資料結構與演算法，這個部分的內容其實是十分的龐大，要想都覆蓋到不太容易。在校學習階段我們可能需要對每種結構，每種演算法都學習，但是找工作筆試或者面試的時候，要在很短的時間內考察一個人這方面的能力，把每種結構和演算法都問一遍不太現實。所以，實際的情況是，企業一般考察一些看起來很基本的概念和演算法，或者是一些變形，然後讓你去實現。也許看起來簡單，但是如果真讓你在紙上或者是計算機上快速地完成一個演算法，並且設計測試案例，最後跑起來，你就會發現會很難了。這就要求我們要熟悉，並牢固掌握常用的演算法，特別是那些看起來貌似簡單的演算法，正是這些用起來很普遍的演算法，才要求我們能很紮實的掌握，在實際工作中提高工作效率。遇到複雜的演算法，通過分析和紮實的基本功，應該可以很快地進行開發。

閒話少說，下面進入正題。

一.資料結構部分

1.陣列和連結串列的區別。（很簡單，但是很常考，記得要回答全面）

C++語言中可以用陣列處理一組資料型別相同的資料，但不允許動態定義陣列的大小，即在使用陣列之前必須確定陣列的大小。而在實際應用中，使用者使用陣列之前有時無法準確確定陣列的大小，只能將陣列定義成足夠大小，這樣陣列中有些空間可能不被使用，從而造成記憶體空間的浪費。連結串列是一種常見的資料組織形式，它採用動態分配記憶體的形式實現。需要時可以用new分配記憶體空間，不需要時用delete將已分配的空間釋放，不會造成記憶體空間的浪費。
　　
從邏輯結構來看：陣列必須事先定義固定的長度（元素個數），不能適應資料動態地增減的情況，即陣列的大小一旦定義就不能改變。當資料增加時，可能超出原先定義的元素個數；當資料減少時，造成記憶體浪費；連結串列動態地進行儲存分配，可以適應資料動態地增減的情況，且可以方便地插入、刪除資料項。（陣列中插入、刪除資料項時，需要移動其它資料項）。　　
　　
從記憶體儲存來看：（靜態)陣列從棧中分配空間（用NEW建立的在堆中）, 對於程式設計師方便快速,但是自由度小；連結串列從堆中分配空間, 自由度大但是申請管理比較麻煩.

從訪問方式來看：陣列在記憶體中是連續儲存的，因此，可以利用下標索引進行隨機訪問；連結串列是鏈式儲存結構，在訪問元素的時候只能通過線性的方式由前到後順序訪問，所以訪問效率比陣列要低。

2.連結串列的一些操作，如連結串列的反轉，連結串列存在環路的判斷（快慢指標），雙向連結串列，迴圈連結串列相關操作。

3.佇列（特殊的如優先順序佇列），棧的應用。（比如佇列用在訊息佇列，棧用在遞迴呼叫中）

4.二叉樹的基本操作

二叉樹的三種遍歷方式（前序，中序，後序）及其遞迴和非遞迴實現，三種遍歷方式的主要應用（如字尾表示式等）。相關操作的時間複雜度。

5.字串相關

整數，浮點數和字串之間的轉換（atoi,atof,itoa）

字串拷貝注意異常檢查，比如空指標，字串重疊，自賦值，字串結束符'\0'等。

二.演算法部分

1.排序演算法：

排序可以算是最基本的，最常用的演算法，也是筆試面試中最常被考察到的演算法。最基本的氣泡排序，選擇排序，插入排序要可以很快的用程式碼實現，這些主要考察你的實際編碼能力。堆排序，歸併排序，快排序，這些演算法需要熟悉主要的思想，和需要注意的細節地方。需要熟悉常用排序演算法的時間和空間複雜度。

各種排序演算法的使用範圍總結：（1）當資料規模較小的時候，可以用簡單的排序演算法如直接插入排序或直接選擇排序。（2）當檔案的初態已經基本有序時，可以用直接插入排序或氣泡排序。（3）當資料規模比較大時，應用速度快的排序演算法。可以考慮用快速排序。當記錄隨機分佈的時候，快排的平均時間最短，但可能出現最壞的情況，這時候的時間複雜度是O(n^2)，且遞迴深度為n,所需的棧空間問O(n)。（4）堆排序不會出現快排那樣的最壞情況，且堆排序所需的輔助空間比快排要少。但這兩種演算法都不是穩定的，若要求排序時穩定的，可以考慮用歸併排序。（5）歸併排序可以用於內排序，也可以用於外排序。在外排序時，通常採用多路歸併，並且通過解決長順串的合併，產生長的初始串，提高主機與外設並行能力等措施，以減少訪問外存額次數，提高外排序的效率。

2,查詢演算法

能夠熟練寫出或者是上機編碼出二分查詢的程式。

3.hash演算法

4.一些演算法設計思想。

貪心演算法，分治演算法，動態規劃演算法，隨機化演算法，回溯演算法等。這些可以根據具體的例子程式來複習。

5.STL

STL(Standard Template Library)是一個C++領域中，用模版技術實現的資料結構和演算法庫，已經包含在了C++標準庫中。其中的vecor,list,stack,queue等結構不僅擁有更強大的功能，還有了更高的安全性。除了資料結構外，STL還包含泛化了的迭代器，和執行在迭代器上的各種實用演算法。這些對於對效能要求不是太高，但又不希望自己從底層實現演算法的應用還是很具有誘惑力的。