入门——数据结构
数据结构
数据:是描述客观事务的符号,是计算机可以操作的对象。
数据元素:是组成数据的、有一定意义的基本单位。
数据项:一个数据元素可以由若干个数据项组成。数据项是数据不可分割的最小单位。
数据结构:是相互之间存在一种或多种特定关系的数据元素的集合。
逻辑结构和物理结构
逻辑结构
逻辑结构:是指数据对象中数据元素之间的相互关系。
- 集合结构:集合结构中的数据元素除了同属于一个集合之外,它们之间没有其他任何关系。
- 线性结构:线性结构中的数据元素之间是一对一的关系。
- 树形结构:树形结构中的数据元素之间存在一种一对多的层次关系。
- 图形结构:图形结构的数据元素是多对多的关系。
物理结构
物理结构(存储结构):是指数据的逻辑结构再计算机中的存储形式。
-
顺序存储
是把数据元素存放在地址连续的存储单元里,其数据间的逻辑关系和物理关系是一致的。
-
链式存储
是把数据元素存放在任意的存储单元里,这组存储单元可以是连续的,也可以是不连续的。这样的存储关系不能表示其逻辑关系,因此需要用一个指针存放数据元素的地址,这样通过地址就可以找到相关联的数据元素的位置。
算法
算法是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,并且每条指令表示一个或多个操作。
算法的特性
算法具有五个基本特性:输入、输出、有穷性、确定性和可行性。
-
输入输出
算法具有零个或多个输入;算法至少有一个或多个输出。
-
有穷性
指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,并且每一个步骤在可接受的时间内完成。
-
确定性
算法的每一步都具有确定的含义,不会出现二义性。
-
可行性
算法的每一步都能够通过执行有限次数完成。
时间复杂度
在进行算法分析时,语句总的执行次数T(n)是关于问题规模n的函数,进而分析T(n)随n的变化情况并确定T(n)的数量级。
算法的时间复杂度,也就是算法的时间度量,记作:T(n)=O(f(n))。( f(n)是问题规模n的某个函数) 它表示随问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐进时间复杂度,简称时间复杂度。
推导大O阶方法
- 用常数1取代运行时间中的所有加法常数;
- 在修改后的运行次数函数中,只保留最高阶项;
- 如果最高阶项存在且不是1,则去除与这个项相乘的常数,得到的结果就是大O阶。
常用时间复杂度所耗费的时间:
O(1)<O(logn)<O(n)<O(nlogn)<O(n2)<O(n3)<O(2^n)
空间复杂度
算法的空间复杂度通过计算算法所需的存储空间实现,算法空间复杂度的计算公式记作:S(n)=O(f(n)),其中n为问题的规模,f(n)为语句关于n所占存储空间的函数。