数据结构的基本概念和术语，算法的时间复杂度

!!!数据结构：是相互之间存在的一种或多种特定关系的数据元素的集合。

一.相关术语

1.数据：

也就是符号，但是这些符号必需具备两个前提：能输入到计算机中且能被计算机处理。比如整型，实型，声音，图像等。

2.数据元素：

就是组成数据的基本单位。就是比如动物类的数据元素就有猫，狗等等。

3.数据项：

一个数据元素可以由多个数据项组成。比如：人都有年龄，身高，体重等数据项。**数据项是数据的最小单位。**

4.数据对象：

就是性质相同的数据元素的集合。

二.结构

1.逻辑结构：

就是数据对象中数据元素之间的关系。

（1）集合结构：

集合结构就是除了同属于同一个集合外，他们之间没有别的关系。
例如：

typedef struct person
{
 char name[10];      //名 
 int  year;   //年龄
float tall;  //身高    
 
}user;

这个结构体中姓名，身高，年龄就是集合结构。

（2）线性结构

数据元素是一对一的关系

（3）树形结构

数据元素是一种对多层的关系，这个就不用举例了吧，就是树嘛，都懂的。

（4）图形结构

数据元素是多对多的关系。

2.物理结构

简单的说就是如何把数据元素存到计算机的存储器中。

（1）顺序存储结构：

就是把数据元素存到地址连续的存储单元中，比如数组。

（2）链式存储结构：

数据元素可以存放到任意的存储单元中，但是需要用一个指针存放数据元素的地址。

!!!算法的时间复杂度

算法的时间复杂度就是算法的时间量度，记作：**T(n)=Of(n)**其中n是问题规模n的某个函数

推导大O阶的方法：

（1）用常数取代运行时间中所有的加法常数。
（2）在运行次数的函数中，只保留最高项。
（3）如果最高项存在且不是1，则去除与这个项相乘的常数。

1，常数阶

执行恒定的算法，我们称为具有O（1）的时间复杂度，即为常数阶。 例：

int sum = 1,n = 100; //执行一次  ``
sum = (1+n)*n/2; //执行一次  

5>2.线性阶要确定某个算法的阶次，需要确定某个特定语句或某个语句集运行的次数。因此，要分析算法的复杂度，关键就是要分析循环结构的运行情况。

int sum=0;
for(int i=0;i<n;i++)
{
    sum=sum+i
}

这段代码的复杂度为O(n);

对数阶：

int count=1;
while(count<n)
{ 
	count=count*2; 	
	} 

当count的每次循环不断增大，最后当count大于等于n的时候跳出循环，用x表示循环次数，得到2^x=n; 则:x=log₂n,即f(n) = log₂n,因此得出这个算法的时间复杂度为O(log2n)。

4，平方阶：

循环的时间复杂度等于循环体的复杂度乘以该循环运行的次数。
例：内层循环的时间复杂度为O(n)，外层为O(n)，则总的时间复杂度为O(n²)。

for(int i=0;i<n;i++)
{      
     for(int j=0;j<n;i++)
     {    
        ........   
      }
 }

常见的时间复杂度：

常用的时间复杂度所耗费的时间为：