第一章《绪论》学习笔记

上数据结构这门课前，总以为这门课是和上学期学C++一样的——那还不简单，一样都是编程么，直到真正开始学才知道根本不是那么回事，远远没有学C++那样的轻松。

仇老师让我们写笔记，我觉得这是很有必要的，因为很多东西不是说你理解了就会用，况且有一部分还不能理解，好记性不如烂笔头吧。至于整理到博客上也算是再复习一遍了。

废话不多说了，进入正题：

1.程序设计的实质是什么?

    数据表示：将数据存储在计算机（内存）中
    数据处理：处理数据，设计方案（算法）。

    数据结构问题起源于程序设计。

2. 计算机求解问题:
    问题→抽象出问题的模型→求模型的解
    问题——数值问题、非数值问题
    数 值 问 题→数学方程
    非数值问题→数据结构。

3.围棋19*19=361所以就有2^361种下法，所以人机对弈问题的实质就是人与对弈规则作斗争。

4.非数值问题的数据组织和处理主要内容有：

    逻辑结构，存储结构，算法，数据处理技术。

5.数据：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。
      数值数据：整数、实数等
      非数值数据：图形、图象、声音、文字等
     数据元素：数据的基本单位，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。

1.3  数据结构的基本概念

1.数据、数据元素、数据项之间的关系：

    包含关系：数据由数据元素组成，数据元素由数据项组成。

     数据元素是讨论数据结构时涉及的最小数据单位，其中的数据项一般不予考虑。

2.数据结构：相互之间存在一定关系的数据元素的集合。按照视点的不同，数据结构分为逻辑结构和存储结构。
逻辑结构：指数据元素之间逻辑关系的整体。

数据结构从逻辑上分为四类：
⑴ 集合：数据元素之间就是
     “属于同一个集合” ；
⑵ 线性结构：数据元素之间
    存在着一对一的线性关系；
⑶ 树结构：数据元素之间存在
    着一对多的层次关系；
⑷ 图结构：数据元素之间存在
    着多对多的任意关系。

通常有两种存储结构：
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。（占据存储空间少）
2. 链接存储结构：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，但是很灵活）

1.3.2抽象数据类型

1. 数据类型（Data Type）：一组值的集合以及定义于这个值集上的一组操作的总称。
      例如：C++中的整型变量 
2. 抽象（Abstract）:抽出问题本质的特征而忽略非本质的细节。
     例如： 地图、驾驶汽车
3. 抽象数据类型（Abstract Data Type，ADT）:一个数据结构以及定义在该结构上的一组操作的总称。

数据的操作：插入，删除，修改，检索，排序。

1.4 算法及算法分析

算法的相关概念
1.算法（Algorithm）:是对特定问题求解步骤的一种描述，是指令的有限序列。
2. 算法的五大特性：
⑴ 输入：一个算法有零个或多个输入。
⑵ 输出：一个算法有一个或多个输出。
⑶ 有穷性：一个算法必须总是在执行有穷步之后结束，且每一步都在有穷时间内完成。
⑷ 确定性：算法中的每一条指令必须有确切的含义，对于相同的输入只能得到相同的输出。
⑸ 可行性：算法描述的操作可以通过已经实现的基本操作执行有限次来实现。
算法的描述方法——自然语言

优点：容易理解
缺点：冗长、二义性
使用方法：粗线条描述算法思想
注意事项：避免写成自然段

使用方法：粗线条描述算法思想。

算法的描述方法——流程图

优点：流程直观
缺点：缺少严密性、灵活性
使用方法：描述简单算法
注意事项：注意抽象层次
算法的描述方法——程序设计语言

优点：能由计算机执行
缺点：抽象性差，对语言要求高
使用方法：算法需要验证
注意事项：将算法写成子函数

伪代码（Pseudocode）：介于自然语言和程序设计语言之间的方法，它采用某一程序设计语言的基本语法，操作指令可以结合自然语言来设计。
优点：表达能力强，抽象性强，容易理解
使用方法：7 ± 2
1.4  算法及算法分析
度量算法效率的方法：
 事后统计：将算法实现，测算其时间和空间开销。
缺点：⑴ 编写程序实现算法将花费较多的时间和精力；
            ⑵ 所得实验结果依赖于计算机的软硬件等环境因素。
 事前分析：对算法所消耗资源的一种估算方法

算法分析（Algorithm Analysis）：对算法所需要的计算机资源——时间和空间进行估算。
      时间复杂性（Time Complexity）
      空间复杂性（Space Complexity）

问题规模：输入量的多少。
基本语句：是执行次数与整个算法的执行次数成正比的操作指令

算法分析——大O符号
定义  若存在两个正的常数c和n0，对于任意n≥n0，都有T(n)≤c×f(n)，则称T(n)=O(f(n))

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