本文详细介绍了数据结构的四种基本类型，如集合、线性、树和图，以及各种存储方式。强调了算法的特性，如正确性、可读性和效率，并解释了如何通过分析基本操作次数来计算时间复杂度，同时提到了空间复杂度的定义。结论部分着重于时间复杂度分析的关键策略。
数据结构有四种基本类型：集合结构，线性结构，树形结构，图结构（网状结构）
数据的存储结构：顺序存储，链式存储，索引存储，散列存储（哈希存储）
程序＝数据结构+算法
算法的特性：有穷性，确定性，可行性，输入，输出
好算法的特质：正确性，可读性，健壮性，高效率与低存储量需求
常对幂指阶
结论一：顺序执行的代码只会影响常数项，可以忽略
结论二：只需挑循环中的一个基本操作分析它的执行次数与n的关系即可
结论三：如果有多层嵌套循环，只需关注最深层循环循环了几次
一般只考虑最坏和平均时间复杂度
计算时间复杂度：
1. 找到一个基本操作（最深层循环）
2. 分析该基本操作的执行次数x与问题规模n的关系x＝f（n）
3. x的数量级o（x）就是算法时间复杂度T（n）
空间复杂度
无论问题规模怎么变，算法运行所需的内存空间都是固定的常量，算法空间复杂度为S（n）＝o（1）
2400
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
