前言
什么是数据结构?
数据结构是计算机存储、组织数据的方式。数据结构是指相互之间存在一种或多种特定关系的数据元素的集合。通常情况下,精心选择的数据结构可以带来更高的运行或者存储效率。数据结构往往同高效的检索算法和索引技术有关。
程序设计 = 数据结构 + 算法
一.逻辑结构和物理结构
逻辑结构:是指数据对象中数据元素之间的相互关系,也是我们今后最需要关注和讨论的问题。
四大逻辑结构
1.集合结构:同属于一个集合,此外他们之间没其他关系了。
2.线性结构:线性结构中的数据元素之间是一对一的关系的。
3.树形结构:数据元素之间存在一种一对多的层次关系。
4.图形结构:数据元素是多对多的关系。
物理结构:是指数据的逻辑结构在计算机的存储形式。
两大物理结构
1.顺序存储:把数据元素存放在地址连续的存储单元里,其数据间的逻辑关系和物理关系是一致的。
2.链式存储结构:数据元素存放在任意的存储单元里,这组存储单元是连续的,也可以是不连续的。
二.算法
1.什么是算法?
算法是解决特定问题求解步骤的描述,在计算机中表现为指令的有限序列,并且每条指令表示一个或多个操作。
2.算法的五个基本特征
输入,输出,有穷性,确定性,可行性
1.输入:算法具有多个或零个输入
2.输出:算法至少有一个或多个输出
3.有穷性:一个算法需在执行有穷步后结束,每一步需在执行有穷时间内完成。
4. 确定性:算法的每条指令必须有确定的含义,即相同的输入只能得到相同的输出。
5.可行性:算法的每一步都是可行的,即每一步都通过执行有限的次数完成。
好的算法:应该具有正确性,可读性,健壮性,高效率和低存储量的特征。
3.算法效率的度量方法
1.算法采用的策略,方案
2.编译产生的代码质量
3.问题的输入规模
4.机器执行指令的速度
4.算法时间复杂度
一般情况下,算法中基本操作重复执行的次数是问题规模n的某个函数,用T(n)表示,若有某个辅助函数f(n),使得当n趋近于无穷大时,T(n)/f(n)的极限值为不等于零的常数,则称f(n)是T(n)的同数量级函数,记作T(n)=O(f(n)),它称为算法的渐进时间复杂度,简称时间复杂度。
大写O()来体现算时间复杂度的记法,称为大O记法。
5.如何分析时间复杂度
1.可以忽略加法常数
2.与最高次项相乘的常数可忽略
3. 最高次项的指数大的,函数随着 n 的增长,结果也会变得增长得更快
例子 | 时间复杂度 | 术语 |
---|---|---|
520131456 | O(1) | 常数阶 |
3n+4 | O(n) | 线性阶 |
3n^2+4n+5 | O(n^2) | 平方阶 |
3log(2)n+4 | O(logn) | 对数阶 |
2n+3nlog(2)n+14 | O(nlogn) | nlogn阶 |
n^3+2n^2+4n+6 | O(n^3) | 立方阶 |
2^n | O(2^n) | 指数阶 |
O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^3)<O(2^n)<O(n!)<O(n^n)