嘉明的数据结构学习Day1——逻辑结构与存储结构的了解、时间复杂度与空间复杂度了解

逻辑结构与存储结构

数据结构的三要素是逻辑结构、存储结构、数据的运算
它们的关系如下：

其中
逻辑结构指的是数据元素之间的逻辑关系（对人类方便）。
存储结构指的是数据结构在计算机中的表示（对计算机方便）。

逻辑结构就相当于我们打嘴炮相当于定义，存储结构就是我们实现打嘴炮的方式就是实现。
不过实现的过程一定要体现出逻辑结构的关系

逻辑结构

逻辑结构指的是数据元素之间的逻辑关系，是抽象的。
其中逻辑结构主要分为两大类，分别是
线性结构（线性表、栈、队列、串、数组），数据元素之间的逻辑关系一对一的
和
非线性结构（集合、树形结构、图形结构），数据元素之间的逻辑关系多样的。
例如集合结构里元素是无逻辑关系的；树形结构里元素是一对多逻辑关系；图形结构里元素是多对多逻辑关系

如下图：

集合

线性结构

树形结构

图结构

存储结构

存储结构指的是数据结构在计算机中的实现，是具体的。

存储结构包括顺序存储、链式存储、索引存储、散列存储。

顺序存储

特点：相邻元素之间的地址是按顺序排列的
例如下图的数组就是顺序存储结构的一种。

比如：线性结构的顺序存储实现

链式存储

特点：链式存储是以结点为单位的，结点实际上就是结构体，结构体的内容是内容和指针。指针则是指向他下一个元素的地址（所以每一个结点的指针变量存放的都是下一个元素的地址）。

链式存储可以理解为一辆火车，每一个车厢就是结点，车厢可以放很多不同的东西（结构体）。每一个车厢只可以连接到下一个的车厢（指针指向他下一个元素的地址）。

图解如下：

比如：线性结构的链式存储实现

索引存储

如下：

顺序存储与链式存储的优缺点

从上面的对顺序存储结构和链式存储结构的了解，我们可以大致了解到它们的优缺点。
如图所示：

顺序存储与链式存储的优缺点解析的优缺点解析

顺序存储的优缺点解析：
比如一个int类型的数组首地址是2000。
当我们想要找5的值时候可以用 第一个元素的首地址+44；也可以用第二个元素的地址+34，就是5这个元素可以通过很多元素找到它
同样地我也可以通过 其他元素的地址+（偏移量*4）和找到很多其他的元素
如下图：

这样我们就可以进行存取，而这种存取的方式是具有随机性的，没有规定说要从那里开始存取。
且因为它的大小就是类型所占的空间。

所谓顺序存储，也就是把逻辑相邻的元素存储在物理位置也相邻的物理单元，也正是因为此，进行顺序存储的时候，往往都需要一整块的存储物理单元。也就会产生比较多的外部碎片
可以举个简单例子：
你现在有一整块的的存储物理单元，可以放10个，但是你的顺序存储是9个元素，那么你把0~8的位置都占据了，剩下了9号，突然有一个操作，把你的4号位置元素搬掉了，也就是说剩下了4号和9号。好的，现在有一组新的顺序存储来了，大小刚好是2个，虽然你现在这个有2个空闲位置，但是你却没有办法用，因为4号和9号并非顺序挨着的，你只能用新的，那么这就是碎片的缘由。

所以顺序存储结构可以进行随机存取；所占的空间少。但是改动多的话容易产生碎片空间

链式存储的优缺点解析：
前面说过，链式存储是火车，结点就车车厢也是结构体，车厢只能和下一个车厢相连接。

如下图，当B结点被删除，就会让A指向C。所以不会造成碎片空间，但是所占的空间也就大了

因为前一个结点的指针只可以指向下一个元素的地址，因此不能进行随机存取，只可以进行顺序存取。

注意！！！！！！！！！！！！！！！！！！！！！！！！！
区分存取结构和存储结构：
存取结构只有随机存取和顺序存取

而存储结构有顺序存储和链式存储、索引存储、散列存储
虽然只有一字之差但是差别还是很大的，例如顺序存储支持随机存取。

时间复杂度与空间复杂度

算法

定义：对特定问题求解步骤的描述

特点：有穷、确定、可行、输入、输出

时间复杂度

因为硬件的不同，同一个程序在不同电脑上的执行时间也不一样，因此我们仅仅用时间来判断程序的时间复杂度是不对的。
那时间复杂度，不用时间来判断用什么呢？
因为程序的执行时间和执行次数形成正相关的关系，所以执行次数的多少就是时间复杂度的大小。
时间复杂度肯定越小越好，因为消耗的时间小，证明算法性能就好。

如上图，可以看到常见的时间复杂度，下面我们来举一些例子。
O(1)

因为无论n的值是多少算法执行一次

O（log₂n）

因为就是算x=2*x执行了几次

当执行次数1时，while里的条件肯定是(4<n/2)。
因为第一次x=2，n/2>2时执行一次x=2*x，然后x被从新赋值后，因为执行一次所以就不符合条件结束循环了。所以while里的条件肯定是(4<n/2)。而4等于2^(1+1)。
当执行次数是2时，while里的条件肯定是(8<n/2)。8等于2^(2+1)。

以此类推x=2*x执行t次时while里面的语句肯定是2^(t+1)<n/2。
由此解出t=log₂(n/2)-1，因为执行次数就是时间复杂度，但是要经过求极限的获得的，不是说时间复杂度就是t=log₂(n/2)-1。所以在要忽略高阶项的系数和低阶项
因为n趋于无穷大的时候，n/2也趋于无穷大，log₂(n/2)-1也趋于无穷大。我们求极限得，时间复杂度就是O（log₂n）

O(n²)

空间复杂度

定义：空间复杂度指的时随着算法的执行所使用的辅助空间的大小如何

可以理解为随着算法执行次数的增加，所占的空间到底有没有增加
这里暂时作为理解。后面再详细说明