知识点
- 数据:对客观事物的符号描述(图像、音乐等)。
- 数据元素:数据的基本单位(一个学生的信息记录)。
- 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)。
- 数据对象:具有相同性质的数据元素的集合。
- 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)
- 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)
- 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)
- 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
- 线性结构
- 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
- 算法:求解步骤。对特定问题的求解步骤的一种描述
- 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
- 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++;
}