数据结构学习笔记

学习素材：b站美女老师视频 https://www.bilibili.com/read/cv3285768

序

基本概念

1. 程序=数据结构+算法
2. 数据结构：操作对象以及操作对象间的关系。
   存在关系的数据元素的集合。
   数据元素间的关系称为结构。
   • 逻辑结构
   • 物理结构(存储结构)：数据及其关系在计算机内存中的表示。又称映像
   • 运算和实现：对元素施加的操作，以及这些操作在存储结构中的实现。
3. 数据：信息的集合
4. 数据元素：数据的基本单位。简称：元素、记录、结点、顶点
5. 数据项：构成数据元素的最小不可分割单位，记录中的一个字段
6. 数据对象：性质相同的数据元素的集合，是数据的子集
7. 逻辑结构分类：
   • 线性结构：一对一。线性表、栈、队列、串
   • 非线性结构
     • 集合结构：结构中的数据元素除了同属一个集合外，没有其他关系
     • 树：一对多
     • 图(网)：多对多
8. 存储结构分类：
   • 顺序存储结构：一组连续的存储单元来存储数据元素。数据元素之间的关系由由元素的存储位置来表示。例java中的数组
   • 链式存储结构：一组任意的存储单元来存储数据元素。数据间的逻辑关系用指针表示。
   • 索引存储结构：存储结点信息的时候，建个索引表。
   • 散列存储结构：根据结点的关键字直接计算结点的存储地址。
9. 数据类型：一组性质相同的值得集合，以及定义这个值集合上的一组操作的总称。

抽象数据类型(ADT)：

三元组DSP：
* D:数据对象
* S:数据对象上的关系集
* P:数据对象的基本操作集

抽象数据类型的定义：

ADT 抽象数据类型名{
	数据对象:<数据对象的定义>
	数据关系:<数据关系的定义>
	基本操作:<基本操作的定义>
}
//数据对象、数据关系的定义用伪代码描述
//基本操作的定义格式为：
// 基本操作名(参数表)
// 初始条件(初始条件描述)
// 操作结果(操作结果描述)
//参数表：包括赋值参数提供输入值，引用参数可以用来输入输出

例：

ADT Circle{
	数据对象:D={r,x,y|r,x,t均为实数}
	数据关系:S={<r,x,y>|r是半径,<x,y>是圆心坐标}
	基本操作:
	Circle(&C,r,x,y)
		操作结果：构造一个圆
	double Area(C)
		初始条件:圆已存在
		操作结果:计算面积
	double Circumference(C)
		初始条件:圆已存在
		操作结果，计算周长
}ADT Circle

ADT Complex{
	D={r1,r2|r1,r2都是实数}
	S={<r1,r2>|r1是实部,r2是虚部}
	assign(&C,v1,v2)
		初始条件:空的负数C已存在
		操作结果:构造负数C,r1,r2分别被赋以参数v1,v2的值
	destroy(&C)
		初始条件:复数C已存在
		操作结果:复数C已被销毁
}ADT Complex

数据元素=数据的个体
数据对象=性质相同的数据元素构成的集合
数据结构=数据对象+数据元素之间的关系
存储结构=数据结构的映像到内存
存储结构包括：顺序、链式、索引、散列
逻辑结构=数据结构的逻辑模型
逻辑结构种类：集合、线性、树形、图状

算法：指令的有限序列

1. 算法特性：
   • 有穷性：步骤和时间都要有穷，不能无限。
   • 确定性：每条指令必须有确切的含义，没有二义性。
   • 可行性：可以通过已经实现的基本操作执行有限次来实现。
   • 输入：有0个或多个输入
   • 输出：有0个或多个输出
2. 算法设计要求
   • 正确性：算法满足问题要求，能正确解决问题，算法转化为程序后要注意
     • 程序中不含语法错误
     • 对于几组输入数据能够得出满足要求的结果
     • 对于精心选择的、典型、苛刻且带有刁难性的几组输入数据能够得出满足要求的结果。
     • 对于一切合法的输入数据都能得出满足要求的结果。
   • 可读性：
     • 算法主要是为了人的阅读和理解，应易于理解。
     • 涩会难懂的算法容易隐藏错误。
   • 健壮性
     • 输入非法数据时，算法能恰当处理，而不是得到莫名其妙的结果。
     • 处理出错时，不应该中断程序，而应该返回错误信息，以便在更高抽象层次上进行处理。
   • 高效性：要求花费尽量少的时间和尽量低的存储需求

算法的效率

• 度量
  • 事后统计
  • 事前分析：
    • 算法运行时间=一个简单操作所需时间*简单操作次数
    • 算法运行时间=sum(每条指令执行次数该语句执行一次所需时间)
      算法运行时间=sum(每条语句频度该语句执行一次所需时间)
      假设每条指令执行时间都为单位时间，那我们只需要考虑。指令执行次数和。

时间量度：时间复杂度

• 算法中每条语句的频度之和=算法所耗费的时间
• 为了便于比较不同算法的时间效率，我们仅比较它们的数量级。
• 若有某个辅助函数f(n),使得当n趋近于无穷大时，T(n)/f(n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n)),称O(f(n))为算法的渐进时间复杂度(O是数量级的符号),简称时间复杂度。
• 
• 算法时间复杂度定义：
  基本语句重复执行的次数=问题规模n的某个函数f(n),又称算法的时间量度，记作T(n)=O(f(n))
  表示随着n增大,算法执行时间的增长率和函数f(n)的增长率相同，称渐进时间复杂度
  数学符号[O]的定义：参考https://baike.baidu.com/item/%E5%A4%A7O%E7%AC%A6%E5%8F%B7/656100?fr=aladdin

若T(n)和f(n)是定义在正整数集合上的两个函数，则T(n)=O(f(n))表示存在正的常数C和n0，使得当n>=n0时满足0<=T(n)<=Cf(n)

???

• 算法中重复执行次数和算法的执行时间成正比的语句，对算法运行时间的贡献最大，执行次数最多。

• n越大算法的执行时间越长，例：
  排序：n为记录数
  矩阵：n为矩阵的阶数
  多项式：n为多项式的项数
  集合：n为元素的个数
  树：n为树的结点个数
  图：n为图的定点数或边数

• 若f(n)是m次多项式，则T(n)=O(n^m)。忽略所有低次幂项和最高次幂系数，体现增长率的含义

• 分析算法时间复杂度的基本方法：

  1. 找出语句频度最大的语句作为基本语句
  2. 计算基本语句的频度得到问题规模n的某个函数f(n)
  3. 取其数量级，用符号O表示
     
     

• 基本操作的重复次数可能随输入集不同而不同
  
  

空间度量：空间复杂度

线性表

定义

• 线性表=具有相同特性的数据元素的有限序列
• 线性起点:起始结点，线性终点：终端结点