1.删除链表节点
**分析：**首先用指针变量q指向结点A的后继结点B，然后将结点B的值复制到结点A中，最后删除结点B。
2.时间复杂度的计算
**分析：**当涉及嵌套循环的时候，我们可以直接分析内层循环即可，看内层循环走了多少次
3.堆排序以及与其他排序的区别：
A
解析：
问的是空间复杂度，堆排序的空间复杂度为0(1)；
时间复杂度为0(nlogn)；
思路：
分为创建堆和调整堆——>每调整一次的时间复杂度为0(logn)，一共需要调整n-1次
其他：
1.选择排序： 时间复杂度无论最好和最坏和平均都为0(n^2)；
在空间复杂度上与冒泡排序，插入排序，选择排序类似都为0(1)；
2.快速排序： 时间复杂度为0(nlogn)，最坏为0(n^2)；空间复杂度为0(1)
3.归并排序： 时间复杂度均为0(nlogn)，空间复杂度为0(n)；
重点区别：
快速排序、归并排序和插入排序必须等到整个排序结束后才能够求出最小的10个数，而堆排序只需要在初始堆的基础上再进行10次筛选即可，每次筛选的时间复杂度为O(log2n)
4.快速排序的思路：
方法论：
从两头往中间搜索，右边找小，左边找大，右边先走
**1.第一步：**右边找到了10，左边找到了21，交换
**2.第二步：**在上面的位置上，右边继续向前，遇到了上一步的10，左右相遇，所以10的位置就是20的基准位，结束
5.有向无向图和邻接表的转换
1:无向图的表头节点数，表节点数：顶点个数，边2；
2:有向图的表头节点数，表节点数：顶点个数，边1；
6.强连通图
1.首先它的本质只是一个连通图，任意两个顶点之间都存在一条有向路径，即从任意一个顶点出发可以到达图中的任意其他顶点。
2.有向完全图一定是强连通，反之不一定；
3.最少边为n=顶点数
7.数据结构
1.数据结构的物理结构主要包括： 顺序存储结构，链式存储结构；
2.数据结构的逻辑结构： 线性结构，非线性结构（线性结构有线性表和栈，队列；非线性结构有树，图结构）；
3.存储结构分为： 顺序存储，链式存储，索引存储，散列存储；
4.基本概念：
1.数据的基本单位是数据元素；
2.数据元素最小单位为数据项；
3.具有相同性质的数据元素的集合为数据对象；
4.数据对象的集合为数据类型
5.存储结构和逻辑结构的关系：
存储结构则决定了数据在计算机内存中的实际存储方式；
逻辑结构描述了数据元素之间的关系；
数据结构是由其逻辑结构和存储结构共同决定的；
8.算法的特性：
五大特性： 有穷性，确定性，可行性，输入，输出；
9.树
1.深度： log2(n)+1 【n为顶点数】
**2.空指针域：**知道有多少叶子节点即可，然后利用n=n0+n1+n2，n2=n0-1；
10.图
出度： 顶点i在邻接矩阵上第i行的所有元素之和为出度；
入度： 顶点i在邻接矩阵上第i列上所有元素之和为入度；
邻接表上，顶点有n个，表头节点就有n个，至于表节点对应的是图某顶点的出度；
11.哈夫曼树
1.如何绘制： 两个最小生成树合并为一个新的树，然后重复以往过程；
2.情况： 哈夫曼树首先分为叶子节点和非叶子节点，叶子节点的度为1，非叶子节点的度为2；
所以度为1的节点一定为叶子节点，而哈夫曼树的构造后，叶子节点数一定为0——>所以度为1的节点数即为0；
12.二分查找最多次数：
log2n+1；
13.数据结构增删改查操作的时间复杂度
1.队列（Queue）：
增加元素（enqueue）：O(1)
删除元素（dequeue）：O(1)
修改元素：队列通常不支持直接修改元素
查找元素：通常需要遍历整个队列，时间复杂度为O(n)
2.栈（Stack）：
增加元素（push）：O(1)
删除元素（pop）：O(1)
修改元素：栈通常不支持直接修改元素
查找元素：通常需要遍历整个栈，时间复杂度为O(n)
3.树（Tree）：
增加元素：O(log n) - 平衡二叉搜索树的情况下，最好为O(log n)，最坏为O(n)
删除元素：O(log n) - 平衡二叉搜索树的情况下，最好为O(log n)，最坏为O(n)
修改元素：可以视为删除+增加操作，时间复杂度与删除和增加相同
查找元素：O(log n) - 平衡二叉搜索树的情况下，最好为O(log n)，最坏为O(n)
4.图（Graph）：
增加元素（添加节点或边）：O(1) - 在邻接表中添加节点或边的时间复杂度为O(1)
删除元素（删除节点或边）：O(degree) - 对于邻接表，删除节点或边的时间复杂度取决于该节点的度数
修改元素：通常需要进行删除和增加操作，时间复杂度与删除和增加相关
查找元素：通常需要遍历整个图，时间复杂度为O(V+E)，其中V为节点数，E为边数
14.求图的拓扑序列：
总结： 1.首先画出给定边集合的有向图，2.然后删除入度为0的节点，并去除它的出度边
