點。
- 此過程將繼續進行樹中的每個節點，每個節點的左子節點和右子節點將成為其各自子樹的父節點。
- 要搜尋樹中的特定值，從根節點開始，並將節點的值與目標值進行比較。如果節點的值小於目標值，則搜尋將繼續在右子樹中進行。如果節點的值大於目標值，則搜尋將繼續在左子樹中進行。此過程將繼續進行，直到找到目標值或確定目標值不存在於樹中。
非二叉樹：非二叉樹是樹，其中節點可以有多於兩個子節點。非二叉樹的邏輯操作類似於二叉樹，只是每個節點可以有多於兩個子節點，並且節點擁有的子節點數量決定了如何執行特定值的搜尋。確定節點在樹中的位置的過程也不同，因為它可能涉及額外的比較和條件。
在邏輯上，非二叉樹的執行方式如下
- 樹中頂部的節點稱為根節點。
- 樹中的每個節點都有一個值，父節點的值用於確定子節點的位置。確定節點位置的過程可能涉及多個比較和條件，具體取決於樹的具體實現。
- 每個節點的子節點形成子樹，確定節點位置的過程將繼續進行樹中的每個節點。
- 要搜尋樹中的特定值，從根節點開始，並評估子節點的值。根據樹的實現，搜尋可能涉及多個比較和條件來確定要遍歷哪個子節點。
- 此過程將繼續進行，直到找到目標值或確定目標值不存在於樹中。
在非二叉樹中，節點擁有的子節點數量可能會影響搜尋特定值的時間複雜度，因為它可能需要遍歷更多分支。但是，非二叉樹在某些二叉樹可能不足以處理的應用程式中更靈活，更有用。
5.1.15 定義以下術語：父節點、左子節點、右子節點、子樹、根節點和葉節點。
- 父節點：父節點是樹形資料結構中有一個或多個子節點的節點。
- 左子節點：左子節點是樹形資料結構中位於父節點左側的子節點。
- 右子節點：右子節點是樹形資料結構中位於父節點右側的子節點。
- 子樹：子樹是樹形資料結構的一部分，它包含一個節點及其所有後代。
- 根節點：根節點是樹形資料結構中頂部的節點。它是樹中所有操作和遍歷的起點。
- 葉節點：葉節點是樹形資料結構中沒有子節點的節點。它是樹中分支的末端，沒有進一步的後代。
5.1.16 說明中序遍歷、後序遍歷和前序遍歷樹的遍歷結果。
在樹形資料結構中，樹遍歷的結果是指訪問節點的順序。有三種常見的樹遍歷方法：中序遍歷、後序遍歷和前序遍歷。
- 中序遍歷：在中序遍歷中，節點按以下順序訪問：左子樹、根節點和右子樹。如果樹是二叉搜尋樹，則中序遍歷的結果是一個已排序的節點列表。
- 後序遍歷：在後序遍歷中，節點按以下順序訪問：左子樹、右子樹和根節點。後序遍歷的結果是一個節點列表，表示它們在逆波蘭表示式求值中處理的順序。
- 前序遍歷：在前序遍歷中，節點按以下順序訪問：根節點、左子樹和右子樹。前序遍歷的結果是一個節點列表，表示樹的結構。
這些遍歷方法在各種操作中很有用，例如搜尋、列印和修改樹形資料結構。
5.1.17 勾勒出二叉樹。
二叉樹可以被直觀地表示為一系列連線的節點，其中每個節點最多有兩個子節點。
要勾勒出二叉樹，請執行以下步驟
- 為根節點繪製一個框，並用其值標記它。
- 從根節點繪製一條線到其左子節點的框，並用其值標記它。
- 從根節點繪製一條線到其右子節點的框，並用其值標記它。
- 對每個子節點重複此過程，繪製連線到其子節點的框的線，並用它們的值標記它們。
- 繼續此過程，直到所有節點都被表示和標記。
以下是一個簡單的二叉樹草圖示例。
5
/ \
3 8
/ \
2 4
請注意，在二叉樹中，每個節點最多可以有兩個子節點。如果一個節點沒有子節點，則稱為葉節點。二叉樹的高度定義為從根節點到葉節點的最長路徑上的邊數。此示例中二叉樹的高度為 2。
5.1.18 定義動態資料結構的術語。
動態資料結構是一種資料結構，其大小可以在程式執行期間發生變化。與靜態資料結構不同，動態資料結構的大小可以根據需要增加或減少。這是透過在執行時動態分配記憶體來實現的，而不是預先分配記憶體。
動態資料結構在許多應用程式中使用，因為它們可以適應不斷變化的要求並處理不可預測的資料量。動態資料結構的一些常見示例包括連結串列、堆疊和佇列，以及更復雜的資料結構，如樹和圖。
動態資料結構通常使用指標和動態記憶體分配來實現，這允許高效靈活地操作資料。但是，這也需要仔細管理記憶體，因為動態分配的記憶體必須在不再需要時明確釋放。
5.1.19 比較靜態資料結構和動態資料結構的使用。
靜態資料結構和動態資料結構是兩種型別的資料結構，它們具有不同的特徵和用例。
靜態資料結構是在程式編譯時確定大小並且在執行時無法更改的固定大小的資料結構。靜態資料結構的示例包括陣列、固定大小的堆疊和佇列以及矩陣。靜態資料結構的優點是它們的大小在執行時不會改變，因此每個元素的記憶體分配是可預測且簡單的。這使得它們在需要固定資料量的任務（例如數學運算）中非常有效。
另一方面，動態資料結構是可以改變大小的資料結構。動態資料結構的示例包括連結串列、使用動態陣列實現的堆疊和佇列以及樹。動態資料結構的優點是它們能夠適應不斷變化的要求，因此可以處理不可預測的資料量。這使得它們非常適合需要能夠根據需要擴充套件或縮小的資料結構的任務，例如資料儲存和檢索。
總之，選擇靜態資料結構還是動態資料結構取決於手頭任務的要求。對於需要固定資料量的任務，靜態資料結構更有效，而對於需要動態資料結構的任務，動態資料結構是更好的選擇。
5.1.20 為給定情況建議合適的結構。
要為給定情況建議合適的資料結構，請考慮以下因素
- 資料的規模和性質：是少量資料還是大量資料？是數字、類別還是兩者兼而有之？
- 訪問模式：您需要多頻繁地訪問資料？您需要搜尋特定元素、對資料進行排序還是經常插入/刪除元素？
- 時間和空間複雜度：對資料操作所需的理想時間和空間複雜度是多少？
根據上述因素，您可以從以下常用的資料結構中選擇
- 陣列：當您需要儲存少量專案並透過索引隨機訪問它們時。
- 連結串列：當您需要儲存大量專案並按順序訪問它們時。
- 堆疊：當您需要先訪問最後一個元素，並且只需要訪問最後一個元素時，就像“撤銷”功能一樣。
- 佇列：當您需要按照先進先出順序訪問元素時，就像排隊一樣。
- 雜湊表：當您需要根據鍵快速訪問元素，並且不需要保留元素的順序時。
- 樹：當您需要經常有效地搜尋、插入和刪除元素，並維護元素之間的順序時。
- 圖：當您需要表示元素之間的關係或查詢兩個節點之間的最短路徑時。
注意：資料結構的選擇將取決於問題的具體要求以及時間和空間複雜度之間的權衡。