第一章 绪论(重点在于时间和空间复杂度的计算)
1.1数据结构的基本概念
1.1.1 数据
数据是信息的载体,是描述客观事物属性的数、字符以及所有能输入到计算机中并被计算机程序识别和处理的符号的集合。数据是计算机程序加工的原料。
1.1.2 数据元素
数据元素是数据的基本单位,一个数据元素可有若干个数据项组成,数据项是构成数据元素的不可分割的最小单位 。
1.1.3 数据对象
数据对象是具有相同性质的数据元素的集合,是数据的一个子集。
1.1.4 数据类型
概念:数据类型是一个值的集合和定义在此集合上的一组操作的总称。
- 原子类型:其值不可再分的数据类型;
- 结构类型:其值可以再分解为若干成分的数据类型;
- 抽象数据类型:抽象数据组织及与之相关的操作;
1.1.5 数据结构
数据结构是相互之间存在一种或多种特定关系的数据元素的集合。
数据结构三要素:
- 逻辑结构
- 存储结构
- 数据的运算
一个算法的设计取决于所选定的逻辑结构,而算法的实现依赖于所采用的存储结构。
1.2数据结构的三要素
1.2.1数据的逻辑结构
数据的逻辑结构是指数据元素之间的逻辑关系,与数据的存储无关,是独立于计算机的。
分类:
- 线性结构:如:线性表等;(数据元素之间是一对一的关系)
- 非线性结构:如:集合、树和图等; (数据元素之间是一对多或者多对多的关系)
1.2.2 数据的存储结构 (物理结构)
数据的存储结构, 也称为物理结构,是指数据结构在计算机中的表示(映像)。它包括数据元素的表示和关系的表示。数据的存储结构是用计算机语言实现的逻辑结构,它依赖于计算机语言。
主要分类:
- 顺序存储:逻辑上相邻的元素物理位置上也相邻,元素之间的关系由存储单元的邻接关系体现。优点:可以随机存取;缺点:只能使用相邻的一整块存储单元,会产生较多的外部碎片。
- 链式存储:逻辑上相邻的元素物理位置上可以不相邻,借助指针来表示元素之间的逻辑关系。优点:空间利用率高;缺点:每个元素因为存储指针而占用额外的存储空间,并且只能实现顺序存取。
- 索引存储:存储元素信息时,还建立附加的索引表。索引表中的每项称为索引项,索引项的一般形式为:关键字+地址;优点:检索速度快;缺点:附加的索引表额外占用存储空间,同时增加和删除数据时也要修改索引表,时间花费较大;
- 散列存储:又称哈希存储,根据关键字直接计算出该元素的存储地址。优点:检索、增加和删除结点的速度快;缺点:若散列函数不好,很可能出现元素存储单元冲突,解决冲突是要有时间和空间上的代价的。
1.2.3 数据的运算
数据的运算包括:运算的定义和实现。
运算的定义是针对逻辑结构的,指出运算的功能;
运算的实现是针对存储结构的,指出运算的具体操作步骤。
1.3 算法和算法评价(重点)
1.3.1 算法的基本概念
算法是对特定问题求解步骤的一种描述,它是指令的有限序列,其中的每条指令表示一个或多个 操作。
算法的5大特性:
- 有穷性
- 确定性
- 可行性
- 输入
- 输出
衡量一个算法的好的标准:
- 正确性
- 可读性
- 健壮性
- 效率和低存储量的需求
1.3.2 算法效率的度量
算法效率的度量通常通过时间和空间复杂度描述
1.3.2.1 时间复杂度
一个语句的频度是指该语句在算法中被重复执行的次数。算法中所有语句的频度之和记为T(n),它是该算法问题规模n的函数,时间复杂度通常分析T(n)的数量级。算法的时间复杂度通常分析的是算法中最深层循环的语句的频度,T(n)=O(f(n))。O的含义是T(n)的数量级。
但是需要注意的是:算法的时间复杂度不仅依赖于问题的规模n,也取决于待输入数据的性质。
时间复杂度一般分为:最好时间复杂度、平均时间复杂度和最坏时间复杂度。一般总是考虑在最坏情况下的时间复杂度。
时间复杂度的计算规则:
- 加法规则:T(n)=T1(n)+T2(n)=O(f(n))+O(g(n))=O(max(f(n),g(n)))
- 乘法规则:T(n)=T1(n)*T2(n)=O(f(n))*O(g(n))=O(f(n)*g(n))
常见的渐近时间复杂度为:
O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^3)<O(2^n)<O(n!)<O(n^n)
记忆口诀:常对幂指阶
1.3.2.2 空间复杂度
空间复杂度S(n)定义为该算法所耗费的存储空间,它是问题规模n的函数。记为S(n)=O(g(n))
若输入数据所占空间只取决于问题本身,和算法无关,则只需要分析除输入和程序之外的额外空间。
算法原地工作是指算法所需的辅助空间为常量,即O(1)。
第一章重点在于分析算法的时间复杂度,这里只说明了理论,想深入了解必须大量做题,根据问题具体分析,加深理解。