fill

geekxh · Aug 10, 2020 · a5c381f · a5c381f
1 parent feee540
commit a5c381f
Show file tree

Hide file tree

Showing 17 changed files with 79 additions and 4 deletions.
diff --git a/Day 01-17/01.数据结构和算法的重要性.md b/Day 01-17/01.数据结构和算法的重要性.md
@@ -58,8 +58,11 @@ struct 水煮肉片 {
 - 合并两个有序数组
 - 重新排列数组中的正值和负值
 
-现在，我们给出一个完整的关于数组的学习视频：
+现在，我们给出一系列的关于数组的学习视频：
 
+[小甲鱼数组学习-1](https://www.youtube.com/watch?v=13bNE3pGcIg)
+[小甲鱼数组学习-2](https://www.youtube.com/watch?v=Msm84syHpHQ)
+[小甲鱼数组学习-3](https://www.youtube.com/watch?v=QYdHN67R1hk)
 
 ---
 

diff --git a/Day 01-17/02.链表.md b/Day 01-17/02.链表.md
@@ -141,6 +141,11 @@ end ReverseTraversal
 
 O(n)
 
+### 相关学习资料
+
+[链表数据结构学习](https://www.youtube.com/watch?v=Vw7f6NqHCJk)
+[链表刷题找工作](https://www.youtube.com/watch?v=-UBiYuIVErM&list=PLLuMmzMTgVK6a-2aAwPieEIIuIJY6JTSq)
+
 ## 参考
 
 - [Wikipedia](https://en.wikipedia.org/wiki/Linked_list)

diff --git a/Day 01-17/03.双向链表.md b/Day 01-17/03.双向链表.md
@@ -91,6 +91,13 @@ end Reverse Traversal
 
 O(n)
 
+### 相关学习资料
+
+[双向链表学习-1](https://www.youtube.com/watch?v=J6j_5oFqvgs)
+[双向链表学习-2](https://www.youtube.com/watch?v=NXSq1jexwGE)
+[双向链表学习-3](https://www.youtube.com/watch?v=IyJaOlxD_Lc)
+[双向链表学习-4](https://www.youtube.com/watch?v=WYdaztL3l7k)
+
 ## 参考
 
 - [Wikipedia](https://en.wikipedia.org/wiki/Doubly_linked_list)

diff --git a/Day 01-17/04.队列.md b/Day 01-17/04.队列.md
@@ -9,6 +9,11 @@
 
 ![Queue](https://upload.wikimedia.org/wikipedia/commons/5/52/Data_Queue.svg)
 
+## 队列学习资料
+
+[栈和队列]](https://www.youtube.com/watch?v=KaMUAVCf1Rc)
+[为什么要学习消息队列](https://www.youtube.com/watch?v=KoccSL_56sM)
+
 ## 参考
 
 - [Wikipedia](https://en.wikipedia.org/wiki/Queue_(abstract_data_type))

diff --git a/Day 01-17/05.栈.md b/Day 01-17/05.栈.md
@@ -15,6 +15,10 @@
 
 ![Stack](https://upload.wikimedia.org/wikipedia/commons/b/b4/Lifo_stack.png)
 
+### 学习资料
+
+[栈和队列]](https://www.youtube.com/watch?v=KaMUAVCf1Rc)
+
 ## 参考
 
 - [Wikipedia](https://en.wikipedia.org/wiki/Stack_(abstract_data_type))

diff --git a/Day 01-17/06.哈希表.md b/Day 01-17/06.哈希表.md
@@ -15,6 +15,10 @@
 
 ![Hash Collision](https://upload.wikimedia.org/wikipedia/commons/d/d0/Hash_table_5_0_1_1_1_1_1_LL.svg)
 
+### 学习资料
+
+[哈希表学习基础](https://www.youtube.com/watch?v=CaF_RipLLh4)
+
 ## 参考
 
 - [Wikipedia](https://en.wikipedia.org/wiki/Hash_table)

diff --git a/Day 01-17/07.堆.md b/Day 01-17/07.堆.md
@@ -13,6 +13,10 @@
 
 在堆“顶部”的没有父级节点的节点,被称之为根节点。
 
+### 学习资料
+
+[堆结构讲解](https://www.youtube.com/watch?v=j-DqQcNPGbE)
+
 ## 参考
 
 - [Wikipedia](https://en.wikipedia.org/wiki/Heap_(data_structure))

diff --git a/Day 01-17/08.优先队列.md b/Day 01-17/08.优先队列.md
@@ -8,6 +8,9 @@
 
 正如列表可以用链表或数组实现一样，优先队列可以用堆或各种其他方法实现,例如无序数组。
 
+### 优先队列学习资料
+
+[优先队列讲解](https://www.youtube.com/watch?v=wTAoOhytiQs)
 
 ## 参考
 

diff --git a/Day 01-17/09.字典树.md b/Day 01-17/09.字典树.md
@@ -10,6 +10,10 @@
 
 ![Trie](https://upload.wikimedia.org/wikipedia/commons/b/be/Trie_example.svg)
 
+### 学习资料
+
+[什么是字典树](https://www.youtube.com/watch?v=GCGolin7Ffk)
+
 ## 参考
 
 - [Wikipedia](https://en.wikipedia.org/wiki/Trie)

diff --git a/Day 01-17/10.树.md b/Day 01-17/10.树.md
@@ -12,6 +12,10 @@
 
 ![Tree](https://upload.wikimedia.org/wikipedia/commons/f/f7/Binary_tree.svg)
 
+### 学习资料
+
+[Data structures: Introduction to Trees](https://www.youtube.com/watch?v=qH6yxkw0u78)
+
 ## 参考
 
 - [Wikipedia](https://en.wikipedia.org/wiki/Tree_(data_structure))

diff --git a/Day 01-17/11.二叉搜索树.md b/Day 01-17/11.二叉搜索树.md
@@ -10,4 +10,8 @@
 
 二叉查找树相比于其他数据结构的优势在于查找、插入的时间复杂度较低。为{\displaystyle O(\log n)}O(\log n)。二叉查找树是基础性数据结构，用于构建更为抽象的数据结构，如集合、多重集、关联数组等。 
 
-![BST](https://zh.wikipedia.org/wiki/%E4%BA%8C%E5%85%83%E6%90%9C%E5%B0%8B%E6%A8%B9#/media/File:Binary_search_tree.svg)
+![BST](https://zh.wikipedia.org/wiki/%E4%BA%8C%E5%85%83%E6%90%9C%E5%B0%8B%E6%A8%B9#/media/File:Binary_search_tree.svg)
+
+### 相关学习资料
+
+[二叉搜索树](https://www.youtube.com/watch?v=GtflM7nUrU0)
diff --git a/Day 01-17/12.AVL树.md b/Day 01-17/12.AVL树.md
@@ -3,3 +3,9 @@
 > 在计算机科学中，AVL树是最早被发明的自平衡二叉查找树。在AVL树中，任一节点对应的两棵子树的最大高度差为1，因此它也被称为高度平衡树。查找、插入和删除在平均和最坏情况下的时间复杂度都是{\displaystyle O(\log
  {n})}O(\log{n})。增加和删除元素的操作则可能需要借由一次或多次树旋转，以实现树的重新平衡。
 
+
+### 学习资料
+
+[AVL Tree](https://www.youtube.com/watch?v=jDM6_TnYIqE)
+[AVL 平衡二叉树](https://www.youtube.com/watch?v=NAiBAph8cGk)
+
diff --git a/Day 01-17/13.红黑树.md b/Day 01-17/13.红黑树.md
@@ -1,3 +1,5 @@
 # 红黑树
 
-> 红黑树（英语：Red–black tree）是一种自平衡二叉查找树，是在计算机科学中用到的一种数据结构，典型的用途是实现关联数组。红黑树的结构复杂，但它的操作有着良好的最坏情况运行时间，并且在实践中高效：它可以在{\displaystyle {\text{O}}(\log n)}{\displaystyle {\text{O}}(\log n)}时间内完成查找、插入和删除，这里的{\displaystyle n}n是树中元素的数目。
+> 红黑树（英语：Red–black tree）是一种自平衡二叉查找树，是在计算机科学中用到的一种数据结构，典型的用途是实现关联数组。红黑树的结构复杂，但它的操作有着良好的最坏情况运行时间，并且在实践中高效：它可以在{\displaystyle {\text{O}}(\log n)}{\displaystyle {\text{O}}(\log n)}时间内完成查找、插入和删除，这里的{\displaystyle n}n是树中元素的数目。
+
+[红黑树讲解](https://www.youtube.com/watch?v=D0sTAhcSy0s)
diff --git a/Day 01-17/14.树状数组.md b/Day 01-17/14.树状数组.md
@@ -2,3 +2,4 @@
 
 > 其初衷是解决数据压缩里的累积频率（Cumulative Frequency）的计算问题，现多用于高效计算数列的前缀和， 区间和。它可以以{\displaystyle O(\log n)}O(\log n)的时间得到任意前缀和{\displaystyle \sum _{i=1}^{j}A[i],1<=j<=N}，并同时支持在{\displaystyle O(\log n)}O(\log n)时间内支持动态单点值的修改。空间复杂度{\displaystyle O(n)}O(n)。
 
+[树状数组讲解](https://www.youtube.com/watch?v=v_wj_mOAlig)
diff --git a/Day 01-17/15.图.md b/Day 01-17/15.图.md
@@ -11,9 +11,11 @@
 
 如果顶点对之间的边是有权重的,该图可称为加权图。
 
+![Graph](https://www.tutorialspoint.com/data_structures_algorithms/images/graph.jpg)
 
+### 相关学习资料
 
-![Graph](https://www.tutorialspoint.com/data_structures_algorithms/images/graph.jpg)
+[数据结构-图的串讲](https://www.youtube.com/watch?v=W6vRz1yzCUM&t=106s)
 
 ## 参考
 

diff --git a/Day 01-17/16.并查集.md b/Day 01-17/16.并查集.md
@@ -10,3 +10,6 @@ Union：将两个子集合并成同一个集合。
 
 为了更加精确的定义这些方法，需要定义如何表示集合。一种常用的策略是为每个集合选定一个固定的元素，称为代表，以表示整个集合。接着，Find(x) 返回x所属集合的代表，而Union使用两个集合的代表作为参数。
 
+### 学习资料
+
+[并查集讲解](https://www.youtube.com/watch?v=YKE4Vd1ysPI)
diff --git a/Day 01-17/17.布隆过滤器.md b/Day 01-17/17.布隆过滤器.md
@@ -1,2 +1,16 @@
 # 布隆过滤器
 
+> 布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都比一般的算法要好的多，缺点是有一定的误识别率和删除困难。
+
+### 理论基础
+
+如果想要判断一个元素是不是在一个集合里，一般想到的是将所有元素保存起来，然后通过比较确定。链表，树等等数据结构都是这种思路. 但是随着集合中元素的增加，我们需要的存储空间越来越大，检索速度也越来越慢(O(n),O(logn))。不过世界上还有一种叫作散列表（又叫哈希表，Hash table）的数据结构。它可以通过一个Hash函数将一个元素映射成一个位阵列（Bit array）中的一个点。这样一来，我们只要看看这个点是不是1就可以知道集合中有没有它了。这就是布隆过滤器的基本思想。
+
+### 优点
+
+相比于其它的数据结构，布隆过滤器在空间和时间方面都有巨大的优势。布隆过滤器存储空间和插入/查询时间都是常数。另外, Hash函数相互之间没有关系，方便由硬件并行实现。布隆过滤器不需要存储元素本身，在某些对保密要求非常严格的场合有优势。
+布隆过滤器可以表示全集，其它任何数据结构都不能。
+
+### 学习资料
+
+[理论讲解](https://www.youtube.com/watch?v=skmTPIKIks4)
Original file line number	Diff line number	Diff line change
Expand Up		@@ -2,3 +2,4 @@

		> 其初衷是解决数据压缩里的累积频率（Cumulative Frequency）的计算问题，现多用于高效计算数列的前缀和，区间和。它可以以{\displaystyle O(\log n)}O(\log n)的时间得到任意前缀和{\displaystyle \sum _{i=1}^{j}A[i],1<=j<=N}，并同时支持在{\displaystyle O(\log n)}O(\log n)时间内支持动态单点值的修改。空间复杂度{\displaystyle O(n)}O(n)。

		[树状数组讲解](https://www.youtube.com/watch?v=v_wj_mOAlig)
Original file line number	Diff line number	Diff line change
Expand Up		@@ -10,3 +10,6 @@ Union：将两个子集合并成同一个集合。

		为了更加精确的定义这些方法，需要定义如何表示集合。一种常用的策略是为每个集合选定一个固定的元素，称为代表，以表示整个集合。接着，Find(x) 返回x所属集合的代表，而Union使用两个集合的代表作为参数。

		### 学习资料

		[并查集讲解](https://www.youtube.com/watch?v=YKE4Vd1ysPI)