《大话数据结构》读书笔记（一）——数据结构基础和算法

1. 数据结构分类
   （1）按照逻辑结构的方式分为四种：集合结构、线性结构、树形结构、图形结构。
   （2）按照物理结构的方式分为两种：顺序存储结构、链式存储结构

2. 算法的特性（5个）:
   （1）输入、输出：可以没有输入，但是最少有一个输出。
   （2）有穷性：算法一定可以自动结束
   （3）确定性：在一定条件下，只有一条执行路径，不会产生二义问题。
   （4）可行性：每一步都能通过执行有限次完成，可以转换成程序运行，并得到正确的结果。

3. 算法设计的要求（5个）
   （1）正确性：算法没有语法错误、对于合法数据能够产生满足要求的输出结果、对于非法数据能够得出满足规格的说明结果，这是一般做算法的要求。
   （2）可读性：他人也可以看懂
   （3）健壮性：当输入数据不合法的时候，可以做出相关处理，而不是产生异常或者其他不正常的结果。
   （4）时间效率高和存储量低：简单来说，就是花最少的时间、用最少的存储空间办成同样的事就是好算法。

4. 算法效率的度量方法
   （1）事后统计方法：不实用，不再描述。
   （2）事前分析估算法（就是一直提到的时间复杂度）：一个程序的运行时间依赖于两个方面：算法好坏和问题的输入规模（输入量多少）。测定运行时间最可靠的方法，就是计算对运行时间有消耗的基本操作的执行次数。

5. 时间复杂度（O（））
   分析算法复杂度，最重要的就是分析循环结构的运行情况，数列的相关运算是要补充的知识。
   推导算法：
   （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，只保留最高项。
   （3）如果最高项存在且不是1，则去除与这个项相乘的常数。
   得到的结果就是O（）

6. 常见的时间复杂度

执行次数函数	阶	非正式术语
12	O(1)	常数阶
2n+3	O(n)	线性阶
3n2+2n+1	O(n2)	平方阶
5log2n+20	O(logn)	对数阶
2n+ nlog2n+19	O(nlogn)	nlogn阶
6n3+2n2+4	O(n3)	立方阶
2n	O(2n)	指数阶

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)