ความซับซ้อนของเวลาของโครงสร้างข้อมูลต่างๆคืออะไร?

ฉันกำลังพยายามแสดงรายการความซับซ้อนของเวลาในการดำเนินการของโครงสร้างข้อมูลทั่วไปเช่น Arrays, Binary Search Tree, Heap, Linked List เป็นต้นและโดยเฉพาะอย่างยิ่งฉันหมายถึง Java เป็นเรื่องธรรมดามาก แต่ฉันเดาว่าพวกเราบางคนไม่มั่นใจ 100% เกี่ยวกับคำตอบที่แน่นอน ความช่วยเหลือใด ๆ โดยเฉพาะการอ้างอิงจะได้รับการชื่นชมอย่างมาก

เช่นสำหรับรายการที่เชื่อมโยงแบบเดี่ยว: การเปลี่ยนองค์ประกอบภายในคือ O (1) คุณทำได้อย่างไร? คุณต้องค้นหาองค์ประกอบก่อนที่จะเปลี่ยนแปลง นอกจากนี้สำหรับ Vector การเพิ่มองค์ประกอบภายในจะได้รับเป็น O (n) แต่ทำไมเราไม่สามารถตัดจำหน่ายในเวลาคงที่โดยใช้ดัชนีได้? โปรดแก้ไขฉันหากฉันขาดอะไรไป

ฉันกำลังโพสต์สิ่งที่ค้นพบ / การคาดเดาเป็นคำตอบแรก

อาร์เรย์

• ตั้งค่าตรวจสอบองค์ประกอบที่ดัชนีเฉพาะ: O (1)
• การค้นหา : O (n)ถ้าอาร์เรย์ไม่ถูกเรียงลำดับและO (log n)ถ้าอาร์เรย์ถูกจัดเรียงและใช้บางอย่างเช่นการค้นหาแบบไบนารี
• ตามที่ระบุไว้โดยAiveanไม่มีDeleteการดำเนินการใดๆ ใน Arrays เราสามารถลบองค์ประกอบในเชิงสัญลักษณ์ได้โดยตั้งค่าเป็นค่าเฉพาะบางอย่างเช่น -1, 0 เป็นต้นขึ้นอยู่กับความต้องการของเรา
• ในทำนองเดียวกันInsertสำหรับอาร์เรย์นั้นโดยพื้นฐานแล้วSetตามที่กล่าวไว้ในตอนต้น

ArrayList:

• เพิ่ม : ตัดจำหน่าย O (1)
• ลบ : O (n)
• ประกอบด้วย : O (n)
• ขนาด : O (1)

รายการที่เชื่อมโยง:

• การแทรก : O (1)ถ้าทำที่หัว O (n)ถ้าที่อื่นเนื่องจากเราต้องไปถึงตำแหน่งนั้นโดยการเดินทางไปยังรายการที่เชื่อมโยงเป็นเส้นตรง
• การลบ : O (1)ถ้าทำที่หัว O (n)ถ้าที่อื่นเนื่องจากเราต้องไปถึงตำแหน่งนั้นโดยการเดินทางไปยังรายการที่เชื่อมโยงแบบเชิงเส้น
• ค้นหา : O (n)

รายการที่เชื่อมโยงแบบทวีคูณ:

• การแทรก : O (1)ถ้าทำที่หัวหรือท้ายO (n)ถ้าที่อื่นเนื่องจากเราต้องไปถึงตำแหน่งนั้นโดยการเลื่อนรายการที่เชื่อมโยงเป็นเส้นตรง
• การลบ : O (1)ถ้าทำที่หัวหรือท้ายO (n)ถ้าที่อื่นเนื่องจากเราต้องไปถึงตำแหน่งนั้นโดยการเดินทางไปยังรายการที่เชื่อมโยงแบบเชิงเส้น
• ค้นหา : O (n)

ซ้อนกัน:

• กด : O (1)
• ป๊อป : O (1)
• ด้านบน : O (1)
• การค้นหา (บางอย่างเช่นการค้นหาเป็นการดำเนินการพิเศษ): O (n) (ฉันเดาอย่างนั้น)

คิว / Deque / Circular Queue:

• แทรก : O (1)
• ลบ : O (1)
• ขนาด : O (1)

ต้นไม้ค้นหาแบบไบนารี:

• แทรกลบและค้นหา : กรณีเฉลี่ย: O (บันทึก n)กรณีที่เลวร้ายที่สุด: O (n)

ต้นไม้สีแดง - ดำ:

• แทรกลบและค้นหา : กรณีเฉลี่ย: O (บันทึก n)กรณีที่เลวร้ายที่สุด: O (บันทึก n)

Heap / PriorityQueue (ต่ำสุด / สูงสุด):

• ค้นหาต่ำสุด / ค้นหาสูงสุด : O (1)
• แทรก : O (บันทึก n)
• ลบต่ำสุด / ลบสูงสุด : O (บันทึก n)
• ดึงข้อมูล Min / Extract Max : O (log n)
• ค้นหาลบ (ถ้ามีให้): O (n)เราจะต้องสแกนองค์ประกอบทั้งหมดเนื่องจากไม่ได้เรียงลำดับเหมือน BST

HashMap / Hashtable / HashSet:

• แทรก / ลบ : O (1)ตัดจำหน่าย
• Re-size / แฮช : O (n)
• ประกอบด้วย : O (1)