实际上，算法和数据结构是紧密相关的，通常不可能在完全不使用数据结构的情况下进行算法设计和实现。即使在算法中不显式地使用数据结构，也会隐式地使用一些基本的数据结构。

例如，一些简单的算法可能只涉及基本的数据类型（如整数、浮点数等），没有使用显式的数据结构。然而，这些算法实际上仍然使用了数据结构，如使用数组保存数据、使用指针进行内存操作等。所以即使算法中没有明显使用某种数据结构，仍然离不开数据结构。

此外，有些算法可以使用内存或寄存器来存储信息，而不是使用数据结构。这种情况相对较少，通常只在实现特定的特殊用途算法时使用，而不是通用的算法。

因此，虽然在某些情况下算法中可能不会显式地使用数据结构，但数据结构仍然是算法设计和实现的必要基础之一。

Q3：基础的问题系统自带的数据结构是否够用

对于基础问题，系统自带的数据结构通常是可以满足需要的。例如，对于数组、字符串、栈、队列、链表等基础数据结构，编程语言通常提供了内置的支持。这些数据结构可以很好地支持大多数基础问题的解决。

除此之外，许多常见的算法问题，例如排序、搜索、图论等，也都可以使用系统自带的标准数据结构和算法库来实现。

当然，随着问题的复杂程度增加，可能需要使用更高级的数据结构和算法。此时，可能需要自定义数据结构或者使用第三方库来支持算法实现。自定义数据结构可以帮助解决不同类型的问题，并在解决问题时提高算法的效率。

总之，系统自带的数据结构通常可以满足基础的问题和算法实现，但在解决复杂问题时可能需要使用更高级的数据结构和算法，或自定义数据结构来支持算法实现。

Q4：什么情况下会写自定义的数据结构

自定义数据结构通常在以下情况下会被编写：

1. 系统自带的数据结构不能很好地解决问题。例如，某些算法需要使用特殊的数据结构来支持更高效的实现，或者需要存储比较复杂的数据类型。

2. 需要将多个现有的数据结构组合成更复杂的结构来支持算法实现。例如，需要将堆、哈希表和链表等数据结构组合在一起实现某种复杂的数据结构。

3. 需要应对特定应用场景或专业领域的需求。例如，在计算机图形学等领域中，经常需要使用自定义数据结构来表示和操作特定的几何模型或算法。

4. 需要将某种通用数据结构进行适应性的改变，以适应特定的应用场景。例如，在某些算法中需要使用自定义的树来支持特殊的查询操作，而不是使用标准的树结构。

总之，自定义数据结构通常是在特定问题或者应用领域需要满足特定需求的情况下编写。当标准的数据结构不能直接满足需求时，可以考虑自定义数据结构。但在编写自定义数据结构时，需要慎重考虑各种元素的结构和性质，以保证其正确性和高效性。

笔者个人观点

所以在笔者眼里看来，像链表，字符串，集合等这些其实像Java语言他们本身就系统自带，之所以教科书上还用源代码写给你看是让你理解原理，在实际刷题中，未必需要搞得这么麻烦

就好比Java中排序根本用不着每次花力气写个冒泡排序，直接用Arrays.sort就行了，这就涉及到编程语言和封装思想了，这些留在其他合集中讨论

数据结构的分类

数据结构按照不同的特点可以分为多种类型，常见的分类方法有以下几种：

1. 线性结构：线性结构是指数据元素之间只有一种线性关系，即前驱后继关系。常见的线性结构有线性表、栈、队列、串等。
2. 树形结构：树形结构是指数据元素之间存在一种一对多的层次关系，每个节点可以有多个子节点。常见的树形结构有二叉树、B树、AVL树等。
3. 图形结构：图形结构是指数据元素之间没有固定的层次关系，在这种结构中，每个元素都可以与其他元素有关系。常见的图形结构有无向图、有向图等。
4. 文件结构：文件结构是指将结构化数据存储到文件中，例如，顺序文件、索引文件、链式文件等。
5. 集合结构：集合结构是指不同元素之间没有特定的关系，只是简单的归为一个集合。常见的集合结构有哈希表、位图、布隆过滤器等。

需要注意的是，不同的分类方法可能存在重叠，例如，一些树形结构中也可以看做是图形结构的一部分。

但是，按照不同的特点进行分类可以使我们更加清晰地理解数据结构的概念和应用。

笔者先前还查到有拓扑结构等，在这里先不做归类，以后再补充

树形结构和图形结构也可以归类为非线性结构

总而言之，数据结构的分类是为了便于研究和应用。不同的分类方法可以反映出数据结构的不同特点和应用场景。

线性结构有哪些

数据结构中的线性结构是指数据元素之间存在一种“一对一”的线性关系，即每个元素只与它前面和后面的元素有关系，形成一条直线的结构。常见的线性结构有以下几种：

1. 数组：数组是一种最简单的数据结构，所有元素存储在一段连续的存储空间中，每个元素可以通过一个下标来访问，具有随机访问的特性。数组的插入和删除操作比较低效。

2. 链表：链表是一种动态数据结构，它可以动态地分配内存空间，不需要一开始就确定大小。它由若干个结点组成，每个结点包含一个元素和一个指向下一个结点的指针。链表支持快速插入和删除操作，但随机访问元素需要遍历整个链表。

3. 栈：栈是一种“后进先出”的数据结构，只能在栈顶进行插入和删除操作。栈可以用来实现函数调用、表达式求值、括号匹配等。

4. 队列：队列是一种“先进先出”的数据结构，只能在队列尾进行插入操作，在队列头进行删除操作。队列可以用来实现广度优先搜索、任务调度等。

以上这些线性结构在实际开发中都有着广泛的应用，不同的数据结构适用于不同的场景。

以下是一个链表的例子，使用伪代码表示：

// 定义链表节点结构体
struct Node {
    int data; // 数据域
    Node* next; // 指针域，指向下一个节点
};

// 创建一个链表
Node* createLinkedList() {
    int n; // 链表长度
    cin >> n;
    Node* head = new Node; // 新建头节点
    head->next = nullptr; // 头节点的指针域为空
    Node* tail = head; // 初始化尾节点为头节点
    for (int i = 0; i < n; i++) {
        int x; // 输入数据
        cin >> x;
        Node* p = new Node; // 新建一个节点
        p->data = x; // 设置节点的数据域
        p->next = nullptr; // 初始化指针域为空
        tail->next = p; // 将新节点插入到尾节点之后
        tail = p; // 更新尾节点
    }
    return head; // 返回头节点指针
}

// 遍历链表
void traverseLinkedList(Node* head) {
    Node* p = head->next; // 获取第一个节点
    while (p != nullptr) { // 当节点不为空时
        cout << p->data << " "; // 输出节点的数据
        p = p->next; // 指向下一个节点
    }
}

这个伪代码创建了一个链表，并输出链表中的所有元素。通过这个例子，可以更加清晰地理解链表的操作过程和实现方法。

树形结构有哪些

【了解即可，不用记，合集后面的内容会针对每个结构详细介绍】

树形结构是一种非线性的数据结构，它由若干个节点和若干条边组成，具有一个根节点和一些子树。树形结构可以用来描述层次结构，例如计算机文件系统、组织机构、家族关系等。下面是一些常见的树形结构：

1. 二叉树：每个节点最多有两个子节点的树形结构，分为满二叉树、完全二叉树、平衡二叉树、二叉搜索树等。
2. 多叉树：每个节点可以有多个子节点的树形结构，也称为普通树。
3. 线段树：主要用于区间查询，每个节点表示一个区间，可以通过将区间递归划分成更小的区间来实现区间查询。
4. 堆：特殊的完全二叉树，适用于实现优先队列和堆排序等算法。
5. 字典树：用于快速检索字符串，每个节点表示一个字符，从根节点到叶子节点组成一个字符串。
6. 并查集：通过维护集合的关系，实现快速查找、合并、判断两个元素是否在同一集合中等操作。
7. AVL树、红黑树：常用于平衡二叉树的实现，保证了二叉搜索树操作的时间复杂度始终为O(logn)。

以下是一个二叉树的伪代码示例：

// 定义二叉树节点
Node:
  left  // 左子节点
  right  // 右子节点
  data  // 数据

// 初始化根节点
root = Node(data=root_data, left=NULL, right=NULL)

// 插入新节点
Insert(node, data):
  if node is NULL:
    node = Node(data=data, left=NULL, right=NULL)
  else if data <= node.data:
    node.left = Insert(node.left, data)
  else:
    node.right = Insert(node.right, data)
  return node

// 遍历二叉树
Traversal(node):
  if node is NULL:
    return
  Traversal(node.left)
  print node.data
  Traversal(node.right)

// 示例
root = Node(data=5, left=NULL, right=NULL)
Insert(root, 3)
Insert(root, 8)
Insert(root, 2)
Insert(root, 4)
Insert(root, 7)
Insert(root, 9)
Traversal(root)
// 输出：2 3 4 5 7 8 9

图形结构有哪些

1. 有向图（Directed Graph）：有向图是由一些顶点和边组成，每条边有一个方向。如果存在一条从顶点 A 到顶点 B 的有向边，那么 A 就是 B 的直接前驱，B 就是 A 的直接后继。有向图可以表示多种现实情形，比如互相之间有影响关系的事件、任务或者流程等。在有向图中，如果两个点之间存在双向的边，则称为强连通图。
2. 无向图（Undirected Graph）：无向图是由一些顶点和边组成，每条边没有方向。如果存在一条从顶点 A 到顶点 B 的无向边，则 A 和 B 互为相邻顶点。无向图可以表示多种现实情形，比如物品之间的配对、社交网络中的朋友关系等。在无向图中，如果两个点之间存在双向的边，则称为弱连通图。

以下是一个简单的有向图的伪代码表示：

// 顶点集合
vertices = {A, B, C, D, E}

// 边集合（有向边）
edges = {(A, B), (A, C), (B, C), (B, D), (C, E), (D, E)}

// 初始化有向图
graph = new directed graph(vertices, edges)

// 打印有向图的所有顶点和边
for vertex in vertices:
    print(vertex)

for edge in edges:
    print(edge)

上述伪代码表示了一个包含 5 个顶点（A, B, C, D, E）和 6 条有向边的有向图。其中，顶点集合和边集合可以自行定义。在实际的编写中，需要根据具体的需求来实现对有向图的定义、添加节点等操作。