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:
- 数据对象集
- 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
- 与存放数据的机器无关
- 与数据存储到的物理结构无关
- 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
)
s(n)
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
)
T(n)
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
w
o
r
s
t
(
n
)
T_{worst}(n)
Tworst(n)
[ 2 ] 平均情况复杂度
T
a
v
g
(
n
)
T_{avg}(n)
Tavg(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
n
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=1jak}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
(
≤
100000
)
K (≤100000)
K(≤100000);第2行给出
K
K
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;
}