Java数据结构与算法----浅谈数据结构与算法基本概念

ps:最近忙寄咯，准备下个月找暑假实习还有准备蓝桥杯，所以打算每天抽空出来系统的复习一遍数据结构与算法，顺便记录记录笔记...

1.数据结构：

1.1.什么是数据结构？

数据结构是指互相之间存在一种或者多种关系的数据元素集合。也就是Data_Structure = {Data , Relation}

1.2.数据结构的分类

数据结构可以分为逻辑结构和物理结构这两个角度来分类。

1.3.逻辑结构

1.从逻辑关系上描述数据，与数据存储无关。2.从具体问题抽象出来的数据模型。3.与数据元素本身的形式、内容无关。4.与数据元素的相对位置无关

其中，逻辑结构还将数据结构分为：线性结构、非线性结构

线性结构中由细分为：线性表（顺序表、链表）、栈、队列、串、数组、广义表等

非线性结构中包含：树、图、堆、矩阵等等。。。

1.4.物理结构（存储结构）

在存储结构上，数据结构又分为了：链式存储结构和顺序存储结构

顺序存储结构就是将数据按照存储地址顺序一个一个存放进去，主要的代表就是顺序表。

链式存储结构：不像顺序结构那样，它的存储数据的物理地址可以不是连续的，而是由指针指向对应的存储地址，形成一条链子一样的结构。主要代表就是链表

1.5.总结：

对比顺序与链式的区别：

存储结构	顺序存储结构	链式存储结构
存储方式区别	数据按照存储地址顺序一个一个存放进去	存储数据的物理地址可以不是连续的
crud操作的时间复杂度	查询 O（1） 增、删、改 O（n）	查询O（n） 增、删、改 O（1）
空间分配	需要预分配空间，超出的话就会内存溢出报错	不需要提前预留空间

2.算法

2.1.什么是算法

算法就是解决某个问题的方法，是解决这个问题的详解步骤的描述。

2.2.算法的特性

算法五个基本特性：有穷性、确定性、可行性、输入、输出

算法设计与要求：

正确性：不含有语法错误；对于各种合法的输入数据能够得到满足规格说明要求的结果。

可读性：要求程序有较好的人机交互性,有助于人们对算法的理解。

健壮性：对输入的非法数据能作出适当的响应或处理。

效率与低存储需求：主要指算法的执行时间和所需的最大存储空间，这两方面主要和问题的规模有关。

2.3.算法的时间复杂度

算法的运行时间：算法中每一条语句的执行时间之和。

其中，一条语句的执行时间 = 执行频率* 执行1次需要的时间。

现在出个题目来看看算法的运行次数：

public void test(int n){
        int ans = 0;//执行1次
        for(int i = 0;i<n;i++){ //执行n次
            for(int j = 0;j<n;j++){//执行n*n次
                for(int k = 0;k<n;k++){ //执行n*n*n
                    ans++;//执行n*n*n
                }
            }
        }
    }

而在程序中，我们一般用Landau符号来表示时间复杂度

符号	定义
f(n)=O(g(n))	大O，渐近上限
f(n)=o(g(n))	小o，asymptotically negligible，lim f(n)/g(n)=0
f(n)=Ω(g(n))	渐近下限（当且仅当g(n)=O(f(n))）
f(n)=ω(g(n))	asymptotically dominant (当且仅当g(n)=o(f(n))）
f(n)=Ѳ(g(n))	asymptotically tight bound(渐近紧密界限) （当且仅当f(n)=O(g(n))且f(n)=Ω(g(n))）

在算法的复杂度计算中，我们一般用O（）来表示。

如上题，我们的伏安法复杂度就是O（2*n*n*n+n*n+n+1） = O(n3);

2.4.空间复杂度

空间复杂度是指程序在运行过程中，临时占用的空间大小，包括，输入数据的所占的空间、源程序所占的空间、辅助变量的空间。

注意的一点是：临时占用空间大小并不包括程序的形参占用的空间

比如上一题中，我们的空间复杂度为O（1）.

做个题叭：

以下程序段中语句“x++;”的语句频度为( D )
for(i=1; i<=n; i++)
   for(j=1; j<=i; j++)
      for(k=1; k<=j; k++)
        x++;
A. n(n+1)(2n+1)/2      B.   n(n+1)(n+1)/2      C.   n(n+1)(2n+1)/6     D.   n(n+1)(n+2)/6

这个题刚看到的时候还觉得挺难的，但是只要我们按部就班，一步一步计算还是不难的：

下面算法将一维数组a中的n个数逆序存放到原数组中，空间复杂度为(A)
for(i=0; i<n/2;i++)
 {   t=a[i];
     a[i]=a[n-i-1];
     a[n-i-1]=t;
  }
A.O(1)      B. O(n)      C. O(nlog2n)   D. O(n2)

2.5.总结：