数据结构（一）——基本概念

本人是看小甲鱼的数据结构来学习数据结构的。所以主要内容都是来自于小甲鱼。

• 数据结构分类
  数据结构分为逻辑结构和物理结构。
  逻辑结构分为：集合（无序）、线性（一对一）、树形（一对多）、图形（多对多）。
  物理结构分为：顺序结构（逻辑关系、物理关系统一）、链式结构（不统一）、索引结构、散列结构。
  索引结构：在存储结点信息时，建立一个附加的索引表，每一项是索引项，一般形式是：（关键字，地址），关键字是唯一标识一个结点信息的数据项。（就像Android里的那种界面传递数据的，key—value）。若每个结点都有各自的索引项，为稠密索引（索引项的地址指出结点地址）。若一组结点在索引表只对应一个索引项（稀疏索引），则索引项地址指向这些结点的起始地址。
  散列结构（哈希结构）：是根据结点的关键字计算出结点的物理地址，关键在于通过关键字作为自变量，建立一个函数关系。在得到的函数值作为存储地址，放置结点。
• 算法特征：
  输入（n>=0）、输出（n>=1）、有穷性、确定性、可行性。
  有穷性：重点在于时间上不能无限循环，必须在有限时间完成。
  确定性：
  每个步骤都有确定含义，不会出现二义性；
  算法在一定条件下只有一条执行路径，相同的输入只有唯一输出；
  算法的每个步骤都应该被精确定义而无歧义。
  可行性：每一步都是可行的，即每一步都能通过执行有限次数完成。
• 算法设计的要求：
  正确性：无语法错误、合法输入有合法输出；
  健壮性：非法输入时，有健壮的处理；
  可读性：方便人们进行阅读交流；
  执行时间效率高：对于同一问题，尽量采用执行时间短的算法；
  低存储容量：执行算法所需的辅助空间少。
• 算法分析
  现在主要是用算法的执行时间作为主要衡量的标志。粗略认为，算法中某语句执行的次数（语句的执行频度），作为该条语句算法时间的量度。整理算法中的各条语句，最大的那条语句的执行次数，即为该段算法的最大执行次数。
  如：
  A: { x++; s+= x; } 执行次数为1
  B: for(i = 1;i<=n;i++){ 执行次数为n+1（i++执行为n+1次）
  x++; s+= x; 执行次数为n
  }
  用O（f（n））来表示。f（n）即执行最多次的那条代码的最高阶的，无系数的函数表达，如n、n^2 n^3之类，不考虑其他项了。即
  T（n）称为算法的时间复杂度， T（n）= O（f（n））。
  O（1）<O（log2n）<O（n）<O（n*log2n）<O（n^2）<O（n3）<O（2^n）
  注意，T（n）只是定性计算时间复杂度。定量计算的话，需要把所有语句的执行时间都加上，最后才知道的。