数据结构基本知识点

1.1 数据结构：把数据元素按照一定关系组织起来的集合，用来组织和存储数据。
分类：可以分为逻辑结构和物理结构两大类。
逻辑结构分类：
a.集合结构：集合中的数据元素除了属于一个集合外，没有任何联系。
b.线性结构：存在一一对应关系。
c.树形结构：存在一对多的关系。
d.图形结构：存在多对多的关系。
物理结构分类（也叫做存储结构）：
a.顺序存储结构：将数据元素放在连续的存储单元里边，例如数组。
弊端：插入或添加元素时，整个结构都处在变化中。
b.链式存储结构： 将数据元素放在任意的存储单元里边。通过指针找到元素的位置。
添加元素时只需将相邻元素间的指针断开，然后添加元素。但是查找元素位置时比较麻烦。
总结：两种结构没有高下之分，根据具体情况选择合适的结构
1.2算法：根据一定条件，对一些数据进行计算，得到需要的结果。
追求目标：①花最少时间完成需求
②占用最少内存完成需求
` 需求1：计算1到100的和
解法一：

int sum=0;
for (int i=1;i<=100;i++)
  sum+=i;    //执行100次运算
System.out.println(sum);

解法二：

int n=100;
int sum=(n+1)*n/2;  //执行一次运算
System.out.println(sum);

毫无疑问，第二种解法所耗费的时间比第一种少很多。
需求2：计算10的阶乘
解法一：

long result=fun1(10);
System.out.println(result);
public static long fun1(long n){
if (n==1)
  return 1;
else
 return n*fun1(n-1); //执行10次方法，需在栈内开辟十块内存
 }

解法2：

long result=fun2(10);
System.out.println(result);
public static long fun2(long n){
   int result=1;
   for (int i=1;i<=10;i++)
      result*=i;
    return result; //执行一次
    }

很明显，第二种解法所占的内存比第一种少很多。

1.3算法分析
①算法时间复杂度分析
a.事后分析估算方法
没有什么使用价值，略去不写
b.事前时间复杂度分析
一个程序在运行上消耗的时间主要取决于以下两个方面：
**算法采用的策略和方案
输入规模的多少
分析一个算法的时间，最关键的是把核心操作的次数和输入规模联系起来。
在比较算法随着输入规模的增长量时，有如下规则：
算法函数中的常量可以忽视
算法函数中最高次幂的常数因子可以忽略
算法函数中最高次幂越小，效率越高
** 执行次数=执行时间
**大O记法表示规则
a.用常数1取代运行时间中的加法常数
b.在修改后的运行次数中，只保留高阶项
c.如果高阶项存在，且常数不唯一，则除去高阶项的常数
②算法空间复杂度分析
一般做JAVA开发，基本上是服务器开发，不存在这样的问题。因此略去不谈.
b站详细讲解网址：http://yun.itheima.com/course/639.html