数据结构----基本概念

1、数据项是数据不可分割的最小单位。

2、算法具有五个特性：
（1）输入、输出（算两个）：
算法具有零个或多个输入，至少有一个或多个输出。
（2）有穷性：
指算法在执行有限的步骤之后，自动结束而不会出现无限循环，并且每一个步骤在可接受的时间内完成。
（3）确定性
算法的每一步骤都具有确定的含义，不会出现二义性。
（4）可行性
算法的每一步都必须是可行，也就是说，每一步都能够通过执行有限次数完成。

3、算法设计的要求：
（1）正确性：
指算法至少应该具有输入、输出和加工处理无歧义性、能正确反映问题的需求、能够得到问题的正确答案
（2）可读性
算法设计的另一目的是为了便于阅读、理解和交流
（3）健壮性
当输入数据不合法时，算法也能做出相关处理，而不是产生异常或莫名其妙的结果
（4）时间效率高和存储量低

4、算法效率的度量方法
（1）事后统计方法
通过设计好的测试程序和数据，利用计算机计时器对不同算法编制的程序的运行时间进行比较，从而确定算法效率的高低。
（2）事前分析估算方法
在计算机程序编制前，依据统计方法对算法进行估算。

5、函数的渐近增长
给定两个函数f(n)和g(n)，如果存在一个整数N，使得对于所有的n>N,f(n)总是比g(n)大，那么，我们说f(n)的增长渐近快于g(n)。

6、判断一个算法的效率时，函数中的常数和其他次要项常常可以忽略，而更应该关注主项（最高阶项）的阶数。

7、算法时间复杂度
在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间量度，记作：T(n)=O(f(n))。它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐近时间复杂度，简称为时间复杂度。其中f(n)是问题规模n的某个函数。
用大写O（）来体现时间复杂度的记法，称之为大O记法。
一般情况下，随着n的增大，T(n)增长最慢的算法为最优算法。

8、推导大O阶方法
(1)用常数1取代运行时间中的所有加法常数
(2)在修改后的运行次数函数中，只保留最高阶项
(3)如果最高阶项存在且不是1，则去除与这个项相乘的常数。
得到的结果就是大O阶。

9、算法空间复杂度
S(n)=O(f(n)),其中，n为问题的规模，f(n)为语句关于n所占存储空间的函数。