数据结构与算法（陈越版）第一讲 基本概念

一、数据结构

讨论数据结构必定离不开算法。

1.1、定义

• 数据结构：数据对象，以及存在于该对象的实例和组成实例的数据元素之间的各种联系。这些联系可以通过定义相关的函数来给出。 ——Sartaj Sahni 《数据结构、算法与应用》
• 数据结构：ADT（Abstract Data Type，数据抽象类型）的物理实现。 ——Clifford A.Shaffer 《数据结构与算法分析》
• 数据结构（data structure）：计算机中存储、组织数据的方式。通常情况下，精心选择的数据结构可以带来最优效率的算法。 ——中文维基百科

1.2、解决问题方法效率

• 跟数据的组织方式有关
• 跟空间的利用效率有关
• 跟算法的巧妙程度有关

1.3、最终定义

数据对象在计算机的组织方式

• 逻辑结构
• 物理储存结构

数据对象必定与一系列加其上的操作相关联

完成这些操作所用的方法就是算法

1.4、抽象数据类型

数据类型：

1. 数据对象集
2. 数据集互相关联的操作集

抽象：描述数据类型的方法不依赖于具体实现

1. 与存放数据的机器无关
2. 与数据存储到的物理结构无关
3. 与实现操作的算法和编程语言无关

只描述数据对象集和相关操作“是什么”，不涉及具体实现

2、算法

2.1、定义

算法是一个有限指令集，接受一些输入（有些情况不需要输入）后产生输出，并一定在有限步骤之后终止。
每一条指令必须有明确的目标（不可以有歧义），计算机能处理的范围之内，描述不依赖于任何一种计算机语言以及具体实现手段

2.2、衡量算优劣指标

[ 1 ] 空间复杂度$s(n)$：根据算法写成的程序在执行时占用存储空间的长度
[ 2 ] 时间复杂度$T(n)$：根据算法写成的程序在执行时耗费的时间的长度

在分析一般算法的效率时：

[ 1 ] 最坏情况复杂度$T_{worst}(n)$
[ 2 ] 平均情况复杂度$T_{avg}(n)$

二、应用实例（示例算法优劣程度）

最大子列和

目的：感受算法的优劣程度

[问题描述] 给定$n$个整数的序列 { a 1 , a 2 , . . . , a n } \{a_1, a_2,...,a_n\} {a1​,a2​,...,an​}，求函数 f ( i , j ) = m a x { 0 , ∑ k = 1 j a k } f(i,j)=max\{0,\sum_{k=1}^{j}a_k\} f(i,j)=max{0,∑k=1j​ak​}的最大值。
例如给定序列 { − 2 , 11 , − 4 , 13 , − 5 , − 2 } \{-2, 11, -4, 13, -5, -2\} {−2,11,−4,13,−5,−2}，其最大连续子列为 { 11 , − 4 ， 13 } \{11, -4，13\} {11,−4，13}，和为20。
现要求你编写程序，计算给定整数序列的最大子列和。

本题旨在测试各种不同的算法在各种数据情况下的表现。各组测试数据特点如下：

• 数据1：与样本等价，测试基本正确性；
• 数据2：100个随机数
• 数据3：1000个随机数
• 数据4：10000个随机数
• 数据5：100000个随机数

输入格式：
输入第1行给出正整数$K(\le 100000)$；第2行给出$K$个整数，其间以空格分隔。

输出格式：
在一行中输出最大子列和。如果序列中所有整数皆为负数，则输出0。

输入样例：

6
-2 11 -4 13 -5 -2

输出样例：

20

#include<iostream>
using namespace std;

// 方法一：容易想到计算复杂度为O(n*n)
void MaxSubseq1(int n, int a[])
{
	int sum1,tmp1;
	sum1 = 0;
	for (int i = 0; i < n; ++i)
	{
	   tmp1 = 0;
	   for (int j = i; j < n; ++j)
	   {
		   tmp1 += a[j];
		   if (sum1 < tmp1)
		   {
			   sum1 = tmp1;
		   }
	   }
	}
	cout << "最大子列和为：" << sum1 << endl;
}

/* 方法二：贪心算法 即不从整体最优上加以考虑，只做出某种意义上的局部最优解。
           其实最大子列和与它的首部和尾部都没有关系，我们只关心它当前的大小。
           当临时和加上当前值为负时，它对之后子列和肯定没有帮助（甚至只会让之后的和更小！），
		   我们抛弃这段临时和将它置0
		   计算复杂度为：o(n)
*/

void MaxSubseq2(int n, int a[])
{
	int tmp2, sum2,begin,end,count;
	sum2 = 0;
	tmp2 = 0;
	begin = 0;
	end = 0;
	count = 0;
	for (int i = 0; i < n; ++i)
	{
		tmp2 += a[i];
		++count;          // 记录已经加了几个元素
		if (tmp2 < 0)
		{
			tmp2 = 0;
			count = 0;
		}
		else if (tmp2 > sum2)
		{
			begin = a[i - count + 1];
			sum2 = tmp2;
			end = a[i];
		}
	}
	cout << "最大子列和为：" << sum2 << endl;
	cout << "子列头为：" << begin << "\n子列尾为：" << end << endl;
}

int main()
{
	int n;
	int a[100000 + 5];
	

	cin >> n;
	for (int i = 0; i < n; ++i)
		cin >> a[i];
	MaxSubseq1(n, a);
	MaxSubseq2(n, a);

	return 0;
}