数据结构-001（数据结构前言）

一，什么是数据结构和算法？

数据结构是计算机存储，组织数据的方式，之相互之间存在特定关系的数据元素的集合。

算法是定义良好的计算过程，简单来说算法就是一系列的计算步骤，用来将输入数据转化成为输出结果。

二，算法的效率

衡量一个算法的好坏，一般是从时间和空间的角度来衡量的。时间复杂度主要衡量一个算法的运行快慢，空间复杂度主要衡量一个算法运行所需要的额外空间。·

（一）时间复杂度：

算法中基本操作的执行次数，为算法的时间复杂度。

例如以下的代码：

void Func(int N)
{
    int count = 0;

    //代码段1
    for (int i = 0; i < N ; ++ i) 
    {
        for (int j = 0; j < N ; ++ j)
        {
        ++count;
        }
    }

    //代码段2
    for (int k = 0; k < 2 * N ; ++ k) 
    {
    ++count; 
    }    

    //代码段3
    int M = 10;
    while (M--) 
    {
    ++count; 
    } 
}

代码段1：在i中，循环n次；在i增大时，j随着i的增大，也进行循环且每当i增加1，j循环n次。所以                   代码段一的循环次数是n^2。

代码段2：k会循环2n次。

代码段3：当M为0时会结束，所以循环次数为10次。

所以对于这个Func函数，它的具体操作次数是：

                      F(N) = N ^ 2 + 2 * N + 10

但是准确的时间复杂度，不方便对代码的效率进行比较，我们只需要大概的执行次数，就可以来评估代码效率的高低。

大O的渐进表示法：去掉了对结果影响不大的项，简洁地表示了执行次数

用1表示常数；只保留最高阶项；去掉相乘的常数。

对于上面的例子，可以写作：O（N^2）

（二）空间复杂度

不是算新开辟的字节数，而是算为了算法临时开辟的对象变量的个数。

空间复杂度也是一个数学表达式，也可以使用大O的渐进表示法。

（三）常见复杂度的对比

O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(2^n) < O(n!)

logn默认是以2为底的，要注意不是10。

一般来说，对于复杂度是立方阶以上的算法就不推荐使用了。