11、数组结构： 高效随机访问的下标集到值集的映射

　　a）下标集是存储连续的，即最简单的数组形式；

　　b）下标集是非连续的， 例如存储稀疏矩阵的元组集合

　　12、链表

　　a）单链表： 在列表中高效地插入、删除；

　　b）多重栈、多重队列实现；

　　13、栈： 先进后出型数据结构，仅允许在一端进行插入和删除

　　a）深度优先搜索的辅助数据结构，比如回溯技术

　　b）典型用例： 表达式计算，走迷宫

　　14、队列： 先进先出型数据结构，仅允许在一端进行插入，在另一端进行删除

　　a）FIFO服务的最佳选择，比如操作系统中各种就绪、阻塞队列

　　b）广度优先搜索的辅助数据结构，比如二叉树的层序遍历

　　15、二叉查找树

　　在平均情形下，查找、插入、删除、最大元素、最小元素、前驱元素、后继元素的操作均为O（logn），最差情形是O（n）。中序遍历可用于排序。

　　16、散列表

　　通常主要支持查找、插入和删除操作；在平均情形下，这些操作可以在O（1）内完成；在最差情形下，在O（n）内完成。

　　17、位图技术

　　将给定元素标识成一个位，从而在后续处理中标识该元素的存在。可用于稠密集合的排序，节省空间资源。

　　18、堆结构

　　用来查找第k小（大）的元素，前K大的元素，实现优先级队列以及排序。

　　19、算法分析： Ο（n）， Ω（n）， Θ（n）

　　通过统计基本操作的次数，并取主项，可以得到算法运行的时间复杂度。

　　a）Ο（n）： 算法的上界，即至多要运行的时间近似；

　　b）Ω（n）： 算法的下界，即至少要运行的时间近似；

　　c）Θ（n）： 算法的精确界，不大于O（n），不小于Ω（n）

　　NOTE： 这里通俗地说明三种界，精确定义请参考相关的算法书籍。

　　通过取阶、无穷小可以快速判断算法复杂度。比如

　　3n^2 + 2nlogn = O（n^2） 这是因为：

　　（3n^2 +2nlogn）/（n^2） 对 n 取极限（当n趋于无穷大时）为零，而

　　（3n^2 +2nlogn）/（nlogn） 取极限为无穷大，因此，

　　3n^2 + 2nlogn = O（n^2）， 3n^2 + 2nlogn =Ω（nlogn）

　　通过对程序中的嵌套循环层数可以快速判断算法的时间复杂度；但有些情况是例外，比如外层循环的下标根据内层循环的下标进行跳跃性前进。