一、思维导图
二、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,通常作为一个整体进行考虑和处理。
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。
- 结构类型。其值可以再分解为若干成分(分量)的数据类型。
- 抽象数据类型(ADT)。
定义一个ADT,就是定义了数据的逻辑结构、数据的运算。也就是定义了一个数据结构。
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。这种数据元素相互之间的关系称为结构。
数据的逻辑结构和存储结构是密不可分的两个方面,一个算法的设计取决于所选定的逻辑结构,而算法的实现依赖于所采用的存储结构。
三、算法
1.算法的5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。算法中每条指令必须有确切的含义,对于相同的输入只能得出相同的输出。
- 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,这些输入取自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.“好”的算法的目标:
- 正确性。算法应能够正确地解决求解问题。
- 可读性。算法应具有良好的可读性,以帮助人们理解。
- 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,而不会产生莫名其妙的输出结果。
- 效率与低存储量需求。效率是指算法执行的时间,存储量需求是指算法执行过程中所需要的最大存储空间,这两者都与问题的规模有关。
3.时间复杂度
算法中所有语句的频度之和记为T(n),n为问题规模。时间复杂度主要分析T(n)的数量级。
算法中最深层循环内的语句的频度与T(n)同数量级,因此通常采用最深层循环内的语句的频度f(n)来分析算法的时间复杂度。
T(n)= O( f(n) )
式中,O的含义是T(n)的数量级。
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)。
- 最坏时间复杂度 是指在最坏情况下,算法的时间复杂度。
- 平均时间复杂度 是指所有可能输入实例在等概率出现的情况下,算法的期望运行时间。
- 最好时间复杂度 是指在最好情况下,算法的时间复杂度。
一般总是考虑在最坏情况下的时间复杂度,以保证算法的运行时间不会比它更长。
在分析一个程序的时间复杂性时,有以下两条规则:
- 加法规则 :T(n)= T1(n) + T2(n)= O(f(n)) + O(g(n)) = O( max( f(n), g(n) ) )
- 乘法规则: **T(n)= T1(n)xT2(n) = O(f(n))O(g(n)) = O( f(n)g(n) )
常见的渐近时间复杂度为
4.空间复杂度
算法的空间复杂度S(n) = O(g(n))
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。
算法原地工作是指算法所需的辅助空间为常量,即O(1)。
复习考研资料为王道考研书,目的为增强复习效果