【数据结构笔记】1.绪论

第一章 绪论

1.1 数据结构的基本概念和术语

1.1.1 基本概念和术语

1. 数据

数据是描述客观事物属性的数、字符及所有能输入到计算机中并被计算机程序识别和处理的符号的集合。

2. 数据元素

数据元素是数据的基本单位，一个数据元素可由若干数据项组成。数据元素通常可称为记录。

3. 数据项

数据项是构成数据元素的最小单位。

4. 数据对象

数据对象是具有相同性质的数据元素的集合，是数据的一个子集。

5. 数据类型

数据类型是一个值的集合和定义在此集合上的一组操作的总称

• 原子类型。其值不可再分的数据类型。例如：整型类型…
• 结构类型。其值可以再分解为若干成分（分量）的数据类型。例如：结构体类型…
• 抽象数据类型。抽象数据组织及与之相关的操作。

6. 抽象数据类型（ADT）

抽象数据类型是指一个数学模型及定义在该模型上的一组操作。

抽象数据类型的定义仅取决于它的一组逻辑特性，而与其在计算机内部如何表示和实现无关，即不论其内部结构如何变化，只要它的数学特性不变，都不影响其外部使用。

通常用**（数据对象、数据关系、基本操作集）**这样的三元组来表示抽象数据类型。

抽象数据类型是广义上的数据类型。它已不再局限于及其已定义和实现的数据类型，还包括用户在设计软件系统时自行定义的数据类型。用用抽象数据类型定义的软件模块含定义、表示和实现三部分，封装在一起，对用户透明（提供接口），而不必了解实现细节。

7. 数据结构

数据结构是一门研究非数值计算程序设计问题的数据映像以及它们之间关系和运算的学科。

数据结构是相互之间存在一种或多种特定关系的数据元素的集合。

数据结构包括三方面的内容：逻辑结构、存储结构、数据运算。

数据的逻辑结构和存储结构是密不可分的两个方面，一个算法的设计取决于所选定的逻辑结构，而算法的实现依赖于所采取的存储结构。

1.1.2 数据结构三要素

1. 数据的逻辑结构

数据按逻辑结构主要分为线性结构和非线性结构。

• 集合。结构中的数据元素之间除“同属于一个集合”的关系外，别无其它关系。
• 线性结构。结构中的数据元素之间只存在一对一的关系。
• 树形结构。结构中的数据元素之间存在一对多的关系。
• 图状结构或网状结构。结构中的数据元素之间存在多对多的关系。

2. 数据的存储结构

存储结构是指数据结构在计算机中的表示（又称映像），也称物理结构。它包括数据元素的表示和关系的表示。

• 顺序存储。把逻辑上相邻的元素存储在物理位置上也相邻的存储单元中，元素之间的关系由存储单元的邻接关系来体现。

  • 优点：可以实现随机存储，每个元素占用最少的存储空间；
  • 缺点：只能使用相邻的一整块存储单元，因此可能产生较多的外部碎片。

• 链式存储。不要求逻辑上相邻的元素在物理位置上也相邻，借助指示元素存储地址的指针来表示元素之间的逻辑关系。

  • 优点：不会出现碎片现象，能充分利用所有存储单元；
  • 缺点：每个元素因存储指针而占用额外的存储空间，且只能顺序存取。

• 索引存储。在存储元素信息的同时，还建立附加的索引表。索引表中的每项称为索引项，索引项的一般形式是（关键字，关键字的地址）。

  • 优点：检索速度快；

  • 缺点：1. 增加附加的索引表后会占用较多的存储空间；

    ​ 2. 增加和删除数据时要修改索引表，因而会花费较多的时间。

• 散列存储。根据元素的关键字直接计算出该元素的存储地址，又称Hash存储。

  • 优点：检索、增加和删除结点的操作快；
  • 缺点：若散列函数不好，则可能出现元素存储单元的冲突，而解决冲突会增加时间和空间开销。

3.数据的运算

数据的运算是对数据定义的一组操作，运算时定义在逻辑结构上的，和存储结构无关，而运算的实现则依赖于存储结构。

最常用的运算有5种：插入、删除、修改、查找、排序。（并非每种运算都包含以上五种运算）

1.2 算法和算法评价

1.2.2 算法的基本概念

算法是对特定问题求解步骤的一种描述，它是指令的有限序列，其中的每条指令表示一个或多个操作。算法的重要特性：

• 有穷性。算法只执行有限步，每步要在有限的（实际上是合理的和可接受的）时间内完成。
• 确定性。算法中每条指令必须有确切的含义，对于相同的输入只能得到相同的输出。
• 可行性。一个算法是可行的，即算法中描述的操作都是可以通过已经实现的基本运算执行有限次来实现。
• 输入。一个算法有零个或多个输入。
• 输出。一个算法有一个或多个输出。

“好”的算法应考虑达到的目标：

1. 正确性：算法能正确地解决求解问题。

2. 可读性：算法应具有良好的可读性，以帮助人们理解。

3. 健壮性：输入非法数据时，算法能适当地做出反应或进行处理。

4. 高效率：算法的时间复杂度要尽可能低。

5. 低存储量：算法的空间复杂度要尽可能小。

【简答题】

1. 在算法设计中，什么是空间时间权衡原则？

   时间代价是相对于处理某个数据结构算法而言的，而空间代价是对于数据结构本身而言的。算法设计中具有一个特点是往往时间高效的算法需要的存储空间代价大，而存储空间代价小的算法往往时间复杂度高，因此在设计算法时要权衡算法的时间性能和空间性能。

2. 算法的渐进性分析

   就是估计输入规模逐步增大时资源开销T(n)的增长趋势。采用算法中基本运算的频度f(n)来分析算法的时间复杂度。因此算法的时间复杂度记为T(n) = O(f(n))

   式中，O的含义是T(n)的数量级，其严格的数学定义是若T(n)和f(n)是定义在正整数集合上的两个函数，则存在正常数C和n0，使得当n≥n0时，都满足0≤T(n)≤Cf(n)。