数据结构与算法绪论

最新推荐文章于 2024-05-11 14:30:05 发布

ZeevRitchie

最新推荐文章于 2024-05-11 14:30:05 发布

阅读量48

点赞数

文章标签：算法数据结构

本文链接：https://blog.csdn.net/RichargZ/article/details/132409764

版权

数据结构与算法绪论

数据结构
算法

参考书籍：《大话数据结构》

数据结构

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。

基本概念和术语：

数据：描述客观事物的符号，是计算机可操作的对象，是能被计算机识别，并输入给计算机处理的符号集合。包括数值类型和非数据类型。
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。也被称为记录。如畜类，则数据元素包含为牛、羊、猪、鸡等动物。
数据项：一个数据元素可以由若干个数据项组成，是数据不可分割的最小单位。如人这样的数据元素，可以有眼、耳、鼻、嘴、手这些数据项，也可有姓名、年龄、性别等数据项
数据对象：是性质相同的数据元素的集合，是数据的子集。

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
一、逻辑结构¹

集合结构：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
线性结构：线性结构中的数据元素之间是一对一的关系
树形结构：树形结构中的数据元素之间存在一种一对多的层次关系
图形结构：图形结构的数据元素是多对多的关系

用示意图表示数据的逻辑结构时，需注意：
1.将每一个数据元素看做一个结点，用圆圈表示；
2.元素之间的逻辑关系用结点之间的连线表示，如果这个关系有方向，则用带箭头的连线表示
二、物理结构(存储结构)²

顺序存储结构：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。
链式存储结构：是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，只需要用一个指针存放数据元素的地址，这样可通过地址可以找到相关联数据元素的位置。

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。
抽象数据类型：抽象是指抽取事物具有普遍的本质。抽象数据类型是指一个数学模型及定义在该模型上的一组操作。
抽象数据类型体现了程序设计中问题分解、抽象和信息隐藏的特性。把实际生活中的问题分解为多个规模小且容易处理的问题，然后建立一个计算机能处理的数据模型，把每个功能模块的实现细节作为一个独立的单元，从而使具体实现过程隐藏起来。

抽象数据类型的标准格式：	例：线性结构
ADT 抽象数据类型名	ADT 线性表(List)
Data 数据元素之间逻辑关系的定义	Data 线性表的数据对象集合为 {a1,a2,…an},每个元素的类型均为DataType.其中,除第一个a1外，每一个元素有且只有一个直接前驱元素，除了最后一个元素an外，每一个元素有且只有一个直接后继元素。数据元素之间的关系是一对一的关系。
Operation 操作1 初始条件操作结果描述操作2 … 操作n … endADT	OperationIn itList(L); 初始化操作，建立一个空的线性表L ListEmpty(L); 若线性表为空，返回true,否则返回false ClearList(L); 将线性表清空 GetElem(L,i,e); 将线性表L中的第i个位置元素值返回给e LocateElem(L,e); 在线性表L中查找与给定值e相等的元素，如果查找成功，返回该元素在表中序号表示成功;否则，返回0表示失败 ListInsert(L,i,e); 在线性表L中的第i个位置插入新元素e ListDelete(L,i,e); 删除线性表L中第i个位置元素，并用e返回其值 ListLength(L); 返回线性表L的元素个数 endADT

C语言中的数据类型分为两类：原子类型–不可再分解的基本类型（整型、实型、字符型等）；结构类型—由若干个类型组合而成，是可再分解的。如整型数组是由若干整型数据组成的。

算法

定义：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。
算法具有五个基本特性：输入、输出、有穷性、确定性和可行性

输入输出：有零个或多个输入，至少一个或多个输出
有穷性：指算法在执行有限的步骤之后，自动结束而不会出现无限循环，并且每一个步骤在可接受的时间内完成
确定性：算法的每一步骤都具有确定的含义，不会出现二义性。
可行性：算法的每一步都必须是可行的，也就是说，每一步都能够通过执行有限次数完成，算法设计的要求(算法不是唯一的)：
正确性：指算法至少应该具有输入、输出和加工处理无歧义性、能正确反映问题的需求、能够得到问题的正确答案—层次3：对于非法的输入数据能够得出满足规格说明的结果
可读性：算法设计的另一目的是为了便于阅读、理解和交流
健壮性：当输入数据不合法时，算法也能做出相关处理，而不是产生异常或莫名其妙的结果。

时间效率高和存储量低：时间和空间都比较快速。设计算法应该尽量满足时间效率高和存储量低的需求。

算法效率的度量方法：
1.事后统计方法：通过设计好的测试程序和数据，利用计算机计时器对不同算法编制的程序的运行时间进行比较，从而确定算法效率的高低
2.事前分析估算方法：通过分析代码的规模量和其他方式进行时间估算。在分析程序的运行时间时，最重要的是把程序看成是独立于程序设计语言的算法或一系列步骤
要了解基本函数的图形取向，从而判断算法的时间复杂度
算法时间复杂度：
算法时间复杂度定义：在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间量度，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。
用大写O()来体现时间复杂度的记法，称为大O记法，一般随着n的增大，T(n)增长最慢的算法为最优算法

推导大O阶方法：
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，则去除这个项相乘的常数。
得到的结果就是大O阶。

学会分析算法的复杂度，关键需要分析循环结构的运行情况。
常见的时间复杂度
1.常数阶 O(1)
2.线性阶 O(n)
3.平方阶 O(n2)
4.对数阶 log(n)
例： int count = 1;
while(count < n)
{
count = count * 2;
/时间复杂度为O(1)的程序步骤序列/
}
结果计算为：2^x = n，得到x=log2N，所有这个循环的时间复杂度为O(logn)
5.nlogn阶 O(nlogn)
6.指数阶 O(2^n)
7.阶乘阶 O(n^n)
所耗费的时间从小到大依次是：
O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^3)<O(2^n)<O(n!)<O(n^n)