2020-12-18

数据结构从入门到精通

数据结构相关概的概念和术语
数据结构三要素:逻辑结构 物理结构 数据运算
算法的时间复杂度和空间复杂度的分析与计算

---

前言

提示：这里可以添加本文要记录的大概内容：
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、数据结构的基本概念

1.数据:数据是信息的载体，是描述客观事物属性的数、字符以及所有能够输入到计算机中并且被计算机程序识别和处理的符号的集合。数据是计算机程序加工的原料。
2.数据元素：数据元素是数据的基本单位，通常作为一个整体进行考虑和处理。一个数据元素可以由若干个数据项所构成，数据项是构成数据元素不可分割的最小单位。举个栗子，公民就是一个数据元素，公民的姓名、性别、身份证ID都是数据项。
3.数据对象：相同性质数据元素的集合，是数据的一个子集。
4.数据类型： 数据类型是一个值的集合和定义在这个集合上面的一组操作的总称。
1)原子类型：值不可以再分的数据类型
2)结构类型：值可以再分成若干分量的数据类型
3)抽象数据类型：抽象数据组织以及与之相关的操作
5.数据结构：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，在任何问题中，数据元素都不是孤立存在的，数据元素之间的关系就称为结构（Structure），数据结构包括三方面的内容：逻辑结构 物理结构 数据运算。

二、算法效率的度量

算法时间复杂度

一个语句的频度是指该语句在算法中被执行的次数，算法中所有语句的频度之和记为T(n),它是算法规模n的函数，时间复杂度主要分析T(n)的数量级，算法中基本运算（最深层循环的语句）的频度与T(n)同数量级，因此通常采用算法中基本运算的频度f(n)来分析算法的时间复杂度,算法的时间复杂度定义为T(n)=O(f(n))，O的含义是T(n)的数量级，其严格的数学定义是:若T(n)和f(n)是定义在正整数集合上面的两个函数，则存在正常数C和n0，使得n>=n0时，都满足0<=T(n)<=C(f(n)).
时间复杂度分析举例：

void fun(int n)
{
	int i = 1;
	while(i<=n)
	i=i*2;
}

T（n）=O(log2n)

{
	x=2;
	while(x<n/2)
	x=2*x
}

T(n) = O(log2n)

int fact(int n)
{
	if(n<=1) return 1;
	return fact(n)*fact(n-1)
}

T(n) = O(n)

count=0;
for(k=1;k<n;k*=2)
	for(j=1;j<n;j++)
	count++;

T(n)=O(log2n)

int fact(int n)
{
	int i=0,sum=0;
	while(sum<n)sum += ++i;
}

T(n)=O(n1/2)

for(i=n-1;i>1;i--)
	for(j=1;j<i;j++)
	if(A[j]>A[j+1])
	将A[j]和A[j+1]对换

最后一行语句在最坏的情况下的频度为O(n2)