目录
一、数据结构基本概念
1、数据:是所有能输入计算机中并能被计算机程序处理的符号的总称。
数据元素:是数据的基本单位,在计算机中通常作为一个整体进行考虑和处理。
数据项:是组成数据元素的、有独立含义的、不可分隔的最小单位。
数据对象:是性质相同的数据元素的集合,是数据的一个子集。
一个数据元素由多个数据项组成。例如学生基本信息表的姓名、学号、性别、成绩等就是数据项,而该学生信息表相当于数据元素。
2、数据结构包括逻辑结构和物理结构。
逻辑结构:数据对象中数据元素之间的相互关系。
物理结构:数据的逻辑结构在计算机中的存储形式。
3、逻辑结构包含四种:
1>集合结构:数据元素之间为平等关系。
2>线性结构:数据元素之间存在一对一关系。
3>树结构:数据元素之间存在一对多关系。
4>图结构或网状结构:数据元素之间存在多对多关系。
4、属于非线性结构的有集合结构、树结构、图结构和网状结构。
线性结构有线性表、栈与队列、字符串、数组、广义表。
5、物理结构又称为存储结构,数据元素的存储结构形式有顺序存储和链式存储。
顺序存储结构: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。(各个数据结构在物理上必须是连续的)例如:数组结构。
链式存储结构: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。(其属于非顺序存储,各个数据元素在物理上必须是离散的)其是利用指针存放的数据元素的地址,这样就可以通过地址找到相关联数据元素的位置。
二、数据结构和算法
程序=数据结构+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者多个操作。
算法的五个基本特征;输入、输出、有穷性、确定性和可行性。
算法设计要求:正确性、可读性、健壮性。时间效率高和存储量低。
三、算法时间的复杂度和空间复杂度
衡量时间算法效率的方法有两类:事后统计珐和事前分析估算法。通常使用第二种。
算法的时间量度记为:T(n)=O( f(n)),计算算法的时间量度时,1>要注意忽略阶数低的部分;2>省略n前的系数。。它表示随着问题规模n的增大,算法执行时间的增长率和 f(n)的增长率相同,称作算法的渐近时间复杂度,简称时间复杂度。
下面举一些算法时间复杂度的例子:
1>常量阶
{x++;a=3;}
共两句语句,执行两次,是常量阶,故算法的时间复杂度为T(n)=O(1)。
2>线性阶
for(i=0;1<n;i++){x++;s=0;}
执行2n次,是线性阶,故其算法的时间复杂度为T(n)=O(n)。
3>平方阶
x=0;y=0;for(k=1;k<=n;k++)x++;for(i=1;i<=n;i++)for(j=1;j<=n;k++)x++;
其频度为f(n)=n^2,是平方阶,故该算法的时间复杂度为T(n)=O(n^2)。
4>立方阶
x=0;for(i=1;i<=n;i++)for(j=1;j<=n;j++)for(k=1;k<=n;k++)x++
其频度为f(n)=n^3,是立方阶,故该算法的时间复杂度为T(n)=O(n^3)。
5>对数阶
for(i=1;i<=n;i=i*2){x++;s=0;}
其为对数阶,该算法的时间复杂度为T(n)=O(log2(n))。
常见的时间复杂度按数量级递增排列依次为:常量阶O(1)、对数阶O(log2(n))、线性阶O(n)、线性对数阶O(nlog2(n))、平方阶O(n^2)、立方阶O(n^3)、......、k次方阶O(n^k)、指数阶O(2^n)。
空间复杂度
记为:S(n)=O(f(n))是算法所需存储空间的量度,简称空间复杂度。
用于给变量分配存储空间(程序代码大小固定)当n无论多大所需内存空间都是固定的常量。