一、基本概述
数据结构的研究不仅涉及到计算机的硬件(特别是编码理论、存储装置和存取方法等)的研究范围,而且和计算机软件的研究有着更密切的关系,无论是编译程序还是操作系统,都涉及到数据元素在存储器中的分配问题.在研究信息检索时也必须考虑如何组织数据,以便查找和存取数据元素更为方面.因此,可以认为数据结构是介于数学、计算机硬件和计算机软件三者之间的一门核心课程.在计算机科学中,数据结构不仅是一般程序设计(特别是非数值计算的程序设计)的基础,而且是设计和实现编译程序、操作系统、数据库系统及其它系统程序和大型应用程序的重要基础。
二、导图
三、算法+数据结构=程序设计
可以说数据结构和算法是程序设计的根本,如何理解呢?程序运行的过程就是数据流的处理过程,怎么处理,那就是算法问题,数据怎么组织,那就是数据结构了。
1、程序设计:
为计算机处理问题编制一组指令集
2、数据与数据结构:
数据:所有能被输入到计算机中,且被计算机处理的符号的集合计算机操作的对象的总称,是计算机处理的信息的某种特定的符号表示形式.
数据元素:数据中的一个“个体”,数据结构中讨论的基本单位.数据元素是数据项的集合。
数据项:数据结构中讨论的最小单位.
数据结构:是相互之间存在一种或多种特定关系的数据元素的集合.
3、算法:
算法是指运算的实现,一个算法规定了求解给定为题所需的处理步骤以及执行顺序,使得给定问题能在有限时间内被求解。
而运算是指在某种逻辑结构上施加的错左,及对逻辑结构的加工。这种加工以数据的逻辑结构为对象。一般来说,在每个逻辑结构上,都定义了一组基本运算,这些运算包括:建立,查找,读取,插入和删除等。
一个问题可以有多种不同的求解算法,这就产生了如何评价这些算法的问题。通常评价算法好坏的因素包括一下几个方面:
- A、正确性:能正确地实现预定的功能,满足具体问题的需要
- B、易读性:易于阅读、理解和交流,便于具体问题的需要
- C、健壮性:即使输入非法数据,算法也能适当地做出反应或进行处理,不会产生预料不到的运行结果。
- D、时空性:一个算法的时空性是指该算法的时间性能(或时间效率)和空间性能(控件效率),前者是算法包含的计算量,后者是算法需要的存储量。
4、时间复杂度和空间复杂度
在时空性中涉及到时间性能和空间性能,就是我们常常听到的算法的时间复杂度和空间复杂度,前者和算法包含的计算量有关,后者和算法需要的存储量有关。即算法的复杂性体现在运行该算法时的计算机所需资源的多少上,计算机资源最重要的是时间和空间(即寄存器)资源,因此复杂度分为时间和空间复杂度。
(1)时间复杂度
同一问题可用不同算法解决,而一个算法的质量优劣将影响到算法乃至程序的效率。算法分析的目的在于选择合适算法和改进算法。在讲时间复杂度之前先提一个时间频率。
直白理解就是时间复杂和程序的计算的时间有关。整个算法的执行时间与基本操作重复执行的次数成正比,基本操作重复执行的次数是问题规模n的某个函数f(n),于是算法的时间量度可以记为:T(n) = O(f(n)),T(n)应该表示的是算法的时间量度,也就是算法执行的时间。f(n)表示基本操作所在语句重复执行的次数。该语句重复执行的次数也就是时间频率。
(2)空间复杂度
简单来说:算法的空间复杂度指的是占用内存,cpu等计算机资源的程度。
具体解释就是:空间复杂度(Space Complexity)是对一个算法在运行过程中临时占用存储空间大小的量度,记做S(n)=O(f(n))。
四、小结
数据结构对于计算机知识学习和技能培训都是至关重要的,但是也是有一定难度的,不管怎样,深刻理解,熟练掌握,另外对于时间复杂度和空间复杂度还需深刻理解,加油!