大话数据结构笔记（一）

概论

• 数据结构是一门研究非数值计算的程序设计问题中的操作对象，以及它们之间的关系和操作等相关问题的学科。

数据结构研究的不是一堆的可以用数学方法推导出的计算公式，而是数据的存储，排序以及抽象等相关问题。

• 数据：是描述客观事物的符号，是计算机中可以操作的对象，是能被计算机识别，并输入给计算机处理的符号集合。
• 数据元素：是组成数据的、有一定意义的基本单位，在计算机中通常作为整体处理。
• 数据项：一个数据元素可以由若干个数据项组成。数据项是数据不可分割的最小单位。
• 数据对象：是性质相同的数据元素的集合，是数据的子集。
• 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。

定义有点抽象，通俗的理解就是：
以班级为例；班级本身就是一个数据结构，其中的数据对象为学生，而某个同学如张三就是数据元素，张三的学号就是一个数据项，这样可以理解出来，数据对象是一个很抽象的概念，更像是一种概括，而数据元素就是一个实际的可以被操作的元素。

• 程序设计=数据结构+算法
• 逻辑结构：是指数据对象中数据元素之间的相互关系。
  1. 集合：集合结构中的数据元素除了同属于一个集合外，它们之间没有其他关系。
  2. 线性：线性结构中的数据元素之间是一对一的关系。
  3. 树形：树形结构中的数据元素之间存在一种一对多的层次关系。
  4. 图：图形结构的数据元素是多对多的关系。
• 物理结构：是指数据的逻辑结构在计算机中的存储形式。数据的存储结构应正确反映数据元素之间的逻辑关系。
  1. 顺序结构：是把数据元素存放在地址连续的存储单元里，其数据间的逻辑关系和物理关系是一致的。
  2. 链式结构：把数据元素存放在任意的存储单元里，这组存储单元可以是连续的，也可以是不连续的。在程序中通常使用指针来连接这些数据元素。

逻辑结构是面向问题的，而物理结构就是面向计算机的，其基本的目标就是将数据及其逻辑关系存储到计算机的内存中。

• 数据类型：是指一组性质相同的值的集合及定义在此集合上的一些操作的总称。
• 抽象是指抽取出事物具有的普遍性的本质。它是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。抽象是一种思考问题的方式，它隐藏了繁杂的细节，只保留实现目标所必需的信息。

抽象是根据程序设计的需求来进行的，需求需要什么特性，我们就从该对象中抽出这些特性。这些特性可以是需要保存的数据，也可以是具有的动作。就比如游戏中角色所具有的血量，蓝量，这是数据，而技能则是动作。

• 抽象数据类型（Abstract Data Type，ADT）是指一个数学模型及定义在该模型上的一组操作。

算法

• 算法：算法是解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示一个或多个操作。
• 算法的正确性在大部分情况下都不可能用程序来证明，而是用数学方法证明的。

编写设涉及计算的程序之前考虑有没有数学公式可以解决这个问题，如果有，那么这个公式是否已经有相应的库函数。
引用一下书中的求和问题，书中给出的是：1+100+2+99+…+99+2+100+1 =1012 =2 * sum 即sum = （1+n） n/2与我印象中老师教的1+99+2+98+…+49+51+50=50 * 100+50=sum即（1+n-1）*（n/2）+（n/2）思路是不一样的，于是乎验算了一下，其实化简后的结果都是一样的。

• 算法具有正确性、可读性、健壮性、高效率和低存储量的特征。

在设计程序时应全面的考虑输入的边界以及对于不合理数据的处理。

• 算法效率的度量：计算对运行时间有消耗的基本操作的执行次数。运行时间与这个计数成正比。在分析一个算法的运行时间时，重要的是把基本操作的数量与输入规模关联起来，即基本操作的数量必须表示成输入规模的函数。

判断一个算法的效率时，函数中的常数和其他次要项常常可以忽略，而更应该关注主项（最高阶项）的阶数。

• 算法时间复杂度：记作：T(n)=O(f(n))。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，称作算法的渐近时间复杂度，简称为时间复杂度。其中f(n)是问题规模n的某个函数。

问题规模n是算法求解问题输入量的多少，是问题的大小的本质表示，如在排序中n为参与排序的记录数，在图的运算过程中，n是图的顶点数或边数。

在进行算法分析时，基本语句重复执行的次数T(n)是关于问题规模n的函数f（n），进而分析T(n)随n的变化情况并确定T(n)的数量级。

在分析时，可以只用基本语句（重复执行次数和执行时间成正比的语句）的执行次数来分析工作量。
O的简单理解就是增长率的上限，可以简单理解为算法执行时间的上限。

看到这里发现自己在对于一些定义的理解一直是停留在一个极其抽象的状态，可能自己分析、自己用的时候没有问题，但是与人沟通时就很难解释清楚。

• 大O阶的推导：
  1. 用常数1取代运行时间中的所有加法常数。
  2. 在修改后的运行次数函数中，只保留最高阶项。
  3. 如果最高阶项存在且不是1，则去除与这个项相乘的常数。得到的结果就是大O阶。

对于循环嵌套的分析应该从内到外分析。

int cnt = 1;
while(cnt<n)
{
	cnt *= 2; 
}

语句cnt = cnt * 2; 的时间复杂度为O（1）；设当f(n)次后 cnt > n ,即$$2^{f(n)}=n$$所以$$f(n)=lo{g}_{2}n$$ 即 $$T(n)=O(lo{g}_{2}n)$$