探討資料結構與演算法
檢視所有標籤
（2026/08/18 更新內容）
此篇為舊文章，我已經另外整理資料結構與演算法的筆記，可以參考資料結構與演算法。
了解本文內容之前需要具備的 prerequisite：
Priority Queue （以下簡稱 PQ）中的每個 element 都有各自的 priority
因為有利用 priority 來決定排序的特性，所以 PQ 也往往會用 heap 來實現。
（2026/08/18 更新內容）
此篇為舊文章，我已經另外整理資料結構與演算法的筆記，可以參考資料結構與演算法。
了解本文內容之前需要具備的 prerequisite：
近年來有許多人轉職當軟體工程師，其中網頁前端又是最熱門的選項，而前端工程師的工作內容多是處理 UI 切版、串 API 以及優化效能等等，所以有許多人認為前端不需要懂演算法與資料結構。
我在自學演算法與資料結構時，原先也覺得這只是用來應付面試的技能，直到最近在工作上實際運用到相關內容，這才了解到學習這些知識的優點。
這篇文章會實作一種常見的 UI Component: Tree View，藉此來分享如何將電腦科學的基礎知識運用在實務上。
（2026/08/18 更新內容）
此篇為舊文章，我已經另外整理資料結構與演算法的筆記，可以參考資料結構與演算法。
Heap 是一種 tree，常用來實現 Priority Queue（後續於另篇文章分享），每個 node 最多具有兩個 children，和 Binary Search Tree 很類似，差別在於 heap 的 parent 和 child 數值具有額外的規則，分有兩種：
由此可知，heap 的結構會比起 binary search tree 還簡潔，因為 parent 一定會被調整成為值比 children 還要小（或大），這樣就不會產生 binary search tree 結構一直往單支發展的樣子，此外在加入 node 時會先往 left 加入。
（2026/08/18 更新內容）
此篇為舊文章，我已經另外整理資料結構與演算法的筆記，可以參考資料結構與演算法。
了解本文內容之前需要具備的 prerequisite：
Tree Traversal 指的是走訪 Tree 上的每一個 node，這邊的 tree 指的是所有種類的 tree，包括 Binary Tree、Binary Search Tree (BST) 等。
要走訪（遍歷）一個 Tree 有兩種常見方法：
（2026/08/18 更新內容）
此篇為舊文章，我已經另外整理資料結構與演算法的筆記，可以參考資料結構與演算法。
了解本文內容之前需要具備的 prerequisite：
Binary Search Tree（以下簡稱 BST）顧名思義也是 tree 一種類型，它具有以下特徵：
（2026/08/18 更新內容）
此篇為舊文章，我已經另外整理資料結構與演算法的筆記，可以參考資料結構與演算法。
這篇會講解 tree 這種資料結構，然後因為 tree 的類型有很多種，所以實作部分會在之後的文章進行。
Tree 是 graph 的其中一種形式，是一種具有多個 node 資料結構，且這些 node 之間有 parent / child 關係。
有關於 graph 的更詳細的內容，之後會寫在另一篇文章介紹。
source: 樹 (資料結構) - 維基百科
（2026/08/18 更新內容）
此篇為舊文章，我已經另外整理資料結構與演算法的筆記，可以參考資料結構與演算法。
本系列主要參考自以下資料：
這些資料對我理解演算法與資料結構幫助很大，沒業配純推薦。
此外，如果想以圖像的方式了解資料結構及演算法，也很推薦參考 VisuAlgo。
了解本文內容之前需要具備的 prerequisite：
以上內容不會在本文說明，如果想了解
Singly Linked List 的數據會排列成一直線，每個單位會有數據和指標，指標會指向下一個數據在記憶體中的位址。
source: