数据结构与算法-绪论

数据结构与算法-绪论

数据结构的基本概念

数据元素、数据项： 数据元素是数据的基本单位，通常作为一个整体进行考虑和处理。 一个数据元素可由若干数据项组成，数据项是构成数据元素的不可分割的最小单位。

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。

数据类型：一个值的集合和定义在此集合上的一组操作的总称。

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。

举例：
（1）人就是数据的基本单位数据元素。

（2）此时姓名，年龄，身高，体重，身价等就可以理解为数据项。

（3）每个人都具有以上的性质和属性，他们就都属于同一个数据对象。

（4）人与人之间个体之间存在差异，也有许多人之间具有某种关系，比如很多人会很有钱，可以把这些很有钱的人放在一起，形成了数据结构。

（5）不同数据元素之间可能组成相同的数据结构。比如穷人和富人。

（6）同一个数据对象里的 数据元素，可以组成 不同的数据结构。他们可能组成线性结构，也可能组成网状结构等。

数据结构的三要素

• 数据的逻辑关系
  集合：数据元素同属于一个集合，无其他关系
  线性结构：数据元素一对一关系，两大类，线性结构（线性表，栈，队列），非线性结构（树，图，集合）
  树形结构： 数据元素一对多关系
  图/网状结构： 数据元素多对多关系

• 数据的运算
  针对于某种逻辑结构，结合实际需求，定义基本运算。
  运算的定义->针对逻辑结构
  运算的实现->针对存储结构

• 数据的存储(物理)结构
  数据的存储结构是用计算机语言实现的逻辑结构。
  主要有：
  顺序存储：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。
  链式存储：不要求逻辑上相邻的元素在物理位置上也相邻，而是借助指示元素存储地址的指针来表示元素之间的逻辑关系。
  索引存储：存储信息的同时，还建立附加的索引表。
  散列存储：根据元素的关键字直接计算出钙元素的存储地址。

Tips:
(1) 数据的存储结构会影响存储空间分配的方便程度。
(2) 数据的存储结构会影响数据运算的速度。

算法的基本概念

算法：对特定问题的求解步骤的一种描述。
数据结构 -> 用数据正确的描述现实世界的问题，并存入计算机。
算法 -> 如何高效地处理这些数据，以解决问题。

• 5个重要特性
  (1) 有穷性：算法必须在有穷时间内执行有穷步之后结束；而程序可以是无穷的，一直执行下去（比如微信）
  (2) 确定性：对于相同的输入只能得出相同的输出。
  (3) 可行性：基本运算执行有限次来实现。
  (4) 输入：零个或多个输入。
  (5) 输出：一个或多个输出。输出和输入有着某种特定关系。

• 好算法的特征
  (1) 正确性
  (2) 可读性
  (3) 健壮性：输入非法数据是，算法能适当地做出反应或进行处理。
  (4) 效率和低存储需求：空间复杂度，时间复杂度低。

效率的度量

• 时间复杂度
  时间开销T(n)和问题规模n的关系。
  (1) 算法中基本运算（最深层循环内的语句）的频度与T(n)同数量级。
  因此通常采用算法中基本运算的频度f(n)来分析时间复杂度。
  具体取f(n)中随n增长最快的项，并将其系数置为1. 如f(n) = an^3 + bn^2 + cn的时间复杂度为O(n^3).
  记为：T(n) = O(f(n)).O代表T(n)和f(n)同数量级，为同阶无穷小。
  (2) 常见的渐进时间复杂度：
  常数阶O(1) < 对数阶O(log2n) < 线性阶O(n) < 线性对数阶O(nlog2n) < 平方阶O(n^2) <立方阶O(n^3) < 指数阶O(2^n) < 阶乘阶O(n!) <N次方阶O(n^n)
  口诀：常对幂指阶
  (3) Notes:
  ① 顺序执行的代码只会影响常数项，可以忽略。
  ② 循环中只需要挑一个基本操作来分析它的执行次数和n的关系即可。
  ③ 加法规则：T(n,m) = T1(n) + T2(n) = O (max ( f(n),g(m) )
  乘法规则：T(n,m) = T1(n) * T2(m) = O (f(n) * g(m))
  ④ 一般只考虑平均时间复杂度和最坏时间复杂度。

• 空间复杂度
  (1) 程序允许时的内存需求：
  程序代码：大小固定，与问题规模无关。
  数据：局部变量，参数等。
  (2) 算法原地工作：算法所需内存空间为常数。
  (3) 只需要关注存储空间大小与问题规模n相关的变量。
  (5) 函数递归调用带来的内存开销。空间复杂度 == 递归调用深度。特殊情况例外（例如申请了大小为n的数组）。