数据结构_基本概念（数据结构定义，算法定义，算法的时间复杂度，空间复杂度）

数据结构

• 程序设计 = 数据结构 + 算法
• 数据结构：data structure 数据的组织，管理和存储方式，为了高效访问和修改数据。
  • 逻辑结构
  • 物理结构
• 逻辑结构：
  • 集合
  • 线性结构 ：数组，链表，以及它们衍生出来的栈，队列，哈希表。
  • 树形结构：二叉树等
  • 图形结构：图
• 物理结构
  • 顺序结构： 硬盘中的存储单元是连续的，底层是数组实现的
  • 链式存储结构：硬盘中的存储单元可以不连续的， 底层是链表实现的

算法

指令的有序集合
特征：输入，输出，有穷性，确定性，可行性

• 算法：algorithm ，本质上是一系列程序指令，用于解决某一类问题。
• 设计要求
  • 算法程序没有语法错误
  • 对合法输入呢能够产生 满足要求的输出
  • 对于非法输入可以产生规格的说明
  • 故意刁蛮的测试输入都有满足要求的输出结果*
• 可读性
  • 算法设计要便于阅读，理解
  • 时间效率高
  • 存储量低

算法效率的度量方法

事后统计法（事后诸葛亮）缺陷大
事前估算分析法

• 事前分析法

  • 算法的策略
  • 代码量
  • 问题的输入规模
  • 机器执行指令的时间
  • 机器执行指令的速度

  时间复杂度

• T(n)是算法的语句最大的执行次数

• 当有函数f(n)，在n区域无穷大时，T(n)/f(n)的值趋向于一个常数，则f(n)是O(f(n))的同一数量级的函数，称为O(f(n))，就是把程序的相对执行时间函数T(n)简化为一个数量级（n，n^ 2 ,n^3)

• T(n) = O(f(n)) , 越小越优,只保留时间函数的最高阶项，且去掉最高项的系数。

• 常数阶

  • O(1)

• 线性阶

  • for(int i; i < n; i++)
    • n(n+1)/2即O(n^2)

• 对数阶

  • for(int i = 0; i < n ; i * 2）
    • 2^x = n 则有 x = log(2)n

• O(1) < O(logn) < (n) < O(nlogn) < O(n^2) < O(n ^ 3) < O(2 ^ n) < O(n!) < O(n ^ n)

空间复杂度

• 计算算法所需的存储空间 S(n) = O(f(n)),n为问题规模，f(n)为算法存储中间数据占用存储空间的函数。
  • 常量空间：O(1)，算法的存储空间大小固定。
  • 线性空间：O(n)，算法分配的空间是个线性的集合，与问题规模n成正比
  • 二维空间：O(n^2)，集合的长度和宽度都和问题规模n成正比
  • 递归空间：常规的递归算法的空间复杂度还是线性的。

时间和空间的取舍

• 通常情况下都是，在现代硬件设备逐步完善情况下，绝大多数情况都是时间复杂度更重要，可以牺牲空间，减少程序运行时间。