数据结构从小白到小小白——绪论

绪论

---

首先，分大类：有四个！集合、线性、树、图！

---

然后，明确基本概念和术语……

数据：什么都可以作为数据，在计算机科学中可以是输入，也可以是输出。
数据元素：是数据的基本单位。例如：图中的一个圆圈即是一个数据元素。有时，一个数据元素可由若干个数据项组成，例如，一本书书目信息为一个数据元素，而书目信息中的每一项 （如：书名、作者名等）为一个数据项。数据项是数据的不可分割的最小单位。
数据对象：同一类数据可以认为是数据对象，是数据的一个子集。

---

再看存储结构……有顺序存储结构和链式存储结构，顺序即可理解为数组，意思就是编号即顺序，元素之间有一定的顺序和逻辑联系。链式存储结构可以理解为指针的思想，例如：前驱带着后继的指针，如果不是C语言，可以理解为静态链表的形式。

---

抽象模型在编程时是常规操作了，抽象模型的模型又可以抽象为一个三元组（D,S,P），即数据类型和变量要定义，关系要明确，操作写清楚。

ADT 抽象数据类型名{
        数据对象
        数据关系
        基本操作
}ADT 抽象数据类型名

typedef ElemType * Triplet; //由InitTriplet分配3个元素存储空间
//基本操作的函数原型------------------------------------------
Status InitTriplet(Triplet &T,ElemType v1,ElemType v2,ElemType v3)
//构造了三元组T，元素e1，e2，e3分别被赋以参数v1，v2，v3的值

---

最后说一下算法……好的数据结构能够大大提升算法的效率，学会计算算法的效率至关重要，接下来就来看看怎么计算代码的时间复杂度和空间复杂度

• 时间复杂度

我们假设计算机运行一行基础代码需要执行一次运算。

int aFunc(void) {
    printf("Hello, World!\n");      //  需要执行 1 次
    return 0;       // 需要执行 1 次
}

那么上面这个方法需要执行 2 次运算

int aFunc(int n) {
    for(int i = 0; i<n; i++) {         // 需要执行 (n + 1) 次
        printf("Hello, World!\n");      // 需要执行 n 次
    }
    return 0;       // 需要执行 1 次
}

这个方法需要 (n + 1 + n + 1) = 2n + 2 次运算。

我们有规定：如果一个算法的执行次数是 T(n)，那么只保留最高次项，同时忽略最高项的系数后得到函数 f(n)，此时算法的时间复杂度就是 O(f(n))。

由此可见，由执行次数 T(n) 得到时间复杂度并不困难，很多时候困难的是从算法通过分析和数学运算得到 T(n)。对此，提供下列四个便利的法则，这些法则都是可以简单推导出来的，总结出来以便提高效率：

• 对于一个循环，假设循环体的时间复杂度为 O(n)，循环次数为 m，则这个
  循环的时间复杂度为 O(n×m)。

void aFunc(int n) {
    for(int i = 0; i < n; i++) {         // 循环次数为 n
        printf("Hello, World!\n");      // 循环体时间复杂度为 O(1)
    }
}

此时时间复杂度为 O(n × 1)，即 O(n)。

• 对于多个循环，假设循环体的时间复杂度为 O(n)，各个循环的循环次数分别是a, b, c…，则这个循环的时间复杂度为 O(n×a×b×c…)。分析的时候应该由里向外分析这些循环。

void aFunc(int n) {
    for(int i = 0; i < n; i++) {         // 循环次数为 n
        for(int j = 0; j < n; j++) {       // 循环次数为 n
            printf("Hello, World!\n");      // 循环体时间复杂度为 O(1)
        }
    }
}

此时时间复杂度为 O(n × n × 1)，即 O(n^2)。

• 对于顺序执行的语句或者算法，总的时间复杂度等于其中最大的时间复杂度。

void aFunc(int n) {
    // 第一部分时间复杂度为 O(n^2)
    for(int i = 0; i < n; i++) {
        for(int j = 0; j < n; j++) {
            printf("Hello, World!\n");
        }
    }
    // 第二部分时间复杂度为 O(n)
    for(int j = 0; j < n; j++) {
        printf("Hello, World!\n");
    }
}

此时时间复杂度为 max(O(n^2), O(n))，即 O(n^2)。

• 对于条件判断语句，总的时间复杂度等于其中 时间复杂度最大的路径 的时间复杂度。

void aFunc(int n) {
    if (n >= 0) {
        // 第一条路径时间复杂度为 O(n^2)
        for(int i = 0; i < n; i++) {
            for(int j = 0; j < n; j++) {
                printf("输入数据大于等于零\n");
            }
        }
    } else {
        // 第二条路径时间复杂度为 O(n)
        for(int j = 0; j < n; j++) {
            printf("输入数据小于零\n");
        }
    }
}

此时时间复杂度为 max(O(n^2), O(n))，即 O(n^2)。

---

总结一下：时间复杂度分析的基本策略是：从内向外分析，从最深层开始分析。如果遇到函数调用，要深入函数进行分析。