数据结构第一章

第一章                 绪论

【学习重点】

1.     数据结构及相关概念；

2.     数据的逻辑结构和存储结构，二者之间的关系；

3.     算法及特性；

4.     大0记号。

【学习难点】

1.     抽象数据类型的理解和使用；

2.     伪代码的理解和使用；

3.     算法的时间复杂度分析。

1.1数据结构在程序设计中的应用

程序设计的实质：⑴.数据表示：将数据存储于计算机（内存）中；

                         ⑵．数据处理：处理数据、设计方案（算法）。

数据结构起源于程序设计。（数据结构＋算法=程序）

计算机不能分析问题并产生问题的解决方案，必须由人（即程序设计者）分析问题，确定问题的解决方案，编写程序，然后让计算机执行程序最终获得问题的解。

                     1.2   本书讨论的主要内容

1.计算机能解决的问题一般可分为数值问题和非数值问题。数值问题的方程一般是数学方程，非数值问题的数据模型一般是线性表、树、图等。

2.本书讨论非数值问题的数据组织和处理，主要内容有如下四点：

  ⑴.数据的逻辑结构：线性表，数，图等数据结构，其核心是如何组织待处理的数据以及数据之间的关系。

⑵.数据的存储结构：如何将线性表，数，图等数据结构存储到计算机的存储器中，其核心是如何有效的存储数据以及数据之间的逻辑关系。

⑶.算法：如何基于数据的某种存储结构实现插入，删除，查找等基本操作，其核心是如何有效的处理数据。

⑷.常用数据处理：包括查找技术，排序技术，索引技术等

 

1.3数据结构的基本概念

1．3.1数据结构

1．数据：信息的载体，指所有能输入到计算机中并能被计算机程序识别和处理的符号集合。

数据：⑴数值数据：整数、实数等；

         ⑵非数值数据：文字、图形、声音、图像等。   

 

2、数据元素：（数据的基本单位）一般来说，能独立、完整地描述问题世界的一切实体都是数据元素。在计算机程序中通常作为一个整体进行考虑和处理。

数据项：构成数据元素的不可分割的最小单位。

3、数据结构是指相互之间存在一定关系的数据元素的集合。数据元素是讨论数据结构时涉及的最小数据单位。

数据结构：⑴逻辑结构：指数据元素之间逻辑关系的整体。

①          集合：数据元素之间就是“属于同一集合“，除此之外，没有任何关系；

②          线性结构：数据元素之间存在着一对一的线性关系；

③          树结构：数据元素之间存在着一对多的层次关系；

④          图结构：数据元素之间存在着多对多的任意关系。

           ⑵存储结构：（物理结构）是数据及其逻辑结构在计算机中的表示，换言之，存储结构除了存储数据元素之外，必须隐式或显式的存储数据元素之间的逻辑关系。

①  顺序存储结构：用一组连续的存储单元依次存储数据元素，数据元素之间的逻辑关系由元素的存储位置来表示（占据存储空间小，占据连续存储空间）；

②  链式存储结构：用一组任意的存储单元存储数据元素，数据元素之间的逻辑关系用指针来表示（占据存储空间多，比较灵活）。

注：数据的逻辑结构是从具体问题抽象出来的数据模型，是面向问题的，反应了数据元素之间的关联方式或临接关系。数据的存储结构是面向计算机的，其基本目标是将数据及其逻辑关系存储到计算机的内存中。

1.3.2抽象数据类型

1.数据类型：是一组值的集合以及定义于这个值集上的一组操作的总称。

2.抽象：指抽出问题本质的特征而忽略非本质的细节，是对具体细节的一个概括。

3.抽象数据类型（ADT）：是一个数据结构以及定义在该结构上的一组操作的总称。

1.4   算法及算法分析

1.4.1 算法及其描述方法

1.算法：是对特定问题求解步骤的一种描述，是指令的有限序列。

算法满足的5个重要特性：输入、输出、有穷性、确定性、可行性。

一个好的算法还需满足：正确性、鲁棒性、简单性、抽象分级、高效性。

2.算术的描述方法：⑴自然语言：优点：容易理解

                                             缺点：冗长，二义性

                            ⑵流程图：优点：直观易懂

                                            缺点：缺少严密性、灵活性

                           ⑶程序设计语言：优点：由计算机直接执行

                                                    缺点：抽象性差、对语言要求高

                           ⑷伪代码

1.4.2算法分析

⑴度量算法效率的方法：

事后统计:先将算法实现，然后输入适当的数据运行，测量其时间和空间开销。缺点：①编写程序实现算法将花费较多的时间和精力；②、所得实验结果依赖于计算机的软硬件等环境因素，有时容易掩盖算法本身的劣势。

事前分析估算——渐进复杂度：它是对算法所消耗资源的一种估算方法。

⑵、算法的时间复杂度：

影响算法时间代价的最主要因素是问题规模。问题规模是指输入量的多少，它可以从问题描述中得到。

为了客观地反映一个算法的执行时间，可以用算法中基本语句的执行次数来度量算法的工作量。基本语句是执行次数与整个算法的执行次数成正比的语句，基本语句对算法运行时间的贡献最大，是算法中最重要的操作。

a最好、最坏和平均情况：

对于某些算法，即使问题规模相同，如果输入数据不同，其时间开销也不同。

b算法的空间复杂度：

算法的空间复杂度是指在算法的执行过程中，需要的辅助空间数量。辅助空间是指除算法本身和输入输出数据所占据的空间外，算法临时开辟的存储空间。通常记作：

S(n)=O(f(n))

   其中，n为问题规模，分析方法与算法的时间复杂度类似。

算法分析举例

分析算法的时间复杂度的基本方法是：找出所有语句中执行次数最大的那条语句作为基本语句，计算基本语句的执行次数，取其数量级放入大O中即可。

定理1-1：若A(n)=amn^m+am-1nm-1+…+a1n+a0 是一个m次多项式，则A(m)=O(n^m)