大话数据结构笔记

最新推荐文章于 2024-05-18 21:23:27 发布

茶海棠

最新推荐文章于 2024-05-18 21:23:27 发布

阅读量888

点赞数 21

分类专栏：笔记文章标签：数据结构笔记 java

本文链接：https://blog.csdn.net/m0_69386041/article/details/136392407

版权

笔记专栏收录该内容

1 篇文章 0 订阅

订阅专栏

大话数据结构书籍笔记

数据结构是一门研究非数值计算的程序设计问题中的操作对象，以及它们之间的关系和操作等相关问题的学科

程序设计=数据结构+算法

1.数据结构绪论

1.1 数据

数据：是描述客观事务的符号，是计算机中可以操作的对象，是能被计算机识别并输入给计算机处理的符号集合。 数据不仅仅包括整形、实型等数值类型，还包括字符及声音、图像、视频等非数值类型。

1.2数据元素

数据元素：是组成数据的、有一定意义的基本单位，在计算机中通常作为整体处理，也被称为记录。

例：
在人类中，数据元素是 人 。

在畜禽类中，牛、马、羊、猪、鸡、鸭等动物则是畜禽类数据元素。

1.3 数据项

数据项：一个数据元素可以由若干个数据项组成。

数据项是数据不可分割的最小单位。

1.4 数据对象

数据对象：是性质相同的数据元素的集合，是数据的子集。

1.5 数据结构

不同数据元素之间不是独立的，而是存在特定的关系，我们将这些关系称为结构。

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。

1.6 逻辑结构

逻辑结构：是指数据对象中数据元素之间的相互关系。

逻辑结构分为以下四种：

1.6.1 集合结构：

集合结构中的数据元素除了同属于一个集合外，它们之间没有其他关系。各个数据元素是”平等“的，它们的共同属性是同属于一个集合

1.6.2 线性结构：

线性结构中的数据元素之间是一对一的关系。

1.6.3 树形结构：

树形结构中的数据元素之间存在一种一对多的层次关系。

1.6.4 图形结构：

图形结构的数据元素是多对多的关系。

1.7 物理结构

物理结构：是指数据的逻辑结构在计算机中的存储形式。

1.7.1 顺序存储结构

是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。说白了，就是排队占位，和数组一样。

1.7.2 链式存储结构

是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。

逻辑结构是面向问题的，而物理结构是面向计算机的，其基本目标就是将数据及其逻辑关系存储到计算机的内容中

1.8 数据类型

数据类型：是指一组性质相同的值的集合及定义在此集合上的一些操作的总称。

1.8.1 数据类型定义：

在C语言中，按照取值的不同，数据类型可以分为两类：

原子类型
- 是不可以再分解的基本类型，包括整形、实型、字符型等。
结构类型
- 由若干个类型组合而成，是可以再分解的。例如，整形数组是由若干整形数据组成的。

在Java语言中，可以分为两类：

基本数据类型
- 是基本类型，包括整形、实型、字符型等。
引用数据类型
- 引用数据类型包括Integer、Float、Character等。

抽象： 抽象是指抽取出事务具有的普遍性的本质。它是抽出问题的特征而忽略非本质的细节，是对具体事物的一个概括。抽象是一种思考问题的方式，它隐藏了繁杂的细节，只保留实现目标所必需的信息。

1.8.2 抽象数据类型

抽象数据类型（Abstract Data Type,ADT）:一个数学模型及定义在该模型上的一组操作。

其体现了程序设计中问题分解、抽象和信息隐藏的特性。

描述抽象数据类型的标准格式：

ADT 抽象数据类型名
Data
	数据元素之间逻辑关系的定义
Operation
操作1
		初始条件
		操作结果描述
操作2
	………
操作n
	………
endADT

2.算法

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多个操作。

2.1 算法的特性

算法具有五个基本特性：输入、输出、有穷性、确定性和可行性。

2.1.1 输入输出

输入：算法具有0个或多个输入

输出：算法至少有一个或多个输出（蓄了不出，你蓄它干嘛~）

2.1.2 有穷性

指算法在执行有限的步骤之后，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。

2.1.3 确定性

算法的每一步骤都具有确定的含义，不会出现二义性。（科学的严谨性）

2.1.4 可行性

算法的每一步都必须是可行的，也就是说，每一步都能通过执行有限次数完成。

2.2 算法设计的要求

要求：正确性、可读性、健壮性、时间效率高和存储量低

2.2.1 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。

正确大体分为以下四个层次:
(1)算法程序没有语法错误
(2)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
(3)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
(4)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
对于这4层含义，层次1要求最低，但是仅仅没有语法错误实在谈不上是好算法。就如同仅仅解决温饱，不能算生活幸福一样。而层次4是最困难的，我们几乎不可能逐一验证所有的输入都得到正确的结果。
所以一般情况下，我们把层次3作为一个算法是否正确的标准

2.2.2 可读性

算法设计的另一目的就是为了便于阅读、理解和交流

2.2.3 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。

2.2.4 时间效率高和存储量低

时间效率：指算法的执行时间

存储量：指算法程序运行时所占用的内存或外部硬盘存储空间

2.3 算法效率的度量方法

利用计算机的计时功能，来计算不同算法的效率是高还是低

2.3.1事后统计方法

这种方法主要是通过设计好的测试程序和数据，利用计算机计时器对不同算法编制的程序的运行时间进行比较，从而确定算法的效率高低。

2.3.2 事前分析估算方法

在计算机程序编制前，依据统计方法对算法进行估算。

经过分析发现，一个用高级程序语言编写的程序在计算机上运行所消耗的时间取决于下列因素：
1.算法采用的策略、方法
2.编译产生的代码质量
3.问题的输入规模
3.机器执行指令的速度

所以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。所谓问题输入规模是指输入量的多少。

2.3 函数的渐近增长

函数的渐近增长：给定两个函数f(n)和g(n)，如果存在一个整数N，使得对于所有的n>N,f(n)总是比g(n)大，那么，我们说f(n)的增长渐近快于g(n)。

判断一个算法的效率时，函数中的常数和其他次要项常常可以忽略，而更应该关注主项（最高阶项）的阶数

2.4 算法时间复杂度

2.4.1 定义

在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间量度，记作T(n)=O(f(n))。它表示随问题规模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，简称为时间复杂度。其中f(n)是问题规模n的某个函数。

这样用大写O()来体现算法时间复杂度的记法，我们称之为大O记法

一般情况下，随着n的正大，T(n)增长最慢的算法为最优算法

2.4.2 推到大O阶方法

(1)用常数1取代运行时间中所有加法常数
(2)在修改后的运行次数函数中，只保留最高阶项
(3)如果最高阶项存在且其系数不是1，则去除与这个项相乘的系数
得到的结果就是大O阶

2.4.3 常数阶O(1)

int sum = 0,n = 100;	/*执行一次*/
sum = (1 + n) * n / 2;	/*执行一次*/
printf("%d", sum);		/*执行一次*/

这个算法的运行次数函数是f(n)=3,根据我们推导大O阶的方法，第一步就把常数项3改为1，在保留最高阶项时，发现它根本没有最高项，所以时间复杂度为O(1)。

注意：不管这个常数是多少，我们都记作O(1)。

2.4.4 线性阶O(n)

int i;
for(i = 0;i < n;i++){
    /* 时间复杂度为O(1)的程序步骤序列 */
}

这段算法的时间复杂度为O(n),因为循环体的代码需要执行n次。

2.4.5 对数阶O(logn)

int count = 1;
while(count < n){
    count = count * 2;
    /* 时间复杂度为O(1)的程序步骤序列 */
}

由于每次count乘以2后，就距离n更近了一份，也就是说，有多少个2相乘后大于n，则会退出循环。有2^x=n得到x=log₂n。所以这个循环的时间复杂度为O(logn)。

2.4.6 平方阶O(n²)

int i,j;
for(i = 0;i < n;i++){
    for(j = 0;j < n;j++){
        /* 时间复杂度为O(1)的程序步骤序列 */
    }
    
}

这个算法是循环n次后在循环n次，所以时间复杂度为O(n²)

int i,j;
for(i = 0;i < m;i++){
    for(j = 0;j < n;j++){
        /* 时间复杂度为O(1)的程序步骤序列 */
    }
    
}

如果外层循环的循环次数改为了m，时间复杂度就变为O(m*n)。

2.5 常见的时间复杂度

执行次数函数	阶	非正式术语
12	O(1)	常数阶
2n+3	O(n)	线性阶
3n²+2n+1	O(n²)	平方阶
5log₂n+20	O(logn)	对数阶
2n+3nlog₂n+19	O(nlogn)	nlogn阶
6n³+2n²+3n+4	O(n³)	立方阶
2²	O(2ⁿ)	指数阶

常用的时间复杂度所耗费的时间从小到大以此是：

O(1) < O(logn) < O(n) < O(nlogn) < O(n²) < O(n³) < O(2ⁿ) < O(n^!) < O(nⁿ)

2.6 最坏情况与平均情况

最坏情况：指算法运行的最长时间，即最坏时间，一般提到运行时间都是指最坏时间

平均情况：指算法运行的平均时间，既不是最坏，也不是最好，平均时间是所有情况中最有意义的，因为它是期望的运行时间

2.7 算法空间复杂度

算法的空间复杂度通过计算算法所需的存储空间实现，算法空间复杂度的计算公式记作：S(n) = O(f(n))，其中，n为问题的规模，f(n)为语句关于n所占存储空间的函数。

总结

算法的定义：算法是解决特定问题求解步骤的描述，在计算机中为指令的有限序列，并且每条指令表示一个或多个操作。

算法的特性：有穷性、确定性、可行性、输入、输出

算法的设计与要求：正确性、可读性、健壮性、高效率和低存储量需求

算法度量方法：事后统计学（不科学，不准确）、事前分析估算方法

推导大O阶：

(1)用常数1取代运行时间中所有加法常数
(2)在修改后的运行次数函数中，只保留最高阶项
(3)如果最高阶项存在且其系数不是1，则去除与这个项相乘的系数
得到的结果就是大O阶

常用的时间复杂度所耗费的时间从小到大以此是：

O(1) < O(logn) < O(n) < O(nlogn) < O(n²) < O(n³) < O(2ⁿ) < O(n^!) < O(nⁿ)

分割线↑明天在更新

茶海棠

关注

21
点赞
踩
20

收藏

觉得还不错? 一键收藏
1
评论
大话数据结构笔记

原子类型是不可以再分解的基本类型，包括整形、实型、字符型等。结构类型由若干个类型组合而成，是可以再分解的。例如，整形数组是由若干整形数据组成的。基本数据类型是基本类型，包括整形、实型、字符型等。引用数据类型引用数据类型包括Integer、Float、Character等。抽象是指抽取出事务具有的普遍性的本质。它是抽出问题的特征而忽略非本质的细节，是对具体事物的一个概括。抽象是一种思考问题的方式，它隐藏了繁杂的细节，只保留实现目标所必需的信息。在进行算法分析时，语句总的执行次数T(n)
复制链接

扫一扫