数据结构基础知识学习（一）

程序设计 = 数据结构+算法

基本概念：

• 数据：描述客观事物的符号，是计算机中可以操作的对象，能被计算机识别，并输入给计算机处理的符号的集合。
• 数据元素：是组成数据的，有一定意义的基本单位，在计算机中通常作为整体处理，也被称为记录。
• 数据项：一个数据元素可以有若干个数据项组成。数据项是数据不可分割的最小的单位。

数据结构：

概念：相互之间存在一种或者多种特定关系的数据元素的集合。

算法：

概念：解决特定问题求解步骤的描述。在计算机中表现为指令的有限序列，每条指令可表示一条或多个操作。

算法的特性：

• 输入：算法具有零个或者多个输入。
• 输出：只有一个或多个输出。
• 有穷性：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，并且一个步骤可接受的时间内完成。
• 确定性：算法的每一步骤都有确定的含义，不会出现二义性。
• 可行性：算法的每一步都是必须可行的，也就是说，每一步都能够通过执行有限次数完成。

算法分析的分类：

算法存在最好、平均和最坏的情况：

• 最坏情况：任意输入规模的最大运行次数（上界）这是我们常常关注的情况。
• 平均情况：任意输入规模的期望运行次数。
• 最好情况：任意输入规模的最小运行次数，通常最好情况不会出现（下界）

算法的复杂度：时间复杂度和空间复杂度

1、时间复杂度之大O渐进表示法

一个算法语句总的执行次数是关于问题规模N的某个函数，记为f（N），N称为问题的规模。语句总的执行次数记为T（N）当N不断变化时，T（N）也在变化，算法执行次数的增长速率和f（N）的增长速率相同。
则有 T（N）= O（f（N）），称为O（f（N））为时间复杂度的大O渐进表示法。

2、一般算法O（N）的计算方法：

1. 用常数1取代运行时间中的所有的加法常数。
2. 在修改后的运行次数函数中，只保留最高阶。
3. 如果最高阶项系数存在且不是1，则去除与这个项相乘的常数。

时间复杂度典例：

1、二分搜索算法的时间复杂度为O（logN/2）算法中把logN/2=lgN 。。。 M分搜索的算法时间复杂度为logN/M
2、递归算法时间复杂度：递归总次数*每次递归的次数。递归算法的空间复杂度：递归的深度*递归的空间的大小。

空间复杂度：

函数中创建对象的个数关于问题规模函数表达式。一般情况下用O的渐进表示法表示。