大话数据结构-数据结构绪论①
一、开场白
数据结构并不难,但在数据结构添加了算法后,难度有所增加。
二、数据结构与算法关系
数据结构和算法是类似的关系,把几个重要的数据结构学完,或许你会觉得就这?再当你深入学习算法后,你会感叹计算机的前辈们,把复杂的问题变得如此美妙和神奇!
三、两种算法的比较
求解1+2+3+…+100的结果?
第一种算法:
int i , sum = 0, n = 100;
for(i = 1 ; i <= n; i++)
{
sum = sum + i;
}
printf(" %d",sum);
第二种算法:
int sum = 0,n = 100;
sum = (1 + n) * n /2;
printf("%d",sum);
两种算法的比较:
①逻辑简单,容易理解,但重复步骤多,耗时长,效率低;
②使用等差数列求和算法,一步就能得出求和结果,算法优;
简单说算法就是解决问题的方法步骤或者公式😀
四、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。
它可以是计算机指令,也可以是我们平时的语言文字。
五、算法的特性
五个基本特性:输入、输出、有穷性、确定性和可行性
- 输入输出---- 算法具有零个或多个输入,至少有一个或多个输出。
- 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。
六、算法设计的要求
好的算法应具有正确性、可读性、健壮性、高效率和低存储量的5大特性。
- 正确性---- 算法的正确性是指算法至少具有输入、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。
- 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,算法也能够做出相关处理,而不是产生异常或莫名其妙的结果。
- 可行性---- 设计算法应该尽量满足时间效率高和存储量低的需求。
七、算法效率的度量方法
算法有的效率高,有的效率低,我们该如何去判断算法的优与差呢?
- 事后统计方法:这种方法主要是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。(不建议使用)
- 事情分析估算方法:在计算机程序编制前,依据统计方法对算法进行评估。
第一种算法:
int i , sum = 0, n = 100; /* 执行1次 */
for(i = 1 ; i <= n; i++) /* 执行n+1次 */
{
sum = sum + i; /* 执行n次 */
}
printf(" %d",sum); /* 执行1次 */
第二种算法:
int sum = 0,n = 100; /* 执行1次 */
sum = (1 + n) * n /2; /* 执行1次 */
printf("%d",sum); /* 执行1次 */
第一种算法执行了1+(n+1)+ n + 1 = 2n+3次,而第二个算法只执行了3次,并且随着n的增大,第一种算法的开销也随着增大,算法好坏显而易见。
八、函数的渐近增长
函数的渐近增长:给定两个函数 f(n)和 g(n) ,如果存在一个整数 N ,使得对于所有的 n > N,f(n)总是比g(n)大,那么,我们说 f(n) 的增长渐近快于g(n)。
- 判断一个算法的效率时,函数中的常数和其他次要项常常可以忽略,而更关注主项(最高阶项)的阶数。
- 某个算法,随着n的增大,它会越来越优于另一算法,或者越来越差于另一算法。
九、算法时间复杂度
1、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)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。
2、推导大O阶方法
3、常数阶
int sum = 0,n = 100; /* 执行1次 */
sum = (1 + n) * n /2; /* 执行1次 */
printf("%d",sum); /* 执行1次 */
以上算法的时间复杂度为O[1],也称常数阶。
4、线性阶
分析线性阶的算法时间复杂度时,关键要分析循环结构的运行情况。
int i;
for(i=0;i<n;i++)
{
/* 时间复杂度为 O(1) 的程序步骤序列 */
}
5、对数阶
int count = 1;
while(count < n)
{
count = count * 2;
/* 时间复杂度为 O(1) 的程序步骤序列 */
}
以上算法的时间复杂度为O[logn],也称对数阶。
6、平方阶
int i,j;
for(i=0;i<n;i++)
{
for(j=0;j<n;j++)
{
/* 时间复杂度为 O(1) 的程序步骤序列 */
}
}
以上算法的时间复杂度为O[n2],也称平方阶。
十、常见的时间复杂度
常见的时间复杂度所耗费的时间从小到大依次为:
十一、最坏情况与平均情况
- 最坏情况运行时间是一种保证,那就是运行时间将不会再坏了。在应用中,这是一种最重要的需求,通常,除非特别指定,我们提到的运行时间都是最坏情况的运行时间。
- 平均运行时间是所有情况中最有意义的,因为它是期望的运行时间。
十二、算法空间复杂度
算法的空间复杂度通过计算书法所需的存储空间实现,算法空间复杂度的计算公式记作:S[n] = O[f[n]],其中,n为问题的规模,f[n]为语句关于n所占存储空间的函数。
计算算法的复杂度时,通常是时间复杂度。
十三、总结回顾
本章主要说了数据结构和算法是相互依赖不可分割的。
从算法的定义–→算法的特性–→算法的设计要求–→算法的度量方法–→时间复杂度大O阶推导–→空间复杂度
对算法的基本概念有了充分的认识,为下面数据结构与算法的深入学习打下坚实的基础!