以下是資料結構演算法中常見的樹狀結構及其摘要說明：
基本樹狀結構：
二元樹 (Binary Tree): 每個節點最多有兩個子節點，分別稱為左子節點和右子節點。許多更進階的樹狀結構都是基於二元樹的概念。
二元搜尋樹 (Binary Search Tree, BST): 是一種特殊的二元樹，對於樹中的每個節點，其左子樹中的所有節點的值都小於該節點的值，而其右子樹中的所有節點的值都大於該節點的值。這使得搜尋、插入和刪除操作更有效率。
平衡樹狀結構：
為了維持二元搜尋樹的效率，避免在最壞情況下退化成鏈結串列，出現了平衡樹狀結構：
AVL 樹 (AVL Tree): 是一種自平衡二元搜尋樹，任何節點的兩個子樹的高度差至多為 1。透過旋轉操作來維持平衡。
紅黑樹 (Red-Black Tree): 也是一種自平衡二元搜尋樹，透過為每個節點著色（紅色或黑色）並遵守特定的規則來確保樹的大致平衡。相較於 AVL 樹，旋轉操作較少，但平衡性稍弱。
其他常見樹狀結構：
B 樹 (B-Tree): 一種自平衡的樹狀結構，特別適用於磁碟儲存系統。B 樹可以擁有多個子節點，降低樹的高度，減少磁碟存取次數。
B+ 樹 (B+ Tree): 是 B 樹的一種變形，所有資料都儲存在葉子節點中，而內部節點只儲存索引。B+ 樹更適合用於資料庫的索引。
堆積 (Heap): 一種特殊的樹狀資料結構，滿足堆積性質：在最大堆中，父節點的值總是大於或等於其子節點的值；在最小堆中，父節點的值總是小於或等於其子節點的值。常用於優先佇列和堆積排序。
字典樹 (Trie 或 Prefix Tree): 一種用於儲存字串的樹狀結構，每個節點代表一個字元，從根節點到某個節點的路徑上的字元組成一個字串（或字串的前綴）。適用於快速的前綴搜尋和自動完成等功能。
線段樹 (Segment Tree): 一種用於儲存區間或線段資訊的樹狀結構，並支援高效的區間查詢和更新操作。
樹狀陣列 (Fenwick Tree 或 Binary Indexed Tree): 一種可以用陣列表示的樹狀結構，用於高效地計算陣列前綴和以及單點更新。相較於線段樹，實作更簡單且空間效率更高。
這些樹狀結構在不同的應用場景中發揮著重要的作用，例如資料庫索引、檔案系統、編譯器、網路路由等等。選擇哪種樹狀結構取決於具體的需求和操作特性。