第二章 一些基本概念

1.数据

数据元素是一个基本的数据单位，通常是一个小整体，一个数据元素可以由多个数据项组成，数据项是构成数据元素不可分割的最小单位。多个性质相同的数据元素可以组成一个数据对象。
比如，小明同学的信息包括了学号，姓名，班级三个，那这三个就是数据项，小明同学作为一个数据元素包含这三个数据项。多个同学加上老师可以构成一个班级管理系统，这就是一个数据对象。

数据结构则是用于处理数据元素之间关系的工具。
比如我们要找到学生的信息，那么学生都有特定的联系，这时候就可以用数据结构来遍历，除去老师，因为老师虽然和学生在同一个数据对象中，但是关系并不一致。
同一个数据对象里面，可以存在着多种数据结构，来表示不同的关系。

2.数据结构的四大逻辑结构

2.1 集合结构

各个数据元素在同一个集合里面。比如一个班的花名册，排名不分先后。

2.2 线性结构

每一个元素之间呈现一个一对一的线性的关系，有前驱和后继。比如班级排名。

2.3 树形结构

每一个元素和多个数据元素之间有关系，一对多。比如一个班级对应多个班级职位，而一个班级职位又对应了多个学生。

2.4 网状结构

多个元素对应多个元素，多对多。比如一个班里面，每一个同学都会有多个好友。

3.对数据的运算

就是对数据的操作方法，简单介绍一下线性结构的运算：
1.查找第i个数据元素。
2.在第i个位置插入元素。
3.删除第i个位置的元素。

4.实现数据结构

前面说的是定义，它不同于实现，要实现有多种方法。存储方式，一共有四种，分别是顺序存储，链式存储，索引存储和散列存储（哈希存储）。后面章节都会细谈。

不同的实现方法都会有自己的优点和缺点（会影响运算的速度和存储的方便程度），需要根据实际的需求去衡量。

定义加实现，就可以完成一个数据结构。

5.数据类型和抽象数据类型

5.1数据类型

数据类型分为原子类型和结构类型。原子类型不可再分，比如bool类型，int类型。结构类型是可以分解的，比如一个strcut结构体。

5.2 抽象数据类型（ADT）

ADT其实就是数据结构，因为如果你把多个数据元素的关系集合看作一个整体，我们可以称它为一种类型，比如一个班级可以作为一个类型。

6.算法

程序 = 数据结构 + 算法
算法就是对数据的操作方法。

6.1 算法的五大特性

1.有穷性

它要可以运行完。

2.确定性

对于相同的输入，只能得到相同的输出。

3.可行性

必须可以用代码实现。

4、5.输入和输出

算法可以没有输入，也可以有一个或者多个输入，但是必须有一个或多个输出。算法和函数非常相似。

6.2 好算法的特征

1.正确性

能对正常的输入给出正确输出。

2.有可读性

不管是伪代码，还是C语言，至少要自己看得懂。

3.健壮性

可以处理非法数据。

4.时空复杂度低

7.时空复杂度的计算

7.1 时间复杂度的计算

直接用电脑运行则和机器性能相关，和编程语言相关所以，只靠运行则会导致测不准。

1.时间复杂度的计算

于是我们把算法的时间开销称为T，解决问题的规模称为n,所以就是找T关于n的函数T(n)。那么我们就可以用算法中执行代码的行数的数量来和n的关系来表示时间复杂度。比如下面这样的代码：

Test(int n){
1.int i = 0;
2.while(i<n){
3.i++;
4.cout<<"hello"<<endl;}
}

在这段代码中，1会运行1次，2的判断会运行n+1次（因为最后要多一次判断），3和4均会运行n次，故T(n)=3n+2。

2.时间复杂度的简化表示

当T(n)=$3n^3+n^2$的时候，我们可以用等价无穷大的思想，把表达简化，我们仅表示其等价无穷大，用O(n)表示，所以我们可以写成O(n)=$n^3$。

3.时间复杂度的运算

加法规制：$T(n_1)+T(n_2)=max(O(f(n)),O(g(n)))$（多项式相加，直接选最大的）
乘法规则:$T(n_1)\times T(n_2)=O(f(n)\times O(g(n)))$(多项式乘法，留下最大的)

4.时间复杂度排行

非常重要，背这里就行：
注意，算法的log没有特殊说明，都是以2为底的。
$$O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^3)<O(2^n)<O(n!)<O(n^n)$$
记住公式：常对幂指阶
实在不行就做一个除法，比较两个在n趋近于无穷的时候的极限$li{m}_{n->\infty }\frac{f(n)}{g(n)}$,用洛必达洛就行。

5.计算时间复杂度

因为顺序执行的部分都是常数，所以我们在计算代码的时间复杂度的时候，我们只需要计算一下循环里面的执行次数就行，比如一层循环是O(n),两层嵌套是O($n^2$),面对多层循环嵌套时，我们选择最内层的去算即可。
对于输入的不同，有时候时间复杂度不是一定的，我们主要按照最坏的情况或者平均情况去算，所以只需要算平均和最坏情况即可。

6.空间复杂度计算

6.1 程序运行时需要的内存

（1）需要把整个程序都导入内存中，所以需要固定存放所有代码的数据，但是这个往往不需要考虑。
（2）运行时所需要和产生的局部变量以及参数，计算空间复杂度所计算的就是这部分的内容。

空间复杂度一样用英文的首字母表示为S(n)。如果空间复杂度为常数(S(n)=O(1))则可以称为该算法能够原地工作。

6.2 空间复杂度的计算

和时间复杂度一样，如果代码的参数不存在变量时，它就是常数级别。如果存在变量，则只需要注意运行时，变量的数目大小即可，并且往往取其同阶的最小无穷大级数O即可。循环分析一轮即可，但是递归需要考虑每一轮。