数据结构 - 1 基本概念

1 基本概念

1.1 什么是数据结构

例1 如何在书架上摆放图书？





例2 传入一个正整数N，顺序打印从1到N的全部正整数：

//循环实现
void printN(int N){
	int i;
	for(i=1;i<=N;i++)
		printf("%d\n",i);
}
//递归实现
void PrintN(int N){
	if(N){
		PrintN(N-1);
		printf("%d\n",N);
	}
}

循环实现能够成功打印，但是递归不能
递归程序占用空间大
解决问题方法的效率，跟空间的利用效率有关

第2个函数标准

使用clock()来测试程序运行时间


但是，有的程序跑完所用时间会很小，约等于0，此时，可以重复执行程序

什么是数据结构

逻辑结构：线性结构（一对一）、树（一对多）、图（多对多）
物理存储结构：在计算机中是用数组来存还是链表来存

抽象数据类型

对于a是float还是double都不管，ElementType就是a的类型
当将矩阵的类型由int改为double后，虽然可以使用replace将int替换为double，但是可能有的不需要替换，要小心，ElementType的好处就在这体现出来了

1.2 什么是算法

算法不像操作系统，os只要不关机永远在与运行

什么是好算法

时间复杂度T(n)

根据算法写成的程序在执行时耗费时间的长度。这个长度往往也与输入数据的规模有关。过高会导致等不到结果。

空间复杂度S(n)

根据算法写成的程序在执行时占用存储单元的长度。这个长度往往与输入数据的规模有关。过高会导致使用的内存超限，造成程序非正常中断。

S(N)=C*N

100000、99999、99998。。。不是指它占这么大的内存，而是指printN(100000)、printN(99999)、printN(99998)。。。在相同里存的一块内容，应该是printN(n)这个函数所有的当前的状态。
递归每次调用时都会占用一定的内存空间来存储信息，而for循环只用了临时变量和for循环，没有设计任何程序调用的问题，所以他占用的空间是个常量。
机器对于加减法运算的时间比乘除法运算的时间要少的多，所以加减法运算时间可以忽略不计。
对于上面第一个程序，每次for循环里，pow(x,i)执行i-1次乘法，再加上前面的a[i]*，一共是i次乘法

复杂度的渐进表示法

分析算法的复杂度，没必要把一步步的数，把哪个操作做了多少次都数明白了。
关心的只是，随着要处理的数据的规模的增大，它的复杂度增长的性质会怎么样。比如说，在比较前面2个算法时，我们只要知道，当n很大时，第一个算法的时间复杂度，基本上就是n平方在起主要作用，第二个算法是n在起主要作用。当n充分大时，第一个算法肯定比第二个算法慢。
只要粗略的知道增长趋势就完了，于是有了渐进表示法

函数的上界和下界不一定只有1个，不管是上界还是下界，都尽可能地跟它的真实情况贴的越近越好，所以取得是我们能找到的最小的上界和最大的下界

log n不管以什么为底他都只是差一个常数倍而已，它的底无关紧要

当看到一个算法是n² 时，下意识地看能不能将其降为nlogn



logn非常小

1.3 应用例子：最大子序和问题

例子：

算法1：暴力法。三层嵌套for循环，可以证明是1个N³ * 1个常数

由上图可知，当知道i到j之和时，再加1个数就可以了，所以k那个循环可以省略

要尽可能的把n² 改进为nlogN

算法3：分治法，把1个比较大的复杂的问题切分成小的块，然后分头去解决它们，最后再把结果合并起来
把它分成2部分，左半部分递归查找最大的，右半部分递归查找最大的，在查找中间部分最大的

计算时间复杂度：想象，当解决的整个问题里有N个数字的时候，如果复杂度记作T(N)，那么可得半边数字的复杂度为T(N/2)，因为规模减半了。
红色的中间部分：因为要从中间扫描左边然后扫描右边，每一个元素都被扫描了1次，所以复杂度应该是N的一个常数倍


正确性不是很明显（不好理解）