数据结构:
什么是数据结构:
数据结构就是数据对象,以及存在于该对象的实例和组成实例的数据块元素之间的各种关系,这些联系可以通过相关的定义来给出.
数据结构是ADT(抽象数据类型Abstract DataType)的物理实现
抽象数据类型分为两类:
①数据对象集:数据集合相关联的操作集
抽象:描述数据类型方法不依赖于具体实现,不关心数据类型,数据语言,实现环境②数据结构是计算机中存储,组织数据的方式.通常情况下,精心选择的数据结构可以到来最优效率的算法.
什么是算法(Algorithm):
数据对象在计算机中的组织方式,数据的对象必定与一系列加在其上的操作相关联,完成这些操作所用的方法就是算法
特点:
1.一个有限指令集
2.接受一些输入(有些情况不需要输入)
3.产生输出
4.一定在有限步骤之后结束
5.每一条指令必须 有充分明确的目标,不可以有歧义 计算机能处理的范围之内 描述应不依赖于任何一种计算机语言以及具体的实现手段
数据结构的作用:
新数据怎么插入,如何找到指定的数据 解决问题方法的效率,跟数据的组织方法相关
一.如何衡量好的算法
1.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.空间复杂度过高的算法有可能导致使用的内存超限,造成程序非正常中断
2.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. 这个长度往往与数据数据的规模有关.时间复杂度过高的低效算法有可能导致时间过长
3.分析一般算法效率
最坏情况复杂度(一般用这个表示)
平均复杂度
4.复杂度的渐进表示法
处理大规模的问题时,效率的些许差异都将对实际执行效率产生巨大的影响。 更为关注时间复杂度的总体变化趋势和增长速度的策略和方法,即渐进分析
①大O记号
假设f(n)和g(n)的定义域是非负整数,存在两个正整数c和n0,使得n>n0的时候,f(n)≤c*g(n),则f(n)=O(g(n))。
可见O(g(n))可以表示算法运行时间的上界。O(g(n))表示的函数集合的函数是阶数不超过g(n)的函数。
②Ω记号
Ω(g(n))表示的函数集合的函数是所有阶数超过g(n)的函数。
③Θ记号
Θ记号介于大O记号和Ω记号之间。他表示,存在正常数c1,c2,n0,
当n>n0的时候,c1*g(n)≤f(n)≤c2*g(n),则f(n)=Θ(g(n))。他表示所有阶数与g(n)相同的函数集合。
④小o记号
f(n)=o(g(n))当且仅当f(n)=O(g(n))且f(n)≠Ω(g(n))。
也就是说小o记号可以表示时间复杂度的上界,但是一定不等于下界。
T(n) = O(f(n)) 表示存在常数C > 0, n0 > 0 使得当 n >= n0 时有T(n) <= C·f(n)
T(n) = Ω(g(n)) 表示存在常数C > 0, n0 > 0 使得当 n >= n0 时有T(n) >= C·g(n)
T(n) = Θ(h(n)) 表示同时有T(n) = O(h(n)) 和 T(n) = Ω(h(n))