数据结构-引言

说来惭愧，我是学通信专业的，没学过数据结构。虽然计算机二级考试的时候看过一点数据结构，但是考完试就忘了。在编程的过程中，逐步体会到了数据结构是多么重要，趁现在还比较年轻，打算仔细的学学。

首先，数据结构是干什么的？为什么它总是跟算法扯上关系？概括的说，要用计算机求解实际问题需要做两件事：第一，把实际问题用计算语言描述；第二，用计算机语言求解这个问题。第一件事情是数据结构干的，第二件事情就是算法干的。有一个著名的公式：

程序 = 数据结构 + 算法

非常形象的描述了它们之间的关系。

通常，我们都是介绍一种数据结构，然后介绍对应于这种结构的算法。
先看数据结构。举一个例子：学生的信息。有人可能觉得，学生的信息储存很简单啊，把学号、姓名、年龄、性别等等做成一个结构体，然后做成一个数组不就行了么？但是你是否考虑过一下问题：第一，万一有人退学、插班，条换专业，那么这个数组中元素的顺序如何管理？第二，学校有几万人，数组要求连续存放，你能保证有这么大的连续存储空间么？也许你为这个看似复杂的问题想破了脑袋，都没有想出来怎么解决，但是如果你学过数据结构，就能迎刃而解了，用一个链表就能实现：每个一个学生中都有一个指针，指向它的下一个元素，依次类推。这样既不需要连续的空间，也可以灵活的进行插入、删除等操作。

可见，数据结构是对现实中问题的高度抽象。那么世界上的问题千奇百怪，抽象出来的数据结构有多少种呢？答案只有3中：线性结构、树、图。通常，如果是把数据放在一起，而不考虑它们之间的关系的话，使用线性结构就可以了，比如我们的学生信息；而对于那些互相连续的数据，也许就需要树来表示了，比如：一个学校分成了很多学院、每个学院又分成了多个专业，每个专业又分成了几个班；最后，如果前两个种结构都没法解决，我们就要用到图了。比如有A、B、C、D、E、F、G七个地方，它们之间有的相通，有的不相通，我想从一个地方到达另一个地方，走那条路最近。

再看算法：有的算法比较简单，比如链表的插入，删除之类的，有的算法却异常复杂，比如那个求最短路径的问题（如果我没有记错，维特比算法就是解决这类问题的方法之一，这个算法在卷积码译码、隐马尔科夫链等等领域有重要应用。这里就不展开说了）。很多人写论文也经常写算法，那么到底什么是算法呢？就是解决问题的方法步骤，它必须包含以下要求：
1.有输入。它能够处理你让它处理的数据。
2.有输出。它能够诉你计算的结果。
3.有穷性。这里的有穷不是数学上的有穷，每个算法总是针对于特定应用的。如果对于这个应用来说，算法太慢了也不行。比如，对一个实时监控系统，我们希望检测画面内是否有运动目标。如果你的算法过了一天才能计算出结果，那也不行。
4.每一步都是明确的。
5.每一步可实现。
那么如何评价算法呢？算法是在电脑上算的，所以算法好不好得电脑说了算。那无非就是两种：算的快不快，占用的内存多不多。后一种很好理解，前一种就要费点脑筋了。我们不能简单把程序搬到电脑上执行来比较快慢，因为各个电脑的差别是很明显的：配置不同，新旧不同等等。我们通常采用数学的方法来估计执行算法大约需要多少步骤。当你的算法与问题规模的增长速度相同时，你的算法复杂度就称为O(n)。比如如果你的算法中主要的工作是一个for循环执行了n次;如果你的算法中是两个嵌套的for循环，那么就是O(n^2)。这里使用的是高等数学中无穷小的阶数的概念，也不多说了。
其实，完整的评价一个算法考虑的因素很多，有的算法很精细，但是执行速度慢，有的算法计算效果一般，但是执行速度很快；还有的算法，虽然又快又好，但是健壮性很差；甚至有些算法很好，但是由于理论过于高深，在很长是一段时间内都没有被大家接受。所以，咱们还是不要贸然评价别人的算法了吧，时间会证明一切。

最后说几句题外话，数据结构解决的是一些具体的问题，而不是帮你架构整个程序的。在一些面向过程的语言中（比如C语言），表现的很明显。所以很多数据结构的书，都是C语言写的。对于一些面向对象的语言，都对一些数据结构进行了封装，只要调用函数就可以了，掩盖了数据结构的本质，比如C++中的STL库。