数据结构&算法-1.绪论（黑马学习笔记）

为什么要学习数据结构？

因为编写一个好的程序，必须分析待处理对象的特性以及各个处理对象之间存在的关系

1.绪论

1.1基础概念（有个印象就行）

1.定义

数据结构就是数据在内存中存储的方式

数据>数据对象>数据元素>数据项

2、逻辑结构

集合结构

线性结构

树形结构

图形结构

3、物理结构

顺序存储结构

链式存储结构

索引存储结构

散列存储结构

1.2算法

基础概念

        算法是解决特定问题求解步骤的描述

算法与DS的关系

        DS只是静态的描述了数据元素之间的关系，高效的程序需要在DS的基础上设计和选择算法，算法是为了解决实际问题而设计的，DS是算法需要处理的问题载体，数据结构与算法相辅相成。

算法的特性（5个）

1.输入输出：算法具有零个或多个输入，至少有一个或多个输出

2.有穷性：算法在执行有限步骤后，自动结束而不会出现无限循环，并且每一个步骤在可接受的时间内完成

3.确定性：算法的每一步都有确定的含义，不会出现二义性

4.可行性：算法的每一步骤都必须是可行的，每一步都能通过执行有限次数完成

算法设计的要求

1.正确性：算法的正确性是指算法至少应该具有输入、输出和加工处理无歧义性，能正确反映问题的需求，能够得到问题的正确答案、大体可以分为以下四个层次：

• 算法程序没有语法错误
• 算法程序对于合法的输入数据能够产生满足要求的输出结果
• 算法程序对于非法的输入数据能够得出满足规格说明的结果
• 算法程序对于精心选择的，甚至刁难的测试数据都有满足要求的输出结果

备注：针对算法正确性来说，第四层是最困难的，一般情况下，按层次三最为算法是否正确的标准

2.可读性：算法设计的另一个目的是为了便于阅读、理解和交流

3.健壮性：当输入数据不合法时，算法也能做出相关处理，而不是产生异常或莫名其妙的结果

4.时间效率高且存储量低：设计算法应该尽可能满足时间效率高和存储量低的需求

算法时间复杂度

输入规模，一个程序的运行时间，依赖于算法的好坏和问题的输入规模（指输入量的多少，通常指的是for循环中的n）

主要项和次要项

判断算法效率时，函数中常数和其他次要项可以忽略，主要关注主项（最高阶项）的阶数即可

备注：判断一个算法的好坏，通过少量数据是不能准确判断的，判断依据是某个算法，随着n的增大，它会越来越优于另一种算法，或越来越差于另一种算法

大O记法

推导大O阶方法

常见的时间复杂度