数据结构与算法摘抄笔记
1. 数据结构绪论
-
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问题的学科
-
数据:是描述客观事物的符号,是计算机中可以操作的对象,是能被计算机识别,并输入给计算机处理的符号集合
-
数据不仅仅包括整型、实型等数值类型,还包括字符及声音、图像、视频等非数值类型
-
数据元素:是组成数据的、有一定意义的基本单位,在计算机中通常作为整体处理,也被称为记录
-
数据项:一个数据元素可以由若干个数据项组成,数据项是数据不可分割的最小单位
-
数据对象:是性质相同的数据元素的集合,是数据的子集
-
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
-
逻辑结构:是指数据对象中数据元素之间的相互关系。逻辑结构分为以下四种
-
集合结构
集合结构中的数据元素除了同属于一个集合外,它们之间没有其他关系
-
线性结构
线性结构中的数据元素之间是一对一的关系
-
树形结构
树形结构中的数据元素之间存在一种一对多的层次关系
-
图形结构
图形结构中的数据元素是多对多的关系
-
-
物理结构:是指数据的逻辑结构在计算机中的存储形式
-
顺序存储结构
是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
是把数据元素存放在任意的存储单元里,这组存储单元可以是连续的,也可以是不连续的
-
-
抽象数据类型(Abstract Data Type,ADT):是指一个数学模型及定义在该模型上的一组操作
2. 算法
-
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
-
算法具有五个基本特性:输入、输出、有穷性、确定性和可行性
-
算法设计的要求:正确性、可读性、健壮性、时间效率高和存储量低
-
算法时间复杂度定义:
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n的变化情况并确定T(n)的数量级。算法的时间复杂度,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,简称为时间复杂度。其中f(n)是问题规模n的某个函数
O(1)叫常数阶、O(n)叫线性阶、O(n²)叫平方阶
-
推导大O阶:
-
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,只保留最高阶项
-
如果最高阶项存在且不是1,则去除与这个项相乘的常数
得到的结果就是大O阶
-
-
常见的时间复杂度如表所示
执行次数函数 | 阶 | 非正式术语 |
---|---|---|
12 | O(1) | 常数阶 |
2n+3 | O(n) | 线性阶 |
3n²+2n+1 | O(n²) | 平方阶 |
5log2n + 20 | O(logn) | 对数阶 |
2n+3nlog2n+19 | O(nlogn) | nlogn阶 |
6n³+2n²+3n+4 | O(n³) | 立方阶 |
2^n | O(2^n) | 指数阶 |
算法的空间复杂度通过计算算法所需的存储空间实现,算法空间复杂度的计算公式记作:S(n) = O(f(n)),其中,n为问题的规模,f(n)为语句关于n所占存储空间的函数
3. 线性表
线性表 ( List ):零个或多个数据元素的有限序列
- 在较复杂的线性表中,一个数据元素可以由若干个数据项组成
- 线性表的抽象数据类型定义
3.1 线性表的顺序存储结构
- 定义:线性表的顺序存储结构,指的是用一段地址连续的存储单元依次存储线性表的数据元素