【数据结构】绪论

不会码码

已于 2024-08-26 07:52:26 修改

阅读量528

点赞数 20

文章标签：数据结构 c++ 算法

于 2024-08-25 17:08:48 首次发布

本文链接：https://blog.csdn.net/2401_83624776/article/details/141530103

版权

【数据结构】绪论

前言
1.数据结构的基本概念和术语
总结

前言

之前很不重视这些基本概念，导致后面看到这些词对它的含义就很模糊，于是写了此文章。若文章内容有不足的地方欢迎评论区发言，小白会积极改进的。

1.数据结构的基本概念和术语

1.1 数据、数据元素、数据项和数据对象

数据：客观事物的符号表示，是所有能够输入计算机中并被计算机程序处理的符号的总称。
数据元素：数据的基本单位。
数据项：是组成数据元素的、有独立含义的、不可分割的最小单位。
数据对象：性质相同的数据元素的集合，是数据的一个子集。
如图示：
在这里插入图片描述

1.2 数据结构

数据结构（Data Structure）:数据结构是带“结构”的数据元素的集合，“结构”就是指数据元素之间存在的关系。
数据结构包含逻辑结构和存储结构两个层次。

1.逻辑结构

描述数据元素之间的逻辑关系。下面是4类基本逻辑结构：
（1）集合结构：元素之间除了“属于同一个集合外”，别无其他关系。
（2）线性结构：数据元素之间存在一对一的关系。
（3）树结构：数据元素之间存在一对多的关系。
（4）图结构或网结构：数据元素之间存在多对多的关系。
如图示：
在这里插入图片描述

2.存储结构

把数据元素以及它们之间的逻辑关系存储到计算中。有两种基本的存储结构，分别是顺序存储结构和链式存储结构。
（1）顺序存储结构：借助元素在存储器中的相对位置来表示数据元素之间的逻辑关系的。要求所有的元素依次存放在一片连续的存储空间中。通常是使用数组来描述。
（2）链式存储结构：借助指针类类型来描述。

2.时间复杂度

算法时间：
不考虑计算机的软硬件等环境因素，影响算法时间代价的主要因素是问题规模。问题规模是算法求解问题输入量的多少，是问题大小的本质表示，一般用整数n表示。显然，n越大算法的执行时间越长。
算法的执行时间=所有语句执行时间的总和。
语句的执行时间=此语句的重复执行次数（语句频度）执行一次所需要的时间。
算法较为简单时计算算法的执行时间：
对于较简单的算法，可以直接计算出算法中所有语句的频度。
算法较为复杂时计算算法的执行时间：
对于稍微复杂的算法，计算出所有语句的频度这是比较困难的，即便能够算出，也可能是个非常复杂的函数。因此，为了客观地反映一个算法的执行时间，可以只用算法中的“基本语句”的执行次数来度量算法的工作量。基本语句：指的是算法中重复执行次数和算法的执行时间成正比的语句，他对算法运行时间的贡献最大。
算法执行时间是随问题规模增长而增长的，因此对算法的评价通常只需要考虑其随问题规模增长的趋势。这种情况下，我们只需要考虑当问题规模充分大时，算法中基本语句的执行次数在渐进意义下的阶。
时间复杂度：
一般情况下，算法中基本语句重复执行的次数是问题规模n的某个函数f(n),算法的时间量度记作：T(n)=O(f(n)),它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称时间复杂度。
数学符号“O”的严格定义为：
T(n)和f(n)具有相同的增长趋势，并且T(n)的增长至多趋向于函数f(n)的增长。
符号“O”用来描述增长率的上限，它表示当问题规模n>n0时，算法的执行时间不会超过f(n)。