数据结构学习总结

第一章

1. 1算法时间复杂度分析

算法中基本操作的执行次数作为时间复杂度的度量。这里说的时间复杂度是其中基本操作的总次数。
1.时间复杂度的计算
在算法中总能看到一个n，可称为问题的规模，则基本操作所执行的次数是n的一个函数f(n)，对求出的f(n)，取出其中随n增大而增长最快的项，将系数改成1，作为时间复杂度的度量。记为T(n)=O(f(n)中增长最快的项/此项的系数)。
例：f(n)=2n³+4n²+100, T(n)=O(2n³/2)=O(n³)。
一般的规律如下：
1.f(n)与n无关时，T(n)=O(1)。
2.f(n)与n是线性关系时，T(n)=O(n) 。
3.f(n)与n是二次方关系时，T(n)=O(n²)。
代码例题精讲：
例【1】：

void fun(int n)
{
    int i=1,j=100;
    while(i<n)
     {
    	 ++j;
    	 i+=2；
    }
}

分析：1.确定规模：由循环条件i<n，说明执行次数与参数n有关，则n就是规模。
2.计算出函数f(n)，i初始值是1，每次自增2，假设自增m次结束。则i=1+2m，因此有1+2m+K=n(K是常数)。
m=(n-1-K)/2,即f(n)=(n-1-K)/2。增长最快的项为n/2.则T(n)=O(n)。
例【2】

void fun(int n)
{
	int i, j, x = 0;
	for (i = 0; i < n; i++)
		for (j = i + 1; j < n; ++j)
			++x;
}

分析：++x位于内层循环中，因此作为基本操作。n为规模。则执行次数为f(n)=n(n-1)/2,变化最快的是n^2/2
所以T(n)=O(n^2)。

1.2 基本概念

1.数据结构：相互之间存在一种或多种特定关系的*数据元素* 的集合。包括：逻辑结构，存储结构和对数据的运算。
2.逻辑结构：数据之间关系的描述。与存储结构无关，一种逻辑结构可有多种存储结构。
共包含两类：

• 线性结构：一个数据元素的有序集合。基本特征：
  1.必存在唯一的一个第一个元素。
  2.必存在唯一的一个最后一个元素。
  3.除最后一个元素外，其他元素均有唯一的后继。
  4.除第一个元素外，其他元素均有唯一的前驱。
• 非线性结构：存在着一对多的关系，其中有树形结构和图形结构。

3.物理结构：又称存储结构，是数据的逻辑结构在计算机中的表示。包括数据元素的表示和关系的表示。

1.3 算法的基本知识

一.算法的特性：

1. 有穷性：一个算法必须保证执行有限步骤之后结束。
2. 确定性：算法的每一步骤必须有确定的定义。
3. 可行性：算法中的所有操作都必须可以通过已经实现的基本操作进行运算，并在有限次内实现。
   二 算法的设计目标：正确性，可读性，健壮性和算法效率4个方面。也称为评价算法质量的主要方面。