数据结构（考研）第一章 绪论

第一章 绪论

1.1 数据结构的基本概念

**数据：**数据是信息的载体，是计算机程序加工的原料。

数据元素、数据项： 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。

一个数据元素可由若干数据项组成，数据项是构成数据元素的不可分割的最小单位。

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。

数据对象是具有相同性质的数据元素的集合，是数据的一个子集。

数据结构的三要素：

• 逻辑结构

  • 集合

  • 线性结构

    数据元素之间是一对一的关系

  • 树形结构

    树形结构之间是一对多的关系

  • 图状结构

    图状结构之间是多对多的关系

• 物理结构（存储结构）

  • 顺序存储

    把逻辑上相邻的元素存储在物理上也连续的空间

  • 链式存储

    借助指针来表示数据之间的逻辑关系，物理上可不相邻

  • 索引存储

    在存储元素信息时，添加一张索引表

  • 散列存储

    也称哈希存储

• 数据的运算

  运算的定义针对逻辑结构，运算的实现针对存储结构。

数据类型、抽象数据类型：

数据类型是一个值的集合和定义在此集合上的一组操作的总称。

1. 原子类型 其值不可再分的数据类型 （int、char、bool）
2. 结构类型 其值可以再分的数据类型（结构体）

抽象数据类型（ADT）:用数学化的语言定义逻辑结构、数据运算

1.2.1 算法的基本概念

**算法的特性：**有穷性、确定性、可行性、输入输出

**好算法的特质：**正确性、可读性、健壮性、高效率和低存储量的需求

1.2.2 算法的时间复杂度和空间复杂度

时间复杂度

描述一个算法执行所消耗的时间，是一种屏蔽了不同机器算力的表示方法，常用大O表示法（高等数学中表示同阶无穷小的数学符号）表示，它是算法问题规模n的函数T(n) = O(f(n))。

常见的时间复杂度量级

• 常数阶O(1)

  void func(int n){printf("a");}
  

  算法中的语句执行次数和传入的问题规模参数n没有联系

• 线性阶O(n)

  void func(int n){
  	for(int i =0;i < n;i++){
  		printf("a");
  	}
  }
  

  printf()会被执行n次

• 对数阶O(logN)

  void func(int n){
  	for(int i = 0;i < n; i *= 2){
  		printf("a");
  	}
  }
  

  $$\begin{gathered} 2^x=n; \\ x=lo{g}_{2}n \end{gathered}$$

  printf()会被执行
  $$lo{g}_{2}n$$
  次

• 线性对数阶O(nlogN)

  void func(int n){
  	for(int j = 0;j < n;j++){
          for(int i = 0;i < n; i *= 2){
  		printf("a");
  	}
      }
  }
  

  将O(logN)的代码执行n次就是O(nlogN)

• 平方阶O(n²)

  void func(int n){
  	for(int j = 0;j < n;j++){
          for(int i = 0;i < n; i++){
  		printf("a");
  	}
      }
  }
  

• 立方阶O(n³)

  void func(int n){
  	for(int k = 0;k < n;k++){
          for(int j = 0;j < n;j++){
          	for(int i = 0;i < n; i++){
  				printf("a");
  	}
      }
      }
  }
  

• K次方阶O(n^k)

• 指数阶(2^n)

空间复杂度

一个程序的空间复杂度是指运行完一个程序所需内存的大小。
利用程序的空间复杂度，可以对程序的运行所需的内存有个预先估计。

程序执行时所需存储空间包括以下两部分：

固定部分。这部分空间的大小与输入/输出的数据的个数多少、数值无关。主要包括指令空间（即代码空间）、数据空间（常量、简单变量）等所占的空间。这部分属于静态空间。

可变空间。这部分空间主要包括动态分配的空间，以及递归栈所需的空间等。这部分的空间大小与算法有关。

我们在写代码时，完全可以用空间来换取时间，比如字典树、哈希等都是这个原理。HashMap.get()、put()都是O(1)的时间复杂度。

空间复杂度为O(1)：有的算法只需要占用少量的临时工作单元，而且不随问题规模的大小而改变，我们称这种算法是“就地”执行的，是节省存储的算法，空间复杂度为O(1)。

空间复杂度为O(n)：有的算法需要占用的临时工作单元与解决问题的规模n有关，它随着n的增大而增大，当n较大时，将占用较多的存储单元，例如快速排序和归并排序算法就属于这种情况。

常见的空间复杂度就是O(1)、O(n)、O(n^2)，像是O(logn)、O(nlogn)对数阶的复杂度平时都用不到，而且空间复杂度分析比时间复杂度分析要简单很多。