数据结构绪论

数据结构

通常意义上，我们将数据结构分为逻辑结构和存储结构。

逻辑结构

• 集合结构
  集合结构中的数据元素除了同属于一个集合外无其他关系。
• 线性结构
  线性结构中数据元素之间是一对一的关系。
• 树结构
  树结构中的数据元素之间存在一种一对多的层次关系。
• 图结构
  图结构的数据元素是多对多的关系

几种逻辑结构层次图：
存储结构
即如何把数据元素存储到计算机的存储器中

• 顺序存储结构（线型或其他）

是把数据元素存放在一组连续的地址空间中，其数据间的逻辑关系和存储关系相一致。

• 链式存取结构（树、图结构）

是把数据元素存放在任意的存储单元里，可连续可不连续。用一个指针存放数据元素的地址，从而查找数据元素位置。

抽象数据类型（ADT）

是指一组性质相同的值得集合及定义在此集合上的一些操作的总称。
抽象：是指取出事物具有的普遍性的本质。它要求抽出问题的特征而忽略非本质的细节，是对具体事物的一个概括。
例如很多编程语言的整型，浮点型，字符型这些，指的就是数据类型。
在C语言中，按取值的不同，数据类型可以分为两类：

• 原子类型：不可以再分解的基本类型，例如整型、浮点型、字符型等。
• 结构类型：由若干个类型组合而成，是可以再分解的，例如整型数组是由若干整型数据组成的。

ADT的标准格式：

ADT 抽象数据名
Data
	数据元素之间逻辑关系的定义
Operation	
	操作
endADT

算法和算法分析

算法的特性

1）有穷性。即每一步必须在又穷时间内完成。
2）确定性。无二义性。
3）可行性。程序可通过基本操作运算执行有限次来实现。
4）输入。输入通常用形参表示，被调用时从主函数输入值。
5）输出。无输出的算法没有意义。

一个算法可以有零个或多个输入，也可以有一个或多个输出。

算法的时间复杂度

设计算法要尽量提高效率，这里的算法即是指算法的执行时间。
那么如何度量一个算法的执行时间呢？
这就引出了算法时间复杂度的概念

算法的时间复杂度取决于问题的规模和待处理数据的状态。

影响算法时间代价的最主要因素是问题规模。

问题规模一般用整数n表示，对于不同的问题n的含义不同。

• 在排序运算中n为参加排序的记录数
• 在矩阵运算中n为矩阵的阶数
• 在多项式运算中n为多项式的项数
• 在集合运算中n为集合中元素的个数
• 在树的有关运算中n为树的结点个数
• 在图的有关运算中n为图的定点数或边树。

显然，n越大算法的执行时间越长.
牢记以上n所代表的意义，对接下来计算时间复杂度有很大的帮助。

那么现在我们来看一个例子初步理解算法时间复杂度的运算

//第一种算法
int sum=0,n=100;//执行1次
for(int i=0;i<n;i++)//执行n+1次
{
sum+=i;//执行n次
}

//第二种算法
int sum=0,n=100;//执行1 次
sum=n*(n+1)/2;//执行1 次

综上我们得：
第一种算法执行了1+(n+1)+n=2n+2次
第二种算法执行了1+1=2次

如果我们把循环看做一个整体，忽略头尾判断的开销，俺么这两个算法就是n和1的差距

此时你可能还不太理解，为什么可以2n+2和2变成了n和1，不要着急，看下面的例子。

int s=0,n=100,x=0;
for(int i=0;i<n;i++)
{
for(int j=0;j<n;j++)
{
x++;
s+=s;
}
}

此时，算法包含两个for循环嵌套，外层执行100次，那么内层循环则执行100²次则该算法执行次数为1+n+n²+n²+n²=3n²+n+1。
由函数的渐进增长我们忽略头和尾那么得到该算法的时间复杂度为n²。
同理对于三阶算法：T(n)=O(n³)
在这里我们展现了时间复杂度的表示方法。
算法的时间复杂度：
T(n)=O(f(n)),
其中f(n)是问题规模n的某个函数。
表示随问题规模n的增大，算法的执行时间增长率和f(n)的增长率相同。通俗讲就是（执行次数=时间）。

注意公式中T和O都为大写，O()成为大O记法。

计算时间复杂度攻略：

• 用常数1代替运行次数中的加法常数。
• 在修改后的运行次数函数中，只保留最高阶项。
• 如果最高阶数不是1，则去除这个项相乘的常数。
  将算法分为
  1、常数阶 T(n)=O(1)
  2、线性阶：一般为非嵌套循环 T(n)=O(n)
  3、平方阶：嵌套（内外层循环）T(n)=O(n²)
  4、立方阶：三层嵌套 T(n)=O(n³)
  5、nlog_n阶：O(nlogn)
  6、指数阶：O(2ⁿ)
  7、对数阶：看以下例子

int i=1;
while(i<=n)
{
i=i*3;
}

分析该程序可知，每次i*3之后，就距离n更近一步，设有x个3相乘后的结果大于n，则退出循环。
此时得到：
3^x = n ——>x=log₃n因此得到该算法的时间复杂度为O(log₃n)。

常用的时间复杂度所耗费的时间从小到大依次是：

O(1) < O(logn) < O(n) < O(nlogn) < O(n²) < O(n³) < O(2ⁿ) < O(n!) < O(nⁿ)

轻松做题务必牢记以上！！！

对于算法时间复杂度的度量分为最好时间复杂度，最坏时间复杂度以及平均时间复杂度
注：严蔚敏c语言版的数据结构中。只讨论最坏情况下的时间复杂度，即分析在最坏情况下，算法执行的上界。