数据结构与算法概念

1、数据结构

数据结构是一门研究非数值计算的程序设计问题中的操作对象，以及它们之间的关系和操作等相关的学科

1、基本概念和术语

• 数据

  • 是描述客观事物的符号，是计算机种可以操作的对象，是能被计算机识别并输入给计算机处理的符号集合

    • 数据不仅包括整形等数值类型，还可以包括字符、声音、图像等非数值类型

• 数据元素

  • 是组成数据的有一定意义的基本单位，在计算机当中通常作为整体处理，也被称为记录

    • 比如在人类中，人就是数据元素

• 数据项

  • 一个数据元素可以由多个数据项组成，数据项是数据不可分割的最小单位

    • 以人为例，耳、手等就是数据项，姓名、年龄等也是数据项

• 数据对象

  • 是性质相同的数据元素的集合，是数据的子集

    • 性质相同指的是数据元素具有相同数量和类型的数据项

      • 比如人都有姓名、年龄等相同的数据项

• 数据结构

  • 相互之间存在一种或多种特定关系的数据元素的集合

    • 在计算机中数据元素并不是孤立、杂乱无序的，而是具有内在联系的数据集合

2、逻辑结构与物理结构

• 逻辑结构：数据对象中数据元素之间的相互关系

  • 集合结构

    • 集合结构中的元素除了同属于一个集合外没有其他的关系，各个数据元素是平等的，共同属性是处于同一个集合

  • 线性结构

    • 数据元素之间是一对一的关系

  • 树形结构

    • 数据元素之间存在一对多的层次关系

  • 图形结构

    • 数据元素是多对多的关系

• 物理结构：数据的逻辑结构在计算机中的存储形式

  • 顺序存储结构：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

  • 链式存储结构：把数据元素存放在任意的存储单元里，这组存储单元可以使连续的，也可以是不连续的。数据元素的存储关系并不能反映其逻辑关系，因此需要用一个指针存放数据元素的地址，通过地址就可以找到相关联数据元素的位置

3、数据类型

是指一组性质相同的值得集合及定义再次集合上的一些操作的总称

• 原子类型：是不可再分解的基本类型，包括整形、字符型等

• 结构类型：由若干个类型组合而成，是可以再分解的，比如数组

• 抽象数据类型

  • 抽象：是指取出事物具有的普遍性的本质，它只是抽出问题的特征而忽略非本质的细节，四队具体事务的一个概括

  • 抽象数据类型(ADT)：一个数学模型及定义在该模型上的一组操作

  • 抽象数据类型体现了程序设计中问题分解、抽象和信息隐藏的特性。可以将实际生活中的问题分解为朵儿规模小且容易处理的问题，然后建一个计算机能处理的数据类型，并把每个功能模块的实现细节作为一个独立的单元，从而使具体实现过程隐藏起来

  • 格式

    • ADT 抽象数据类型名
      Data
          数据元素之间逻辑关系的定义
      Operation
          操作1
              初始条件
              操作结果的描述
          操作2
              ...
          操作n
              ...
      endADT
      

2、算法

1、算法定义

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、算法的特性

有穷性、可行性、确定性、输入、输出

• 输入输出

  • 算法具有零个或多个输入

  • 算法具有至少一个或多个输出

• 有穷性

  • 算法在执行有限的步骤之后，自动结束不会出现无限循环，并且每一个步骤在可接受的时间内完成

• 确定性

  • 算法的每一步骤都具有确定的含义，不会出现二义性，算法在一定条件下只有一条执行路径，相同的输入只能有唯一的输出结果。算法的每个步骤都被精确定义而无歧义

• 可行性

  • 算法的每一步必须是可行的，也就是每一步都能通过执行有限次数完成

3、算法的设计要求

正确性、健壮性、可读性、时间效率高存储量低

• 正确性：算法至少应该具有输入、输出和加工处理无歧义行，能正确反应问题的需求，能够得到问题的正确答案

  • 算法程序没有语法错误

  • 算法程序对于合法的输入数据能够产生满足要求的输出结果

  • 算法程序对于非法的输入数据能够得到满足规格说明的结果

  • 算法程序对于精心选择的，甚至刁难的测试数据都由满足要求的输出结果

• 可读性：算法设计的另一目的就是为了便于阅读、理解和交流

• 健壮性：当输入数据不合法的时候，算法也能做出相关处理，而不是产生异常或出现莫名其妙的结果

• 时间效率高存储量低

4、算法的时间复杂度

在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随着n的变化情况并确定T(n)的数量级。算法时间复杂度，也就是算法的时间量度，记作T(n)=O(f(n))。它表示随着问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，其中f(n)是问题规模n的某个函数

• 推导

  • 用常数1取代运行时间中的所有加法常数

  • 在修改后的运行次数函数中，只保留最高阶

  • 若最高阶存在且其系数不为1，则去除与这个项目相乘的系数

• 耗费时间排序

  • O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n3)<(2^n)<O(n!)<O(nn)