数据结构基础

目录

一、数据结构基本概念

二、数据结构和算法

三、算法时间的复杂度和空间复杂度

---

 

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。