408数据结构知识点——第一章 绪论

注：内容参考王道2024考研复习指导以及《算法分析与设计》

数据结构的基本概念

基本概念和术语

**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集合。数据是计算机程序加工的原料。

数据元素：数据元素是数据的基本单位，通常作为一个整体进行考虑和处理。

数据项：一个数据元素可由若干个数据项组成，数据项是构成数据元素的不可分割的最小单位。

结构：各个元素之间的关系

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。

例：数据结构是某个特定门店的排队顾客信息和它们之间的关系；数据对象是全国所有门店的排队顾客信息。

数据类型：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。

1. 原子类型，其值不可再分的数据类型。

2. 结构类型，其值可以再分解为若干成分的数据类型。

3. 抽象数据类型（Abstract Data Type，ADT)是抽象数据组织及与之相关的操作。**注：**用数学化的语言定义数据的逻辑结构和运算，与具体的实现无关。

数据结构的三要素

逻辑结构

数据的逻辑结构分类如图所示：

集合：各个元素同属于一个集合，别无其他关系。

线性结构：数据元素之间是一对一的关系。除了第一个元素，所有元素都有唯一前驱；除了最后一个元素，所有元素都有唯一后继。

树形结构：数据元素之间是一对多的关系。

图结构：数据元素之间是多对多的关系。

物理结构（存储结构）

数据的存储结构会影响存储空间分配的方便程度。

数据的存储结构会影响对数据运算的速度。

以线性结构为例

顺序存储：把逻辑上相邻的元素存储在物理位置上也相邻的存储单元中，元素之间的关系由存储单元的邻接关系来体现。

链式存储：逻辑上相邻的元素在物理位置上可以不相邻，借助指示元素存储地址的指针来表示元素之间的逻辑关系。

索引存储：在存储元素信息的同时，还建立附加的索引表。索引表中的每项称为索引项，索引项的一般形式是（关键字，地址）。

散列存储：根据元素的关键字直接计算出该元素的存储地址，又称哈希（Hash）存储。

数据的运算

数据的运算：施加在数据上的运算，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。

算法和算法评价

算法的基本概念

算法：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，其中每条指令表示一个或多个操作。

算法的特性：

1. 有穷性：一个算法必须保证执行有限步之后结束，且每一步都可在有穷时间内容完成。
2. 确切性：算法的每一步骤必须有确切的定义，对于相同的输入只能得到相同的输出。
3. 输入：一个算法有0个或多个输入。
4. 输出：一个算法有一个或多个输出。
5. 可行性：算法原则上能够精确地运行，算法中描述的操作都可以通过已经实现的基本运算执行有限次来实现。

算法与程序的区别

程序是算法用某种程序设计语言的具体实现，不满足算法的有穷性。

具体区别如下：

• 一个程序不一定满足有穷性，例如操作系统是一个在无限循环中执行的程序。
• 程序的指令必须是机器可执行的，而算法中的指令则无此限制。
• 算法代表了对问题的解，而程序则是算法在计算机上的特定实现。

“好”算法的特质

1. 正确性，算法应该能够正确地解决求解问题。
2. 可读性，算法应具有良好的可读性，以帮助人们理解。
3. 健壮性，输入非法数据时，算法能适当地做出反应或进行处理，而不会莫名其妙的输出结果。
4. 高效率与低存储量需求。

算法效率的度量

时间复杂度

时间复杂度：针对指定的基本运算，计数算法所做的运算次数。

算法所耗费的时间应是算法中每条语句的执行时间之和，而每条语句的执行时间就是该语句的执行次数（频度）与该语句执行一次所需时间的乘积。

事前预估算法时间开销$T(n)$与问题规模$n$的关系。

如何计算(非递归算法)：

1. 找到最深层循环的一个基本操作
2. 分析该操作的执行次数$x$与问题规模$n$的关系，$x=f(n)$
3. 算法时间复杂度$T(n)$=$x$的数量级$O(x)$

对于递归算法，可采取两种方法来计算

1. 迭代法

   

2. 主方法

   

算法时间复杂度分为以下三种：

最坏时间复杂度：最坏情况下算法的时间复杂度

平均时间复杂度：所有输入示例等概率出现的情况下，算法的期望运行时间

最好时间复杂度：最好情况下算法的时间复杂度

注：常见的渐进时间复杂度为

空间复杂度

非递归算法：

1. 找到所占空间大小与问题规模相关的变量
2. 分析所占空间$x$与问题规模$n$的关系$x=f(n)$
3. 算法空间复杂度$S(n)$=$x$的数量级$O(x)$

递归程序：

1. 找到递归调用的深度$x$与问题规模$n$的关系，$x=f(n)$
2. 算法空间复杂度$S(n)$=$x$的数量级$O(x)$
3. 注：存在算法各层函数所需的存储空间不同，分析方法1有所区别。

如果一个算法的$S(n)=1$，我们称该算法原地工作。