数据结构与算法基本概念

数据结构

数据结构是相互之间存在一种或多种特定关系的数据元素的集合。这个世界上每天都会产生大量的数据，在大数据时代，数据可以说是非常宝贵，因此怎么更好得数据的处理在日常中是很重要的，于是就产生了下面这些数据结构类型：

集合：结构中的数据元素之间除了“同属于一个集合”的关系外，别无其他关系。

线性结构：结构中的数据元素之间存在一个对一个的关系。

树形结构：结构中的数据元素存在一个对多个的关系。

图形结构：结构中的数据元素之间存在多个对多个的关系。

这几种便是数据结构与算法学习的重点，我们要掌握并能够灵活运用他们来处理我们的数据，这同时也会涉及到算法的优化。

算法

算法是对特定问题求解步骤的一种描述，他是指令的有限序列，其中每一条指令表示一个或多个操作，解决一个题的算法并不是唯一的，只要能够达到目的优化时间或者空间，他就可以是一种算法，算法具有几大特性：有穷性（你不能一直执行下去），确定性（保证每一条指令导致的结果不会又二义），有输出（可以没有输入但不能没有输出，那将没有半点含义，我不知道你干了什么）。衡量一个算法好坏的标准就是复杂度。

复杂度

复杂度包括时间复杂度和空间复杂度。时间复杂度就是指算法的执行次数，并非执行时间。空间复杂度就是算法运行过程中要占用的最大内存。随着计算机内存容量的逐步扩大，相对来说，现在更加看重算法的时间复杂度.

时间复杂度

一个算法是由控制结构（顺序、分支和循环3种）和原操作（指固有数据类型的操作）构成的，时间复杂度取决于两者的综合结果。一般情况下，算法的基本操作重复执行的次数是问题规模n的函数f(n)，算法的时间度量记作T(n)=O(f(n)),它表示随问题规模n的增大，算法执行时间的增加率和f(n)的增长率相同，称做算法的渐进时间复杂度，简称时间复杂度。可以理解为“O”（大写的欧）来表示数量级的概念。

多数情况下它是指最深层循环内的语句的原操作，它的执行次数和包含它的语句的频度相同。语句的频度指的是该语句重复执行的次数。当我们计算一个算法的时间复杂度时可以找他的循环，有嵌套循环的把循环次数相乘，独立的则相加，当加的很小对总体影响不大时可忽略如n^ 2+n的值可以近似为n^2的值。