数据结构.第一章绪论（自己纯纯的复习）

目录

研究内容

基本概念

数据

数据元素

数据对象

数据结构

数据类型

抽象数据类型(ADT)

数据结构在逻辑上的分类

算法

定义

基本特性

算法分析

时间复杂度

空间复杂度

---

        本文纯纯是自己复习知识写的，如果这个对大家有用的话我很开心~~~。

研究内容

        研究计算机的操作对象以及他们之间的关系和操作。(针对非数值计算的程序设计问题！)

        涵盖内容：

基本概念

        数据、数据元素、数据对象、数据结构、数据类型、抽象数据类型。

数据

        所有能被计算机识别、存储和处理的符号集合。(程序处理的对象)

        分类：数值数据、非数值数据

数据元素

        是数据的基本单位。

        数据项是构成数据元素的最小单位。

数据对象

        具有相同性质的数据元素的集合，是数据的一个子集

数据结构

        相互之间存在一种或多种特定关系的数据元素的集合。

        Data_Structure = (D,R)

数据类型

        一个值的集合和定义在该值上的一组操作的总称。

抽象数据类型(ADT)

        用户定义的数据模型与定义在该模型上的一组操作，由基本的数据类型构成。

        (抽出问题本质特征而忽略了细节，不考虑数据项的操作)

数据结构在逻辑上的分类

1. 集合：数据元素之间没有关系
2. 线性结构：数据元素之间一对一的线性关系
3. 树结构：数据元素之间一对多的层次关系
4. 图结构：数据元素之间多对多的任意关系            

算法

定义

        对特定问题求解步骤的一种描述，是指令的有限序列，是一系列输入转换为输出的计算步骤。

（算法不是答案！！！是步骤！！！）

基本特性

        输入、输出

1. 有穷性：总在执行有穷步后结束，且每一步在有穷时间内完成。(不是无限循环也不是数学概念)
2. 确定性：每条指令都有确切的含义，不存在二义性。
3. 可行性：通过已实现的基本操作执行有限次。

好算法的设计要求：

1. 正确性：满足问题需求，对于任何合法输入算法都有正确结果。
2. 可读性 ：易理解易实现。
3. 健壮性：对于非法输出的抵抗能力。
4. 效率与低存储量需求

描述方法：自然语言、流程图、程序设计语言、伪代码。

算法分析

时间复杂度

        问题规模充分大时，算法中基本语句执行次数在渐近意义下的阶。(是一种估算技术)

        记为：O

 

空间复杂度

        算法在执行过程中需要的辅助空间数量，除算法本身输入输出数据所占用的空间外，算法临时开辟的存储空间。

        若辅助空间相对于问题规模来说是一个常数，则称算法为原地(就地)工作，否则为问题规模的函数：S(n) = O(f(n))。

        非递归算法：O(1):常量阶、O(n):线性阶、平方阶、立方阶、对数阶

        递归算法：扩展扩展再扩展

        最好、最坏和平均情况：
                如顺序查找第一个元素，一次比较每一个元素，直到找到k位置。

                *若数组第一个元素为k，那么只要比较1次，这就是最好情况！

                *若数组最后一个元素为k，那么就要比较n次，这就是最坏情况！

                *设数据等概率分布，那么平均要比较n/2次，这是平均情况。

                一般来说，最好情况不能代表算法性能！发生概率较小。