数据结构复习--绪论

知识点

1. 数据：对客观事物的符号描述（图像、音乐等）。
2. 数据元素：数据的基本单位（一个学生的信息记录）。
3. 数据项：组成数据元素的最小单位，一个数据元素可以由多个数据项组成（学号、姓名等）。
4. 数据对象：具有相同性质的数据元素的集合。
5. 数据结构：存在一种或多种特定关系的数据元素的集合，包括逻辑结构、存储结构、数据的运算。可以用二元组的形式表示，即数据元素和数据关系。

Data_Struct = （D，R）

6. 数据类型：一个值的集合和定义在这个集合的一组操作的总称（int，double，boolean等）
7. 抽象数据类型：由用户定义的、表示问题的数据模型以及定义在该模型上的操作的总称（SQlist等）
8. 逻辑结构
   • 线性结构
     线性表（一般线性表、数组、栈、队列、串）特点：一对一
   • 非线性结构
     集合
     树形结构 特点：一对多
     图形结构或网状结构 特点：多对多
9. 存储结构/物理结构
   • 顺序存储:逻辑上相邻的数据元素，物理上也相邻（常用）
   • 链式存储:在每一个元素后加一个指针域存储下一个元素的地址（常用）
   • 索引存储:单独开辟空间存储索引表，索引表存储各数据元素的地址，一般存储格式为（关键字，地址）
   • 散列/哈希/Hash存储:使用散列函数、元素的关键字计算出数据元素的地址
10. 算法：求解步骤。对特定问题的求解步骤的一种描述
11. 算法的特性
    • 有穷性：算法的步骤、时间有穷
    • 确定性：输入相同的数据，结果相同
    • 可行性：可以执行的
    • 输入：0到多个输入
    • 输出：1到多个输出
12. 算法的目标/好算法具有的特性
    • 正确性：正确解决问题
    • 可读性：便于理解
    • 健壮性：对于非法数据有相应处理
    • 高效性：
      度量原则：时间复杂度/渐进时间复杂度（Time Complexity）、空间复杂度（Space Complexity）
      解释：

时间复杂度：记做T(n)，是算法中基本语句的频度的数量级
基本语句：循环最深层次的语句
语句频度（Frequency Count）：一条语句在算法中的执行次数。
语句频度之和：使用f(n)表示
数量级（Order of Magnitude）：使用大O表示
加法原则：O(f(n))+O(g(n))=O(max(f(n),g(n)))
乘法原则：O(f(n))*O(g(n))=O(f(n)*g(n))
最好时间复杂度：算法在最好情况下的时间复杂度
最坏时间复杂度：算法在最坏情况下的时间复杂度
平均时间复杂度：在各种情况出现概率相同时的算法计算量。
T(n) = O(f(n))

空间复杂度：算法所需要的存储空间的度量，记做S(n)

练习题

求下列算法的时间复杂度

/**
O(1)，原因：下面的循环次数不会改变，是固定的.
不管循环1次还是1万次，时间复杂度都是O(1)
**/
x = 90;
y = 100;
while(y > 0)
{
	if(x > 100)
	{
		x = x - 10;
		y--;
	}
	else
	{
		x++;
	}
}

/**
O（log3(n)），假设i=i*3语句执行了x次。
则最后一次判断时i = 3^x，且i>n。所以x=log3(n)
**/
i = 1;
while(i <= n)
{
	i = i * 3;
}

/**
O(n^2)
第一次外层循环，内层循环了n-1次，以此类推：n-1,n-2,...,1。
总执行次数为n(n-1)/2,所以时间复杂度为O(n^2)
**/
x = 0;
for( int i = 1;i < n;i ++)
{
	for(int j = 1;j < n - i;j++)
	{
		x++;
	}
}

/**
O(n^(1/2))
假设y++s执行了t次，则最后一次判断时，（t+1）^2 > x = n。
解得n^(1/2)-1，所以时间复杂度为O(n^(1/2))
**/
x = n;
y = 0;
while(x >= (y+1)*(y+1))
{
	y++;
}