数据结构——基础及C实现demo

一、算法和数据结构基础

	程序 = 数据结构 + 算法 
	
	数据结构是计算机存储、组织数据的方式。
	
		数据结构只是静态的描述了数据元素之间的关系，
		高效的程序需要在数据结构的基础上设计和选择算法。
	
	算法是为了解决实际问题而设计的。
	数据结构是算法需要处理的问题载体。

算法效率的度量：
	1.事后统计法
	2.事前分析估算

算法的时间复杂度，指最坏时间复杂度；
大O表示法表示算法的时间复杂度,只有常数项记作 1 .
操作数量的估算可以作为时间复杂度的估算。

二、线性表概念

线性表 	是零个或多个数据元素的有限序列。

特性：
	数据元素之间是有序的。
	数据元素个数是有限的。
	数据元素类型是相同的。

存储方式：
		顺序存储结构
				用一段地址【连续的】存储单元依次存储线性表的数据元素。	
		链式存储结构
				用一段地址【非连续的】存储单元存储线性表的数据元素。	

三、线性表——顺序存储结构

四、线性表——链式存储结构

1. 链式存储
   demo Test_LinkList()

2. 循环链表
   

   最优链表就是：指针域和数据域分开。
   取数据时，转换指针类型。
   

   demo Test_CircleLinkList()

   利用循环链表解决约瑟夫问题。
   demo Test_CircleLinkList_Josephus_problem()

3. 双向链表
   

五、受限线性表——栈（stack）

先进后出

1. 栈的顺序存储
   
   demo Test_SeqStack()

2. 栈的链式存储
   demo Test_LinkStack()

六、受限线性表——队列（queue）

先进后出。
First In first out.

1. 顺序存储
   demo Test_SeqQueue()

七、栈的应用

1. 就近匹配
   demo Test_InfixToSuffix()

2. 中缀表达式转后缀表达式

   后缀表达式就是计算机的计算顺序
   	eg: 5 + 4 => 5 4 +
   中缀表达式符合人的表达方式。
   	eg:1 + 2 * 3 => 1 2 3 * +
   

   
   eg:
   

   demo Test_SuffixGetResult()

八、树

存储方式：

九、树——二叉树

1. 概念
   
   
   
   eg:
   
   

2. List item

十、算法——排序

十一、算法——冒泡排序

源码链接:Algorithm_BubbleSort_main()

十二、算法——选择排序

	每一次从待排序的数据元素中选出最小（最大）的一个元素，存放在序列的起始位置，
然后，再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。
以此类推，直到全部待排序的数据元素排完。选择排序是不稳定的排序方法。

源码链接:Algorithm_SelectSort_main()

十三、算法——插入排序

1、将待排序序列第一个元素看做一个有序序列，把第二个元素到最后一个元素当成是未排序序列；

2、取出下一个元素，在已经排序的元素序列中从后向前扫描；

3、如果该元素（已排序）大于新元素，将该元素移到下一位置；

4、重复步骤3，直到找到已排序的元素小于或者等于新元素的位置；

5、将新元素插入到该位置后；

6、重复步骤2~5。


适合：
	1.元素序列基本有序的情况下
				基本有序：小的都在左边，大的都在右边
	2.	元素个数比较小的时候

源码链接:Algorithm_InsertionSort_main()

十四、算法——希尔排序

希尔排序是特殊的插入排序

时间复杂度
	希尔排序的时间复杂度依赖于增量序列的函数，有人在大量的实验后得出的结论：
	当n在某个特定的范围后，在最优的情况下，希尔排序的时间复杂度为O(n1.3)，在最差的情况下，希尔排序的时间复杂度为：O(n2).
空间复杂度
	希尔排序的空间复杂度：O(1).

源码链接:Algorithm_ShellSort_main()

十五、算法——快速排序

1. 首先取出一个key，一般取第一个元素
2. 先从后往前遍历，如果数组中的数据小于了key，那么就将从前往后未比较过的第一个位置即fisrt位置替换为该数据
3. 然后从前往后遍历，如果数组中的数据大于了key，那么就将从后往前的第一个比较过数据位置替换
4. 然后直到左右两边的位置重合，说明key就找到了正确的位置，每次循环就能找到一个数的正确位置
5. 然后将key左右两边的数据分为两组，递归调用自己。

源码链接:Algorithm_QuickSort_main()

十六、算法——归并排序

第一步：申请空间，使其大小为两个已经排序序列之和，该空间用来存放合并后的序列
第二步：设定两个指针，最初位置分别为两个已经排序序列的起始位置
第三步：比较两个指针所指向的元素，选择相对小的元素放入到合并空间，并移动指针到下一位置
重复步骤3直到某一指针超出序列尾，将另一序列剩下的所有元素直接复制到合并序列尾

归并排序其实要做两件事：
（1）“分解”——将序列每次折半划分（递归实现）
（2）“合并”——将划分后的序列段两两合并后排序

如何合并？

在每次合并过程中，都是对两个有序的序列段进行合并，然后排序。

这两个有序序列段分别为 R[low, mid] 和 R[mid+1, high]。

先将他们合并到一个局部的暂存数组R2中，带合并完成后再将R2复制回R中。

我们称 R[low, mid] 第一段，R[mid+1, high] 为第二段。

每次从两个段中取出一个记录进行关键字的比较，将较小者放入R2中，最后将各段中余下的部分直接复制到R2中。

经过这样的过程，R2已经是一个有序的序列，再将其复制回R中，一次合并排序就完成了。

源码链接：Algorithm_MergeSort_main()

十七、堆排序

最好和最坏的情况时间复杂度都是O(nlogn)，空间复杂度O(1)。

堆是一种数据结构，一种叫做【完全二叉树】的数据结构。

堆的分类：
	大顶堆：每个节点的值都大于或者等于它的左右子节点的值。
	小顶堆：每个节点的值都小于或者等于它的左右子节点的值。

上面大小顶堆的逻辑结构映射到数组中，就是下边这样

9	5	8	2	3	4	7	1
1	3	5	4	2	8	9	7
这个数组arr逻辑上就是一个堆。

从这里我们可以得出以下性质（重点）

对于大顶堆：arr[i] >= arr[2i + 1] && arr[i] >= arr[2i + 2]
对于小顶堆：arr[i] <= arr[2i + 1] && arr[i] <= arr[2i + 2]

源码链接：Algorithm_HeapSort_main()