[总结]数据结构真是博大精深（一）

数据结构学习提纲

（最终解释权归原作者所有，侵权必究）

绪论

1、【概念】数据、数据元素、数据项、数据对象、数据结构

数据：能被输入到计算机中，能被计算机识别，且能被计算机加工处理的符号集合，是计算机操作对象的总称。

数据元素：数据的一个基本单位。如果数据元素被组织成表结构，也称其为数据记录。

数据项：构成数据元素的单位，可以是原子项，也可以是组合项。

数据对象：性质相同的数据元素的集合，是数据的一个子集。

数据结构：关系，相互之间存在着某种逻辑关系的数据元素的集合。

数据包含数据对象，数据对象包含数据元素，数据元素包含数据项。

2、【概念】数据的逻辑结构和存储结构

逻辑结构：对数据元素的逻辑关系的描述，常用图形表示法表示，包括集合结构、线性结构、树形结构、图形结构。

存储结构（物理结构）;需考虑数据的存储和关系的存储，包括顺序存储和链式存储。

3、【概念】抽象数据类型（ADT：Abstract Data Type）

数据类型：一个值的集合以及定义在这个值集上的一组操作的总称。

抽象数据类型：一个数学模型以及定义在该模型上的一组操作，只取决于逻辑。具有数据抽象和数据封装两个特性。可用三元组（D,S,P）表示，其中D是数据对象，S是D上的关系集，P是对D的基本操作集。

4、【概念】算法

问题求解所需要的具体步骤和方法，是规定的一个有限长的操作序列。具有0或多个输入，1或多个输出，确定性，有限性，有效性五大特性。算法效率分析方法有事后统计法和事前分析估算法。对于一个算法，其时间效率和空间效率往往是相互影响的，当追求较高的时间性能时，可能会导致更高的空间复杂度。

5、【概念】时间复杂度

算法所耗费的时间 = 算法中每条语句的执行时间之和

每条语句的执行时间 = 语句的频度 * 语句执行一次所需时间

算法的运行时间主要取决于算法选用的策略，问题的规模，编写程序的语言，编译程序产生的机器代码质量，计算机执行指令的速度。一般情况下，算法中的基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n)，使得当n趋近于无穷大时，T(n)/f(n)的极限值为非零的常数，则成f(n)是T(n)的同数量级函数，即T(n)的增长率与f(n)的增长率相同。记作T(n)=O(f(n))，则称O(f(n))为算法的渐进时间复杂度。算法分析中不区分算法的时间复杂度和渐进时间复杂度。常见的时间复杂度按递增排列为O(1)、O(log n)、O(n)、O(nlogn)、O(n^2)、O(n^3)、……、k次方阶O(n^k)、指数阶O(2^n)

6、【概念】空间复杂度

算法的空间消耗包括存储算法本身所占用的存储空间，算法的输入输出数据所占用的存储空间，以及算法在运行过程中临时占用的存储空间。

S(n)=O(g(n))也是问题规模的函数，表示随着问题规模n的增大，算法运行所需存储量的增长率与g(n)的增长率相同。

线性表

1、【概念】线性表

最简单的一种线性结构。具有如下特征：集合中必存在唯一的第一元素，集合中必存在唯一的最后元素，除最后元素在外，均有唯一的