Java 算法题中常用数据结构

以下是 Java 算法题中常用数据结构的详细对比表格，涵盖适用场景、底层实现、时间复杂度等关键维度：

数据结构	适用场景	底层实现	插入/添加	删除	查找	空间复杂度	特点与注意
ArrayList	频繁按索引访问、元素数量动态增长但不频繁删除	动态数组（基于数组）	O(1)（尾部） O(n)（中间）	O(n)（需移动元素）	O(1)（按索引） O(n)（按值）	O(n)	支持随机访问；扩容时性能有波动
LinkedList	频繁在头部/尾部插入/删除，不依赖索引访问	双向链表	O(1)（头/尾） O(n)（中间）	O(1)（已知节点）	O(n)（需遍历）	O(n)	适合队列/栈实现；内存开销大
HashMap	快速查找键值对、去重、统计频次	哈希表 + 链表/红黑树（JDK8+）	O(1) 平均 O(n) 最坏	O(1) 平均 O(n) 最坏	O(1) 平均 O(n) 最坏	O(n)	哈希冲突影响性能；避免自定义类未重写 equals()/hashCode()
HashSet	去重、集合运算（并集/交集）、快速判断存在性	基于 HashMap（key 为元素）	O(1) 平均	O(1) 平均	O(1) 平均	O(n)	无重复元素；不可排序
TreeMap	需要有序键值对、范围查询、前驱/后继操作	红黑树（平衡二叉搜索树）	O(log n)	O(log n)	O(log n)	O(n)	自动排序；支持 floorKey()、ceilingKey() 等方法
TreeSet	排序去重、查找上下界、区间操作	基于 TreeMap	O(log n)	O(log n)	O(log n)	O(n)	有序集合；不能有重复元素
PriorityQueue	优先级调度、堆顶最大/最小、Top-K 问题	二叉堆（数组实现）	O(log n)	O(log n)	O(1)（获取堆顶） O(n)（删除非堆顶）	O(n)	无序存储；默认小根堆，可自定义比较器
Stack（Deque 实现）	括号匹配、表达式求值、递归模拟	ArrayDeque（双端队列）	O(1)	O(1)	O(1)	O(n)	用 ArrayDeque 实现更高效；避免使用 Vector
Queue（ArrayDeque）	层序遍历、广度优先搜索（BFS）、滑动窗口	数组环形队列	O(1)	O(1)	O(1)	O(n)	高效且线程不安全；推荐用于算法题

---

✅ 使用建议（面试 & 刷题场景）

• 频繁查找/更新 → HashMap / HashSet
• 需要有序性 → TreeMap / TreeSet
• 维护最大/最小值 → PriorityQueue
• 按顺序访问或频繁尾插尾删 → ArrayList
• 频繁头尾增删 → LinkedList（但多数情况下 ArrayDeque 更优）
• 栈/队列逻辑 → 用 ArrayDeque 模拟，比 Stack/Queue 更高效

💡 提示：在 LeetCode 中，ArrayDeque 是 Stack/Queue 的首选实现。