408数据结构——绪论&复杂度分析

绪论&复杂度分析

考纲内容

• • 数据结构与算法的基本概念
• • 算法复杂度的分析和计算

要求内容

• • 理解数据结构与算法的基本概念
• • 会分析和计算复杂度

• 思维导图索引
  

1.数据结构概念

• 数据结构是相互之间存在一种或多种特定关系数据元素的集合。

1.1 数据

• 数据是信息的载体

1.2 数据元素

• 数据元素是数据的基本单位
• 一个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
  结构关系图如下：数据 > 数据对象 > 数据元素

1.3 数据类型

• 原子类型。其值不可再分的数据类型。如：int
• 结构类型。其值可以再分解成若干成分的数据类型。如：struct结构体
• 抽象数据类型。抽象数据组织与之相关的操作

1.4 数据结构

• 数据结构是相互之间存在一种或多种特定关系数据元素的集合
• 任何问题中，数据元素都不是孤立存在的，之间存在某种特定的关系，这种数据元素相互之间的关系称为结构
• 逻辑结构、存储结构、数据的运算

1.5 数据结构三要素

1.5.1 数据的逻辑结构

•从逻辑关系上描述·数据结构，与数据的存储无关
•逻辑结构分为线性结构和非线性结构
•典型的线性结构——线性表
•典型的非线性结构——集合、树、图

分类如下

---

• 集合：同属一个集合，别无其他关系，如图(a)
• 线性结构：结构中的数据元素只存在一对一关系，如图(b)
• 树形结构：结构中的数据元素存在一对多关系，如图©
• 图状或者网状结构：结构中的数据元素存在多对多关系，如图(d)
  

1.5.2 数据的存储结构

• 存储结构是数据结构在计算机中的表示（也称映像），又称物理结构。它包括数据元素的表示和关系的表示
• 数据的存储结构主要有顺序存储、链式存储、索引存储和散列存储

---

• 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，物理位置即信息在计算机中的位置，元素关系由存储单元的邻接关系体现

优点

可以实现随机存储，每个元素占最少的存储空间

缺点

只能使用相邻的一整块存储单元，如果存储连续的几个数据，可能会出现较多的未利用的空间

---

• 链式存储

不要求逻辑上相邻的元素在物理位置上也相邻，可以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

优点

不会出现碎片现象，能充分利用所有存储单元

缺点

每个元素因为存储指针而占用额外存储空间，没有上一个指针的地址找不到下一个，只能实现顺序存取

---

• 索引存储

在存储元素信息的同时，还建立附加的索引表，分别存放数据元素和元素间关系的存储方式，索引表每项称为索引项,索引项的一般形式是（关键字，地址）以后可以联系操作系统的文件系统章节来理解

优点

检索速度快

缺点

附加的索引表额外占用存储空间，增加和删除数据也要修改索引表，花费时间。

---

• 散列存储
  根据元素的关键字直接计算出该元素的存储地址，又称哈希存储

优点

检索、增加、删除结点的操作都很快

缺点

若散列函数不好，可能会出现元素存储单元的冲突。而解决冲突会增加时间和空间的开销

---

1.5.3 数据的运算

包括运算的定义和实现。运算的定义是针对逻辑结构的，指出运算的功能。运算的实现是针对存储结构的，指出运算的具体操作步骤。

---

2. 算法的基本概念和评价

算法（Algorithm）是对特定问题求解步骤的一种描述，指令的有限序列，其中每一条指令表示一个或多个操作

2.1 算法的五个重要特性

---

• 有穷性

有限步骤后结束，每一步都可在有穷时间内完成

• 确定性

算法中每条指令必须有确切的含义，不存在二义性，即没有歧义

• 可行性

比如受限于计算机的计算能力，有些算法虽然理论上可行，但实际上无法完成。

• 输入

一个算法有一个或多个输入

• 输出

一个算法有一个或多个输出

---

此外设计一个好的算法应该还要考虑以下4个目标

(1)正确性：算法能够正确的解决求解问题

(2)可读性：算法具有良好的可读性，以便帮助理解

(3)健壮性：输入非法数据时，算法能适当的做出反应或处理，而不会产生莫名奇妙的结果

(4)效率与低存储量需求：效率指的是算法执行的时间，
   存储量需求是指算法执行过程中所需要的最大存储空间，这两者都与问题的规模有关

---

2.2 算法的时间复杂度

所有语句的频度（执行次数）之和记为 $T(n)$ ，时间复杂度主要分析 $T(n)$ 的数量级，通常采用算法中基本运算的频度（执行次数）来分析时间复杂度。因此,算法的时间复杂度记为$$T(n)=O(f(n))$$例如$T(n)=n^2+n+1，T(n)=O(n^2)$
则 $O(n^2)$ 即为所求的复杂度

---

一般只考虑最坏情况下的时间复杂度，以保证算法的运行时间不会比它更长

---

• 加法规则

多项相加,只保留最高阶的项，且系数变为1

$T(n)=T_1(n)+T_2(n)=O(f(n))+O(g(n))=O(max(f(n),g(n)))$

• 乘法规则

多项相乘，都保留

$T(n)=T_1\times T_2(n)=O(f(n))\times O(g(n))$