数据结构Review 绪论及第一章-算法

绪论 

一. 数据结构在学什么

1. 高效地用程序代码信息化现实问题

二. 数据结构的基本概念

1. 数据元素——描述一个个体

数据元素是数据的基本单位，通常作为一个整体考虑和处理。

数据元素可由若干个数据项组成，数据项是构成数据元素的不可分割的最小单位。

2. 什么是数据对象

数据对象是具有相同性质的数据元素的集合，是数据的一个子集。

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。

三. 数据结构的三要素

1. 逻辑结构

集合结构（各个元素属于同一集合）

线性结构（一对一，除第一个元素都有唯一前驱，除最后一个元素都有唯一后继，如：排行榜、餐厅排号）

树形结构（一对多，如：思维导图、文件夹和文件）

网状结构/图结构（多对多，如：道路信息、好友信息）

2. 数据的运算

针对某种逻辑结构，定义基本运算（如：线性结构——①查找第i个数据元素②在第i个位置插入③删除）

3. 物理结构（存储结构）

常见：顺序存储、链式存储、索引存储、散列存储

以线性结构为例：

顺序存储，把逻辑上相邻的元素存储在物理位置上也相邻的存储单元中，元素之间的关系由存储单元的邻接关系来体现。

链式存储

索引存储

散列存储/哈希(Hash)存储

存储结构会影响存储空间分配的方便程度和数据运算速度（如：插入新元素）

4. 数据类型、抽象数据类型

数据类型

1）原子类型，值不可再分（int、boolean）

2）结构类型，值可分解（struct）

抽像数据类型（Abstract Data Type，ADT）

 

第一章 算法

一. 算法的基本概念

1. 什么是算法

程序 = 数据结构 + 算法

数据结构是要处理的信息，算法是处理信息的步骤

2. 算法的特性

有穷性、确定性（相同输入得到相同输出）、可行性（可代码实现）、输入，输出

好的算法：正确性、可读性、健壮性（处理非法数据、报错等）、高效率与低存储需求（时间复杂度和空间复杂度低）

二. 算法的时间复杂度

1. 时间复杂度T(n)

事先预估算法时间开销T(n)和问题规模n的关系

Q1：是否可以忽略表达式的某些部分？

A1：低阶部分和常数。

数量级：“常对幂指阶”

Q2：每一行代码都要计算吗？

A2：只关注循环体，若有循环嵌套，只关注最深层循环。

计算算法时间复杂度时，通常只关注最坏时间复杂度、平均时间复杂度

小练习

1.

while(i<=n){
i=i*2;
}

当时，循环结束，

2.

int flag[n]={1,2,3,...,n};
for(int i = 0;i<flag.size();i++){
    if(flag[i]==n){
        break;
    }
}

最好时间复杂度T(n)=O(1);

最坏：T(n)=O(n);

平均：每个位置出现概率为，,T(n)=O(n).

三. 算法的空间复杂度

1. S(n) 空间复杂度（以及算法原地工作的概念）

算法原地工作：无论问题规模怎么改变，算法所需内存空间为常量S(n)=O(1)。

与时间复杂度类似：只关注与问题相关的数量级（“常对幂指阶”）

1.

int flag[n][n];
int other[n];
int i;

2.函数递归带来的内存开销

void function(int n){
    int a,b,c;
    if(n>1){
        function(n-1);
    }
    printf("break%d\n",n);
}