（数据结构C++版）（第二版）重要知识点 第一章

第一章

1.计算机能够求解的问题一般可以分为数值问题和非数值问题。
数值问题通常抽象为数学方程
非数值问题通常抽象为 线性表，树，图等；
2.非数值问题的数据组织和处理：
（1）数据的逻辑结构：线性表，树，图等数据结构，其核心是如何组织待处理的数据，以及数据之间的关系。
（2）数据的存储结构：如何将上述的数据结构存储到计算机的存储中，其核心是如何有效地存储数据以及数据之间逻辑关系。
（3）算法：如何基于数据的某种存储结构实现插入，删除，查找等基本操作，其核心是如何有效地处理数据。
（4）常用的数据处理技术：查找技术，排序技术，索引技术
3.根据数据元素之间逻辑关系的不同，数据结构分为以下四类。
（1）集合：数据元素之间就是属于同一个集合，除此之外，没有任何关系。
（2）线性结构：数据元素之间存在着一对一的线性关系。
（3）树结构：数据元素之间存在着一对多的层次关系
（4）图结构：数据元素之间存在着多对多的任意关系
4.数据的存储结构又称为物理结构，是数据及其逻辑结构在计算机中的表示。
通常有两种存储结构：顺序结构和链接存储结构
顺序结构的基本思想是：用一组连续的存储单元依次储存数据元素，数据元素之间的逻辑关系由元素的存储位置来表示。
链接存储结构的基本思想是：用一组任意的存储单元存储数据元素，数据元素之间的逻辑关系用指针表示。
5.数据的逻辑结构是从具体问题抽象出来的数据模型，是面向问题的，反映了数据元素之间的关联方式或邻接关系。
数据的存储结构是面向计算机的，其基本目标是将数据及其逻辑关系存储到计算机的内存中。为了区别于数据的逻辑存储结构，一般将数据的逻辑结构称为数据结构。
6.一种数据的逻辑结构可以用多种存储结构来存储，而采用不同的存储结构，其数据处理的效率往往是不同的。
7.抽象数据类型ADT abstract data type
数据类型和抽象数据类型的区别仅仅在于：数据类型指的是高级程序设计语言支持的基本数据类型。而ADT是指自己定义的数据类型。
8.算法必须满足五个特性：输入，输出，有穷性，确定性，可行性。
一个好的算法除了满足五大特性以外还必须满足：
正确性：算法能满足具体问题的需求，即对于任何合法的输入，算法都会得出正确的结果。
鲁棒性：鲁棒性也称为健壮性。算法对非法输入的抵抗能力，即对于错误的输入，算法应能识别并作出处理，而不是产生错误动作或陷入瘫痪。
简单性：算法容易理解和实现。简单就如同美丽一样，很大程度上取决于审视者的眼光。
抽象分级：算法中的每一个逻辑步骤可以是一条简单的指令，也可以是一个模块，通过模块调用完成相应的功能。每个模块表示一种抽象，模块的内部描述了怎么样实现抽象，而模块的名称表示了模块的功能。
高效性：算法的效率包括时间效率和空间效率；时间效率显示了算法运行得有多快，而空间效率则显示了算法需要多少额外的存储空间。
9.算法的描述方法：
常见描述算法的方法有：自然语言，流程图，程序设计语言和伪代码等
10.算法分析，主要是分析它的运行效率。
度量算法效率的方法：
事后统计，先将算法实现，然后测。缺点特别多。不精准。
渐进复杂度，这是一种事前分析估算的方法。
11.算法的时间复杂度
撇开与计算机软硬件有关的因素，影响算法时间代价的最主要因素是问题规模。
问题规模是指输入量的多少。所以说算法所需要的时间T是问题规模n的函数T（n）.
为了客观地反映一个算法的执行时间，可以用算法中基本语句的执行次数来度量算法的工作量。
基本语句是执行次数与整个算法执行次数成正比的语句，对算法运行时间贡献最大，是算法中最重要得操作。这种衡量算法的方法得出的不是时间量，而是一种增长趋势的度量。换言之，只考察当问题规模充分大时，算法中基本语句的执行次数在渐近意义下的阶，称为算法的渐进时间复杂度，简称时间复杂度。通常用O表示。
定义
若存在两个正的常数c和n0，对于任意n>=n0,都有T(n)<=cf(n),则称T（n）=O(f(n))（或者称算法在O*(f(n))中）。
该定义说明了两个函数具有相同的增长趋势，并且T(n)的增长趋势至多趋同于函数f(n)的增长，大O记号用来描述增长率的上限。（也就是说，当输入规模为n时，算法耗费时间的最大值。）
12.算法的空间复杂度。算法的空间复杂度，是指在算法执行的过程中，需要的辅助空间数量。辅助空间是算法本身和输入输出所占据的空间外，算法临时开辟的存储空间。
通常记作： S（n） = Of(n);
13常量阶：时间复杂度为O（1）。
只要T(n)不是问题规模n的函数，而是一个常数，其时间复杂度均为O(1)。例如++x；
14.线性阶;时间复杂度为O（n）;
例如：

for(int i = 1;i<=n;i++){
++x;
}

15.平方阶;时间复杂度为：O（n的平方）；
例如：

for(int i = 1;i<=n;i++){
for(int j = 1;j<=n;j++ ){
++x;
}
}

16.立方阶：时间复杂度O（n的三次方）
例如：

    for(int i = 1;i<=n;i++){
    for(int j = 1;j<=n;j++ ){
   c[i][j] = 0;
   for(int k = 1;k<=n;k++){
c[i][j]+=a[i][k]*b[k][j];
}
    }
    }

17.对数阶：时间复杂度为O（log2n）.
例如：

for(int i = 1;i<=n;i = 2*i)
++x;

18.常见时间复杂度如下
O(log2n)<O(n)<O(n*log2n)<O(n的平方)<O(n的立方)<…<O(2的n次方)<O(n!)`