目录
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
- 集合:数据元素之间没有关系
- 线性结构:数据元素之间一对一的线性关系
- 树结构:数据元素之间一对多的层次关系
- 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
- 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)
- 确定性:每条指令都有确切的含义,不存在二义性。
- 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:
- 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。
- 可读性 :易理解易实现。
- 健壮性:对于非法输出的抵抗能力。
- 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。