第一章 绪论

数据结构概念

有结构的数据元素的集合（相互之间有某种特定关系的数据元素的集合）

（包括数据元素的集合，数据元素关系的集合）

 

数据结构主要研究内容

1.       各类数据结构的逻辑结构，物理结构以及它们之间的关系

2.       为每种数据结构定义了基本运算

3.       能利用数据结构和基本运算编制相应的算法

4.       分析算法效率（主要从时间角度）

 

基本术语

数据（Data）：所有能被计算机处理的符号的集合。

数据元素（Data Element）：数据这个集合中的一个个体。设给定数据集合D={d1,d2,…dn}则di属于D，并称di为数据元素。

数据对象（Data Object）：具有相同性质的数据元素的集合。数据的一个子集。

数据项（Data Item）：数据元素常常可以分为若干个数据项，数据项是数据具有意义的最小单位。

（万事万物=>数据=>数据结构）

数据结构（Data Structure）：带有结构（联系）的数据元素的集合。即数据元素之间的运算及运算规则。

用集合形式描述，数据结构是一个二元组：DS=（D,R）（D：数据元素的集合 R：D上关系的集合）

逻辑结构（Logical Structure）：数据元素之间的结构关系。

物理结构（Physical Structure）：数据结构在计算机内的表示。

 

算法描述和算法分析

一、             算法（Algorithm）

1.       概念：算法是一个有限的指令集，遵循指令流可以完成特定的功能。

2.       算法的基本特性：

1）  有穷性：算法经过有限步后结束；（算法是程序指导，程序在计算机中可以无穷循环）

（a）算法是有穷指令集

（b）指令流程中若有循环，循环必须经过有限步骤后终止。

2）  确定性：下一步必须是明确的；（不能有二义性）

3）  可行性：每一步是可执行的；

3.       算法和程序的区别

算法：解决问题的一种方法或一个过程，考虑如何将输入转换成输出，一个问题可以有多种算法。

程序：用某种程序设计语言对算法的具体实现。

（算法和程序体现在软件生命周期的不同阶段）

软件生命周期：1.需求调研 2.概要设计（划分子系统，子系统划分模块） 3.详细设计（实现每一个模块的功能，编制算法实现：自然语言，程序框图） 4.编码实现

区别：

程序可以是无穷的，例如OS，算法的是有穷的；

程序可以是错误的，算法必须是正确的；

程序用程序设计语言描述，在机器上可以执行；算法还可以用框图、自然语言等描述。

 

二、             算法描述语言——类Pascal

所有算法均以过程（没有返回值，直接作为一条语句使用）或函数的形式表示；

PROC 过程名（参数表）；

{算法说明}

语句组

ENDP;{过程名}

FUNC函数名（参数表）：类型；

{函数说明}

语句组

RETURN（f）

ENDF；{函数名}

调用过程语句：过程名（参数表）

调用函数语句：变量名：=函数名（参数表）

 

算法语句

出错语句：ERROR(‘出错信息’)；程序直接返回

注释语句：{注释内容}

语句结束符号：‘；’

语句组符号：[  ]

基本函数：max（）、min（）、abs（）、eof文件、eoln行结束

布尔运算：AND（算出两边的值）、OR、NOT、CAND（若左边为零时直接给出结果0，提高效率）、COR

赋值语句：变量名：=表达式；

分支语句：IF 条件THEN 语句 ELSE 语句；

          CASE

          条件1：语句1；

                     .……

          条件n：语句n；

         （ELSE 语句n+1）

          ENDC；

循环语句：

FOR 变量名：=初值TO终值DO循环体；（初值小于中值）

FOR 变量名：=初值DOWNTO终值DO循环体；（初值大于终值）

WHILE条件DO循环；（条件为真执行循环体直到条件为假）

REPEAT循环体UNTIL条件；（先执行循环体然后判断条件，直到条件为真）

标准输入输出过程：read（变量表）；write（变量表）

 

三、             算法分析

衡量算法好坏的三个尺度：

运行所花费的时间（算法的时间特性）；

所占用的存储空间的大小（算法的空间特性）；

其他（可读性、易调性、健壮性等）。

 

算法的时间特性：

语句频度（Frequency Count）：语句可能重复执行的最大次数。（着重考虑循环）

时间复杂度（Time Complexity）：设算法中所有语句的语句频度为t（n），f（n）是当n趋向无穷大时与t（n）为同阶无穷大，则算法的时间复杂度T（n）=O(f(n))

其中：n为算法计数量或称为规模（size）；

f（n）是运算时间随n增大时的增长率；

O（f（n））是算法时间特性的量度。

例：程序段                                  语句频度                                  时间复杂度

1  x：=x+1；                                             1                                 O（1）常数阶

2  FOR i：=1TO n DO x：=x+1；               n+1                              O（n）线性阶

3  FOR i：=1TO n DO                                n+1

           FOR j：=1 TO n DO x=x+1                n（n+1）                     O（n²）平方阶

注：

（1）注意时间复杂度的规范化写法

（2）时间复杂度的n不带系数，需简化

（3）区分语句频度和时间复杂度，时间复杂度是针对整个算法而言的，不是针对某一个语句而言的。

 

算法与时间复杂性的关系

设：A1，A2和A3是求解同一问题的不同算法，其时间复杂度分别为：O（n）O（nlogn）O（N！）。C1和C2为计算机，且C2的计算速度是C1的10倍。

复杂度              C1可解规模         C2可解规模         可解规模的关系

O（n）                    N11                      N21               N21=10N11

O（nlogn）              N12                      N22               N22=10N12

O（N！）                  N13                     N23               N23=N13+小常数

（低效算法在低速和高速计算机上运行无大区别，高速计算机无法弥补低效算法）