Apa kompleksitas waktu dari berbagai struktur data?

Saya mencoba membuat daftar kerumitan waktu dari operasi struktur data umum seperti Array, Pohon Pencarian Biner, Heap, Daftar Tertaut, dll. Dan terutama saya mengacu pada Java. Mereka sangat umum, tetapi saya rasa beberapa dari kita tidak 100% yakin tentang jawaban yang tepat. Bantuan apa pun, terutama referensi, sangat dihargai.

Misalnya Untuk daftar tertaut tunggal: Mengubah elemen internal adalah O (1). Bagaimana kamu melakukannya? Anda HARUS mencari elemen sebelum mengubahnya. Juga, untuk Vektor, menambahkan elemen internal diberikan sebagai O (n). Tetapi mengapa kita tidak dapat melakukannya dalam waktu konstan diamortisasi menggunakan indeks? Harap perbaiki saya jika saya melewatkan sesuatu.

Saya memposting temuan / tebakan saya sebagai jawaban pertama.

Array

• Set, Periksa elemen pada indeks tertentu: O (1)
• Pencarian : O (n) jika array tidak diurutkan dan O (log n) jika array diurutkan dan sesuatu seperti pencarian biner digunakan,
• Seperti yang ditunjukkan oleh Aivean , tidak ada Deleteoperasi yang tersedia di Array. Kami secara simbolis dapat menghapus elemen dengan menyetelnya ke beberapa nilai tertentu, misalnya -1, 0, dll. Tergantung pada kebutuhan kami
• Demikian pula, Insertuntuk array pada dasarnya Setseperti yang disebutkan di awal

ArrayList:

• Tambahkan : Amortisasi O (1)
• Hapus : O (n)
• Berisi : O (n)
• Ukuran : O (1)

Daftar Tertaut:

• Memasukkan : O (1) , jika dilakukan di kepala, O (n) jika di mana saja karena kita harus mencapai posisi itu dengan melintasi linkedlist secara linier.
• Menghapus : O (1) , jika dilakukan di kepala, O (n) jika di tempat lain karena kita harus mencapai posisi itu dengan melintasi linkedlist secara linier.
• Mencari : O (n)

Daftar Tertaut Ganda:

• Memasukkan : O (1) , jika dilakukan di head atau tail, O (n) jika ada di tempat lain karena kita harus mencapai posisi itu dengan melintasi linkedlist secara linier.
• Menghapus : O (1) , jika dilakukan di head atau tail, O (n) jika ada di tempat lain karena kita harus mencapai posisi itu dengan melintasi linkedlist secara linier.
• Mencari : O (n)

Tumpukan:

• Dorong : O (1)
• Pop : O (1)
• Atas : O (1)
• Pencarian (Sesuatu seperti pencarian, sebagai operasi khusus): O (n) (Saya rasa begitu)

Antrian / Deque / Circular Queue:

• Masukkan : O (1)
• Hapus : O (1)
• Ukuran : O (1)

Pohon Pencarian Biner:

• Masukkan, hapus dan cari : Kasus rata-rata: O (log n) , Kasus Terburuk: O (n)

Pohon Merah-Hitam:

• Masukkan, hapus dan cari : Kasus rata-rata: O (log n) , Kasus Terburuk: O (log n)

Heap / PriorityQueue (min / max):

• Temukan Min / Temukan Maks : O (1)
• Masukkan : O (log n)
• Hapus Min / Hapus Maks : O (log n)
• Ekstrak Min / Ekstrak Max : O (log n)
• Cari, Hapus (jika tersedia): O (n) , kita harus memindai semua elemen karena tidak diurutkan seperti BST

HashMap / Hashtable / HashSet:

• Sisipkan / Hapus : O (1) diamortisasi
• Ukuran ulang / hash : O (n)
• Berisi : O (1)