回顾数据结构和算法

数据结构概述

数据结构定义：

数据结构是指相互之间存在着一种或多种关系的数据元素的集合和该集合 中数据元素之间的关系组成。

数据的存储结构

**1.顺序存储：**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。数组就是顺序存储结构的典型代表。

**2.链式存储：**是把数据元素存放在内存中的任意存储单元里，也就是可以把数据存放在内存的各个位置。这些数据在内存中的地址可以是连续的，也可以是不连续的

数据的逻辑结构

1.集合结构：集合结构中的数据元素同属于一个集合，他们之间是并列的关系，除此之外没有其他关系。

2.线性结构：线性结构中的元素存在一对一的相互关系。

3.树形结构：树形结构中的元素存在一对多的相互关系。

4.图形结构中的元素存在多对多的相互关系。

算法的概述

算法的定义：

是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。

算法的特性：

1.有穷性 (Finiteness) 算法的有穷性是指算法必须能在执行有限个步骤之后终止;

2.确切性 (Definiteness) 算法的每一步骤必须有确切的定义;

3.输入项 (Input) 一个算法有0个或多个输入,以刻画运算对象的初始情况,所谓0个输入是指算法本身定出了初始条件;

4.输出项 (Output) 一个算法有一个或多个输出,以反映对输入数据加工后的结果。没有输出的算法是毫无意义的;

5.可行性 (Effectiveness) 算法中执行的任何计算步骤都是可以被分解为基本的可执行的操作步,即每个计算步都可以在有限时间内完成(也称之为有效性)。

算法的基本要求

1.正确性：是对任意一个合法的输入经过有限步执行之后算法应给出正确的结果;

2.可读性：算法的可读性是指一个算法可供人们阅读的容易程度;

3.健壮性：健壮性是指一个算法对不合理数据输入的反应能力和处理能力,也称为容错性;

4.时间复杂度：算法的时间复杂度是指执行算法所需要的计算工作量。一般来说，计算机算法是问题规模n 的函数f(n)，算法的时间复杂度也因此记做;
T(n)=Ο(f(n))
因此，问题的规模n 越大，算法执行的时间的增长率与f(n) 的增长率正相关，称作渐进时间复杂度（Asymptotic Time Complexity);

5.空间复杂度：算法的空间复杂度是指算法需要消耗的内存空间。其计算和表示方法与时间复杂度类似，一般都用复杂度的渐近性来表示。同时间复杂度相比，空间复杂度的分析要简单得多;
空间复杂度记做S(n)=O(f(n))。比如直接插入排序的时间复杂度是O(n^2),空间复杂度是O(1) 。而一般的递归算法就要有O(n)的空间复杂度了，因为每次递归都要存储返回信息。一个算法的优劣主要从算法的执行时间和所需要占用的存储空间两个方面衡量。