【数据结构】初识数据结构

一、数据结构的基本概念

1、基本概念和术语

（1）数据：数据是信息的载体，是描述客观事物属性的数、字符及所有能输入到计算机中并被计算机程序识别和处理的符号的集合。
（2）数据元素：数据元素是数据的基本单位；一个数据元素可由若干数据项组成，数据项是构成数据元素的不可分割的最小单位。例如：学生记录就是一个数据元素，它由学号、姓名、性别等数据项组成。
（3）数据对象：数据对象是具有相同性质的数据元素的集合，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此集合上的一组操作的总称。

• 原子类型：其值不可再分的数据类型。例如：整型、单精度浮点型、双精度浮点型、字符型。
• 结构类型：其值可以再分解为若干成分（分量）的数据类型。例如：结构体类型、枚举类型。
• 抽象数据类型：抽象数据组织及与之相关的操作。

（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，它们之间存在某种关系，这种数据元素相互关系的关系称为结构。

• 数据结构包括三方面的内容：逻辑结构、存储结构（物理结构）和数据的运算。
• 数据的逻辑结构和存储结构密不可分，一个算法的设计取决于选定的逻辑结构，而算法的实现依赖于采用的存储结构。

二、数据结构三要素

1、数据的逻辑结构

（1）逻辑结构：逻辑结构是指数据元素之间的逻辑关系，即从逻辑关系上描述数据，与数据的存储无关，独立于计算机。
（2）数据的逻辑结构分为线性结构和非线性结构：

• 线性结构：结构中的数据元素只存在一对一的关系。如线性表是典型的线性结构，还有数组、链表、串、栈和队列等。
• 非线性结构：结构中的数据元素存在一对多或多对多的关系。如二叉树便是典型的一对多的非线性结构。图是典型的多对多的非线性结构，如有向图、无向图。集合也是一种非线性结构，结构中的数据元素之间除“同属一个集合”外，别无其他关系。

2、数据的存储结构

（1）存储结构：存储结构是指数据结构在计算机中的表示（又称映像），也称物理结构。它包括数据元素的表示和关系的集合。数据的存储结构是用计算机语言实现的逻辑结构，依赖于计算机语言。
（2）数据的存储结构主要有顺序存储、链式存储、索引存储和散列存储。

• 顺序存储：逻辑上相邻的元素在物理上也相邻，元素之间的关系由存储单元的邻接关系来体现。优点：可以实现随机存取、每个元素占用最少的存储空间；缺点：只能使用相邻的一整块连续的存储单元，容易产生较多的外部碎片。
• 链式存储：逻辑上相邻的元素在物理上不必相邻，借助指示元素的存储地址的指针来表示元素之间的逻辑关系。优点：不会出现碎片现象，能够充分利用所有存储单元；缺点：每个元素因存储指针而占用额外的存储空间，容易浪费存储空间，只能实现顺序存取。
• 索引存储：在存储元素信息的同时，还建立附加的索引表。索引表中的每项称为索引项，索引项的一般形式是（关键字，地址）。优点：检索速度快；缺点：附加的索引表额外占用存储空间，增加和删除数据时也要修改索引表，会花费较多时间。
• 散列存储：根据数据元素的关键字直接计算出该元素的存储地址，又称哈希存储。优点：检索、增加和删除结点的操作很快；缺点：若散列函数选择不好，可能出现元素存储单元的冲突，解决冲突会增加时间和空间开销。

3、数据的运算

（1）施加在数据上的运算包括运算的定义和实现。运算的定义是针对逻辑结构的，指出运算的功能。运算的实现是针对存储结构的，指出运算的具体操作步骤。

三、算法和算法评价

1、算法的基本概念

（1）算法：算法是对特定问题求解步骤的一种描述，它是指令的有限序列，其中的每条指令表示一个或多个操作。算法还具备下列五个重要特性：

• 有穷性：一个算法必须总在执行有穷步之后结束，且每一步都可在有穷时间内完成。
• 确定性：算法中每条指令都有确切的含义，对于相同的输入只能得到相同的输出。
• 可行性：算法中描述的操作都可以通过已经实现的基本运算执行有限次来实现。
• 输入：一个算法有零个或多个输入，这些输入取决于某个特定的对象的集合。
• 输出：一个算法有一个或多个输出，这些输出是与输入有着某种特定关系的量。

（2）设计一个“好”的算法应该考虑的目标：

• 正确性：算法应能够正确地解决求解问题。
• 可读性：算法应具有良好地可读性，便于理解。
• 健壮性：输入非法数据时，算法能适当地做出反应或进行处理，不会产生莫名其妙地输出结果。
• 效率与低存储量需求：效率是指算法执行地时间，存储量需求是指算法执行过程中所需要地最大存储空间。

2、算法效率的度量

（1）算法效率的度量是通过时间复杂度和空间复杂度来描述的。
（2）时间复杂度：一个语句的频度是指该语句在算法中被重复执行的次数。算法中所有语句的频度之和记为T(n),它是该算法问题规模 n的函数，时间复杂度主要分析 T(n)的数量级。算法的时间复杂度记为：T(n)=O(f(n))，式中O的含义是T(n)的数量级，f(n)为算法中基本运算的频度。

算法的时间复杂度不仅依赖于问题的规模n，也取决于待输入数据的性质（如输入数据元素的初始状态）

（3）常见的渐进时间复杂度为：

• O(1)<O(log2n)<O(n)<O(nlog2n)<O(n^3<O(n!)

（4）空间复杂度：算法的空间复杂度S(n)定义为该算法所耗费的存储空间，它是问题规模 n的函数。

空间复杂度记为：S(n)=O(g(n))

（5）一个程序在执行时除需要存储空间来存放本身所用的指令、常数、变量和输入数据外，还需要一些对数据进行操作的工作单元和存储一些为实现计算所需信息的辅助空间。若输入数据所占空间只取决于问题本身，和算法无关，则只需分析除输入和程序之外的额外空间。
（6）算法原地工作：算法原地工作是指算法所需的辅助空间为常量，即O(1)。