[中字] 数据结构与算法实战教程（基于 C# 实现，附 Gi

tHub 源码）（中文字幕英文视频教程） 本课程是一门面向编程学习者、软件开发工程师及计算机相关专业学生的实战型技术课程，以 C# 语言为实现工具，系统讲解数据结构与算法的核心知识与工程应用。课程摒弃纯理论说教，通过 "概念解析 + 代码实现 + 案例演示" 的三位一体教学模式，帮助学习者掌握数据结构的设计思想、算法的优化逻辑，以及如何将这些技术应用于解决实际开发中的性能瓶颈问题，同时提供完整 GitHub 源码供学习者实操练习与二次开发。 二、课程核心价值 体系化知识架构：从基础概念到高级数据结构，构建循序渐进的知识体系，避免碎片化学习，帮助学习者形成完整的技术认知。 强实战导向：每一个知识点均配套 C# 可运行代码，所有案例均源于实际开发场景，学习者可直接复用代码解决同类问题。 兼顾基础与进阶：既覆盖新手必备的基础算法，也包含面试高频的高级数据结构，满足不同阶段学习者的需求。 源码开源可追溯：GitHub 源码库提供完整的代码版本管理，学习者可查看代码迭代过程，理解算法优化的每一个关键节点。 三、课程适用人群 计算机及相关专业在校学生，需夯实数据结构与算法基础的学习者； 初、中级软件开发工程师，希望通过优化数据结构与算法提升代码性能的从业者； 准备技术面试的求职者，需系统掌握高频算法考点的人群； 对编程底层逻辑感兴趣的自学者，希望深入理解代码运行原理的技术爱好者。 四、课程详细内容模块 模块 1：课程导论（Introduction） 作为课程的开篇，本模块旨在帮助学习者建立对数据结构与算法的宏观认知。内容涵盖数据结构与算法在软件开发中的核心作用 —— 如何通过合理的数据组织方式与高效的算法设计，降低系统资源消耗、提升程序运行效率；同时明确课程的学习路径、核心知识点分布及 GitHub 源码的使用方法，包括代码下载、环境配置（适配.NET 框架）及课后练习的提交规范，为后续系统学习奠定基础。 本模块配套 1 个视频课件及对应的中文字幕文件，帮助学习者快速明确学习目标与方法。 模块 2：搜索算法（Search Algorithms） 搜索算法是数据处理的基础技术，本模块系统讲解 9 种常用搜索算法的原理、实现与适用场景，重点分析不同算法的时间复杂度与空间复杂度，帮助学习者建立 "场景匹配算法" 的思维。 核心知识点： 搜索算法导论：梳理搜索算法的定义、分类标准及性能评估指标（时间复杂度、空间复杂度、稳定性），建立算法选择的基本逻辑。 线性搜索：讲解最基础的顺序搜索逻辑，通过 C# 代码实现对无序集合的元素查找，分析其 O (n) 的时间复杂度及在小规模数据场景中的应用。 哈希表搜索：深入解析哈希表的底层结构（数组 + 链表 / 红黑树）、哈希函数设计原则与冲突解决策略（链地址法、开放地址法），通过代码演示 O (1) 平均时间复杂度的高效搜索过程，同时强调哈希表在缓存设计、数据去重等场景中的应用。 二分搜索：聚焦有序集合的优化搜索方案，讲解 "分治思想" 在算法中的应用，通过 C# 实现递归与非递归两种版本的二分查找，分析其 O (log n) 的时间复杂度优势及边界条件处理（如集合为空、目标元素不存在等），明确其对有序数据的依赖限制。 三分搜索：针对单调函数的极值查找场景，讲解三分法的原理与实现，对比二分搜索的适用范围差异，拓展多区间分割的搜索思路。 跳跃搜索：结合线性搜索与二分搜索的优势，讲解 "块内线性 + 块间跳跃" 的搜索策略，通过代码演示其 O (√n) 的时间复杂度优化逻辑，适用于无法直接随机访问的有序数据场景。 指数搜索：针对大规模有序数据，讲解 "指数级跳跃定位区间 + 二分搜索" 的组合策略，解决二分搜索在未知数据规模场景中的局限性，通过代码验证其性能优势。 斐波那契搜索：基于斐波那契数列的分割比例设计搜索逻辑，讲解其无需除法运算的特性，适用于硬件除法效率较低的嵌入式开发场景，对比二分搜索的性能差异。 插值搜索：模拟人类查找字典的思维，通过 "估算目标元素位置" 优化搜索过程，讲解其在均匀分布数据中 O (log log n) 的时间复杂度优势，及非均匀数据场景中的性能退化问题。 本模块配套 9 个视频课件及对应的中文字幕文件，每个算法均提供独立的代码案例，学习者可在 GitHub 源码库中找到完整实现。 模块 3：排序算法（Sort Algorithms） 排序是数据预处理的核心步骤，直接影响后续搜索、统计等操作的效率。本模块讲解 8 种经典排序算法，从基础的简单排序到高级的高效排序，全面覆盖排序技术的核心知识点。 核心知识点： 排序算法导论：定义排序的概念与分类（内部排序 / 外部排序、稳定排序 / 不稳定排序），明确排序算法的性能评估维度，建立 "数据规模决定算法选择" 的认知。 冒泡排序：讲解最基础的交换排序逻辑，通过 C# 代码实现 "相邻元素比较交换" 的过程，优化 "提前终止排序" 的边界条件，分析其 O (n²) 的时间复杂度及在小规模数据中的应用。 插入排序：模拟扑克牌整理过程，讲解 "逐个插入有序区间" 的排序逻辑，实现优化版插入排序（减少元素移动次数），分析其在近乎有序数据中的 O (n) 最优时间复杂度。 选择排序：通过 "遍历选最小 / 最大值" 的策略实现排序，讲解其 O (n²) 的时间复杂度特性，对比冒泡排序的元素交换次数优势，明确其不稳定排序的特点。 快速排序：深入解析 "分治思想 + 基准元素分割" 的核心逻辑，通过 C# 实现递归版本的快速排序，讲解基准元素选择（随机基准、三数取中）对算法性能的影响，验证其 O (n log n) 的平均时间复杂度。 归并排序：基于 "分而治之" 策略，讲解 "拆分 - 合并" 的排序流程，通过代码实现二路归并排序，分析其稳定排序特性与 O (n log n) 的时间复杂度，说明其空间复杂度较高的局限性。 堆排序：结合二叉堆的数据结构特性，讲解 "构建堆 - 提取极值 - 调整堆" 的排序过程，通过 C# 实现基于大顶堆的排序算法，分析其 O (n log n) 的时间复杂度及不稳定排序的特点。 基数排序：基于 "多关键字排序" 思想，讲解 "按位排序（从低到高 / 从高到低）" 的实现逻辑，通过代码演示基于计数排序的基数排序过程，分析其 O (d*(n+k)) 的时间复杂度（d 为位数，k 为基数）及对非负整数的适用限制。 本模块配套 8 个视频课件及对应的中文字幕文件，所有排序算法均提供性能测试代码，学习者可在 GitHub 源码中对比不同算法在相同数据规模下的运行效率。 模块 4：二叉堆（Binary Heaps） 二叉堆是实现优先队列的核心数据结构，广泛应用于任务调度、Top-K 问题等场景。本模块从基础概念到高级拓展，全面讲解二叉堆的设计与操作实现。 核心知识点： 二叉堆基础导论：定义二叉堆的逻辑结构（完全二叉树）与物理存储（数组），明确大顶堆与小顶堆的特性，讲解堆的基本性质与应用场景。 小顶堆详解： 小顶堆概念：明确 "父节点值≤子节点值" 的核心特性； 插入操作：讲解 "尾部插入 - 向上调整" 的堆化过程，通过代码实现插入逻辑； 构建操作：对比 "逐个插入" 与 "从下往上调整" 两种构建方式，实现 O (n) 时间复杂度的优化构建算法； 删除根节点操作：讲解 "根节点替换 - 向下调整" 的堆维护逻辑，解决删除极值后的堆平衡问题。 大顶堆详解： 大顶堆概念：明确 "父节点值≥子节点值" 的核心特性； 插入操作：实现 "尾部插入 - 向上调整" 的堆化代码，对比小顶堆的调整逻辑差异； 构建操作：通过代码实现基于数组的大顶堆构建，验证 O (n) 的时间复杂度； 删除根节点操作：讲解大顶堆的根节点删除与堆调整过程，与小顶堆操作形成对比。 最小 - 最大二叉堆详解： 概念导论：介绍支持同时快速获取最小值与最大值的高级二叉堆结构，明确 "奇偶层交替满足小顶 / 大顶特性" 的规则； 插入操作：实现 "按层判断 - 向上调整" 的插入逻辑，确保堆特性不变； 删除根节点操作：讲解删除最小值 / 最大值后的堆调整策略，包括向下调整与跨层调整； 构建操作：通过代码实现基于数组的最小 - 最大二叉堆构建，分析其与普通二叉堆的性能差异。 本模块配套 13 个视频课件及对应的中文字幕文件，GitHub 源码中提供二叉堆的完整工具类实现，包括优先队列封装与 Top-K 问题解决方案。 模块 5：二叉搜索树（Binary Search Trees） 二叉搜索树（BST）是连接线性结构与树形结构的关键，为有序数据的存储与查询提供了高效方案。本模块讲解 BST 的核心特性与基本操作。 核心知识点： 二叉搜索树导论：定义 BST 的结构特性（左子树所有节点值＜根节点值，右子树所有节点值＞根节点值），讲解其 "中序遍历即有序序列" 的特性，分析其在搜索、插入、删除操作中的 O (log n) 平均时间复杂度。 插入操作：通过 "递归查找插入位置" 实现 BST 的元素插入，讲解插入过程中对树结构的维护逻辑，确保插入后仍满足 BST 特性，通过代码演示插入不同序列对树形态的影响。 删除操作：分类讲解三种删除场景（删除叶子节点、删除单孩子节点、删除双孩子节点），重点解析 "找中序后继 / 前驱替换" 的双孩子节点删除策略，通过代码实现删除后的树结构调整，避免树结构退化。 本模块配套 3 个视频课件及对应的中文字幕文件，GitHub 源码中提供 BST 的可视化演示辅助代码，帮助学习者理解树结构的动态变化。 模块 6：AVL 树（AVL Trees） AVL 树是最早的自平衡二叉搜索树，通过引入 "平衡因子" 解决 BST 的结构退化问题。本模块讲解 AVL 树的平衡维护机制与操作实现。 核心知识点： AVL 树导论：定义 AVL 树的平衡特性（任意节点的左右子树高度差绝对值≤1），讲解平衡因子的计算方法（右子树高度 - 左子树高度），分析其如何通过自平衡机制将操作时间复杂度稳定在 O (log n)。 插入操作：讲解插入元素后平衡因子的变化规律，分类解析四种失衡场景（LL 型、RR 型、LR 型、RL 型）的旋转矫正策略（左旋、右旋、左右双旋、右左双旋），通过代码实现插入后的平衡维护逻辑。 删除操作：分析删除元素对平衡因子的影响，讲解 "先执行 BST 删除 - 再回溯检查平衡" 的流程，针对不同失衡场景实现对应的旋转矫正，通过代码验证删除后的自平衡效果。 本模块配套 3 个视频课件及对应的中文字幕文件，GitHub 源码中提供平衡因子的实时计算与旋转操作的分步演示代码。 模块 7：红黑树（Red Black Binary Trees）