数据结构与算法的基础知识

数据结构

一、数据结构学什么？

• 如何用程序代码把现实世界的问题信息化
• 如何用计算机高效的处理这些信息并创造高价值

二、什么是数据？

数据是信息的载体，是描述客观事物属性的数、字符及所有能被输入到计算机中并被处理的符号的集合。数据是计算机程序加工的原料。

三、什么是数据元素？

数据元素是数据的基本单位，通常作为一个整体进行考虑和处理。一个数据元素可以分为若干个数据项，数据项时构成数据元素的不可分割的最小单位。

四、数据结构、数据对象

• 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。
• 数据对象时具有相同性质的数据元素的集合，是数据的一个子集。

五、数据结构的三要素

1、逻辑结构：数据元素直接的逻辑关系

• 集合：各个元素同属于一个集合，别无其他关系（基本不讨论）
• 线性结构：数据元素之间是一对一的关系。除了第一个元素，所有元素都有唯一前驱，除了最后一个元素，所有元素都有唯一后继。
• 树形结构：数据元素之间是一对多的关系
• 图状结构（网状结构）：数据元素之间是多对多的关系

2、物理结构（存储结构）

探讨如何使用计算机表示数据元素的逻辑关系

• 顺序结构：把逻辑上相邻的元素存储在物理位置上也相邻的存储单元中，元素之间的关系由存储单元的邻接关系来体现。
• 链式结构：逻辑上相邻的元素在物理位置上可以不相邻，借助指示元素存储地址的指针来表示元素之间的逻辑关系。
• 索引结构：在存储元素信息的同时，还建立附加的索引表。索引表中的每项称为索引项，索引项的一般形式是（关键字，地址）
• 散列结构：根据元素的关键字直接计算出该元素的存储地址，又称哈希存储。

3、数据的运算

施加在数据上的运算包括运算的定义和实现。运算的定义是针对逻辑结构的，指出运算的功能；运算的实现是针对存储结构的，指出运算的具体操作步骤。

六、数据类型、抽象数据类型：

1、数据类型：是一个值的集合和定义在次集合上的一组操作的总称。

• 原子类型：其值不可以再分的数据类型。
• 结构类型：其值可以在分解为若干成分（分量）的数据类型。

2、抽象数据类型

是抽象数据组织及与之相关的操作。

七、算法基本概念

1.什么是算法？

程序 = 数据结构 + 算法

2、算法的特性

• 有穷性：一个算法必须总在执行有穷的步骤之后结束，且每一步都可以在有穷时间内完成。
  • 注意：算法必须是有穷的程序可以是无穷的。
• 确定性：算法中每条指令必须有确切的含义，对于相同的输入只能得到相同的输出。
• 可行性：算法中描述的操作都可以通过已经实现的基本运算执行有限次来实现。
• 输入：一个算法有零个或多个输入，这些输入取自于某个特定的对象的集合。
• 输出：一个算法有一个或多个输出，这些输出是与输入有着某种特定关系的量。

3、“好”算法的特质

• 正确性：算法应该能够正确的解决求解问题
• 可读性：算法应具有良好的可读性，以帮助人们理解。
• 健壮性：输入非法数据时，算法能适当地做出反应或进行处理，而不会产生莫名奇妙的输出结果。
• 高效率与低存储需求：执行速度块，时间复杂度低。 不费内存，空间复杂度低。

八、算法效率的度量

1、时间复杂度：事前预估算法时间开销T与问题规模n的关系（T表示时间）

• 是否可以忽略表达式某些部分？

  一个算法的时间表达式，可以只考虑阶数高的部分。

  

  算法阶数的大小比较 速记口诀：常对幂指阶

• 如果有好几千行代码，需要一行一行数吗？

  结论1：顺序执行的代码只会影响常数项，可以忽略。

  结论2：只需挑循环中的一个基本操作分析它的执行次数与n的关系即可。

  结论3：如果有多层嵌套循环，只需关注最深循环循环了几次。

• 三种时间复杂度

  最坏时间复杂度：考虑输入数据最坏的情况。

  平均时间复杂度：考虑所有输入数据都等概率出现的情况。

  最好时间复杂度：考虑输入数据最好的情况

• 算法的性能问题只有在n很大的时候才会暴露出来。

2、空间复杂度：空间开销（内存开销）与问题规模n之间的关系

• 算法的原地工作——算法所需内存空间为常量
• 只需关注储存空间大小与问题规模相关的变量