数据结构学习（1）基础知识

第1章 绪论

1.1计算机与算法

计算时研究对象：规律、技巧
目标：高效、低耗。计算机是研究手段，计算是研究目标

• 计算模型=计算机=信息处理工具
• 所谓算法，即在特定计算模型下，旨在解决特定问题的指令序列
  输入 待处理的信息（问题）
  输出 经处理的信息（答案）
  正确性 的确可以解决指定的问题
  确定性 任一算法都可以描述为一个由基本操作组成的序列
  可行性 每一基本操作都可实现，且在常数时间内完成
  有穷性 对于任何输入，经有穷次基本操作，都可以得到输出

事实：程序！=算法
效率：速度尽可能快，存储空间尽可能少

1.2 计算模型

• 图灵机
• RAM

执行过程可以记录为一张表，表的行数即是所执行基本指令的总条数，能够客观度量算法的执行时间。图灵机、RAM模型为度量算法性能提供了准确的尺度。

1.3 大O记号

• 不含转向（循环、调用、递归），必须顺序执行，即是O(1)
• 对数O(logn)，对数时间复杂度：该循环体之前、之内或者之后均只涉及常数次（逻辑判断、位与运算、加法、右移等）基本操作。用函数logn界定渐进复杂度时，常底数r的具体取值无所谓。这类算法虽不如常数复杂度算法理想，当从多项式的角度看仍能无限接近于后者，也是极为高效的一种算法。
• 多项式O(polynomial(n))
• 线性O(n)
• 指数O(2^n)：算法的计算成本增长极快，通常被认为不可忍受
• 2-Subset问题是NP复杂度，就目前的计算模型而言，不存在多项式时间内回答此问题的算法。

1.4 算法分析

• 两个主要任务 = 正确性（不变性 x 单调性）+ 复杂度
• 级数：算术级数：与末项平方同阶；
  d次幂级数求和，复杂度为O(n^d+1)
  几何级数：以固定倍数，几何式增长求和，与末项同阶
  收敛级数：O(1)
  
• 循环
• 封底估算：1天 = 24h60min60sec = 25*4000 = 10^5sec

1.5 迭代与递归

线性递归

• 数组求和：保证递归算法有穷性的基本技巧：判断并处理n=0之类的平凡情况，以免因无限递归而导致系统溢出。这类平凡情况称为“递归基”
• 线性递归
• 线性递归的模式，往往对应于所谓的减而治之的算法策略：递归每深入一层，待求解问题规模都缩减一个参数，直至最终蜕化为平凡的小问题。
  

递归分析

• 递归跟踪分析：检查每个递归实例，累计所需事件（调用语句本身，计入对应的子实例）其总和即算法执行时间。直观形象，仅适用于简明的递归模式。
  整个算法所需的计算时间，应该等于所有递归实例的创建、执行和销毁所需的时间。其中，递归的创建和销毁均由操作系统负责完成，其对应的时间成本通常可以近似为常数，故往往可以忽略。我们只需计算各递归实例中非递归调用部分所需的时间。
• 递推方程：该方法无需绘出具体的调用过程，而是通过对递归模式的数学归纳，导出复杂度定界函数的递推方程（组）及其边界条件。间接抽象，更适用于复杂的递归模式

递归模式

• 多递归基：为保证有穷性，递归算法必须设置递归基，且确保总能执行到。为此，针对每一类可能出现的平凡情况，都需要设置对应的递归基，故同一算法的递归基可能（显式或隐式）不止一个。
• 多项递归：递归调用可能有多种可供选择的分支。

二分递归

• 分而治之
  

1.6 动态规划

• Fibonacci数：使用递归，复杂度为指数次幂。递归版fib()低效的根源在于，各递归实例均被大量重复地调用。
• fib()迭代：
  解决方法A（记忆：memoization）将已计算过实例的结果制表备查
  解决方法B（动态规划）颠倒计算方向：由自顶而下递归，为自底向上迭代。
• 最长公共子序列LCS：递归