数据结构 基本概念

一、什么是数据结构

1. 数据对象在计算机中的组织方式
   （1）逻辑结构
   （2）物理存储结构
   数据对象必定与一系列加在其上的操作相关联，完成这些操作所用的方法就是算法
2. 抽象数据类型（Abstract Data Type）
   （1）数据类型：
   数据对象集
   数据集合相关联的操作集
   （2）抽象：
   描述数据类型的方法不依赖于具体实现与存放数据的机器，数据存储的物理结构，实现操作的算法和编程语言无关。
   只描述数据对象集和相关操作集“是什么”，并不涉及“如何做到”的问题

二、 什么是算法（Algorithm）

1. 一个有限的指令集
   （1）接受一些输入（0—N个输入）有些时候不需要输入
   （2）产生输出
   （3）一定在有限步骤之后终止
   （4）每一条指令必须：
   – 有充分明确的目标，不可有歧义
   – 计算机能处理的范围之内
   – 描述不依赖于任何一种语言及具体实现的手段
2. 空间复杂度S(n)
   根据算法写成的程序在执行时占用存储单元的长度。这个长度与输入数据的规模有关，空间复杂度过高的算法可能导致使用的内存超限，造成程序非正常中断。
3. 时间复杂度T(n)
   根据算法写成的程序在执行时耗费时间的长度。往往与输入数据的规模有关系
   时间复杂度主要针对乘除次数，忽略加减法
4. 在分析一般算法的效率时，经常关注两种复杂度
   最坏情况的复杂度T_worst(n)
   平均复杂度 T_avg(n)
   T_avg(n) <= T_worst(n)
   avg不易计算，常考虑最坏复杂度
5. 复杂度的渐进表示法
   ① T(n) = O[f(n)] 表示存在常数C>0,n₀>0，使的当n>n₀时，有T(n)<=C * f(n) 上界
   ② T(n) = Ω[g(n)] 表示存在常数C>0,n₀>0，使得当n>n₀时，有T(n)>=C * g(n) 下界
   ③ T(n) = θ[h(n)] 表示同时有T(n)=O[h(n)] 和T(n) =Ω[h(n)] 既是上界也是下界
6. ① 若两段算法分别是T₁(n)=O[f₁(n)] 和T₂(n)=O[f₂(n)] 则：
   T₁(n)+T₂(n) = Max ( O[f₁(n)] , O[f₂(n)] )
   ② 若T(n)是关于n的k阶多项式，则T(n) = O(n^k)
   ③ for循环的时间复杂度=循环次数*循环体代码的复杂度
   ④ if-else结构的复杂度取决于if条件判断的复杂度和两个分支的复杂度，总体复杂度取三者中最大。
7. O(1) < O(logn) < n < O(nlogn) <n² <n³ < 2ⁿ <n!