第一章：基本数据结构

第一章：基本数据结构

Part 1：算法复杂度¹

1、时间复杂度

执行当前算法所耗费的“时间”（并非真实的时间，而是一种趋势）常采用大O表示法，即
$$T(n)=O[f(n)]$$
其中f(n)表示每行代码执行次数之和（假设每行代码执行时间相同），下面给个例子

for (int i = 0; i < n; ++i)
  int j = i;

$$T(n)=\underset{n\to +\infty }{\lim }O(1+n)=O(n)$$

为什么会使用到极限工具，因为该公式的全称是算法的渐进时间复杂度，并不代表真实的算法执行时间，而是算法执行时间的变化趋势

2、空间复杂度

执行当前算法所占的“空间”，也采用大O表示法，即
$$S(n)=O[f(n)]$$
其中f(n)表示算法运行时所占用空间的度量，同样也是一个趋势

Part2：线性表

1、线性表的分类

• 顺序存储：逻辑上相邻，物理上也相邻——顺序表
• 链式存储：逻辑上相邻，物理上不一定相邻——链式表

2、顺序表

常采用一维数组实现

3、链式表

3.1 实现方式
$$\{\begin{array}{l}指针\{\begin{array}{l}单链表\stackrel{扩展}{⟶}双链表\\ 双链表\stackrel{扩展}{⟶}循环双链表\end{array}\\ 数组\end{array}$$
3.2指针实现方式

这个我实在是无法用markdown的mermaid来表示，只能先用图片的方式来代替一下，看看以后有没有方法用绘图的方式来表示

3.3数组实现方式

Part3：栈和队列

从本质上说，栈和队列即为操作受到限制的线性表

• 满足“后进先出”原则——栈
• 满足排队“先进先出”原则——队列

1、栈的实现

$$\{\begin{array}{l}指针:链栈\\ 数组:顺序栈\end{array}$$

2、队列的实现

$$\{\begin{array}{l}指针:链式队列\\ 数组:顺序队列\stackrel{扩展}{⟶}循环队列\end{array}$$

特殊的队列：双端队列

3、栈和队列的应用

3.1 栈的应用

3.1.1括号匹配

基本思路：扫描括号，如果栈顶元素和其匹配，则将栈顶元素出栈；如果不匹配，则将该括号入站

3.1.2中/后缀表达式

1. 两个表达式：中缀与后缀

   • 中缀表达式

     即为正常人看得懂的表达式，如下例所示
     $$A+B\ast (C-D)+E/F$$

   • 后缀表达式

     计算机喜欢的表达式，如下例所示
     $$ABCD-\ast +EF/$$

2. 用栈求后缀表达式的值

   基本思路：从左到右扫描后缀表达式，如果遇到数字则入栈；如果遇到操作符，则从栈中取出两个数字运算，将运算结果入栈。扫描完毕，计算结束

3. 中缀表达式转为后缀表达式

   从左到右扫描中缀表达式，如果

   • 遇到数字，直接输出

   • 遇到操作符（operator）

     • 括号

       • “(”直接入栈
       • “)“出栈到”(”

     • 普通操作符（加减乘除）

       入栈的operator要在范围内当老大，那么出栈高优先级的operator

   扫描结束，全部出栈，结合一个例子来说明一下

3.2 队列的应用

在树的层次遍历中，采用队列实现

基本思想：首先根结点入队；然后出队第一个结点，并将其左右孩子入队。

Part4：多维数组

1、多维数组的存储

1.1 二维数组
$$\left(\begin{array}{cc}{a}_{00}& a_{01}\\ a_{10}& a_{11}\end{array}\right)$$

• 按照行优先：C语言采用
  $$a_{00},a_{01},a_{10},a_{11}$$

• 按照列优先：FORTRAN语言采用
  $$a_{00},a_{10},a_{01},a_{11}$$

1.2 高维数组

设有高维数组
$$A_{2\ast 3\ast 4}$$

• 按照右侧下标优先
  $$A_{000},A_{001},A_{002},A_{003}....$$

• 按照左侧下标优先
  $$A_{000},A_{100},A_{010},A_{110}....$$

2、矩阵（二维数组）的降维

虽然说矩阵降维之后其高维的信息就会丢失，但是对于一些特殊的矩阵，可以采用一些特殊的手段，将其降维，并且保留其所有信息。

2.1主对角线相关矩阵

2.2稀疏矩阵

仅有几个非0元素的矩阵，故我们仅需存储其非0元素即可，常用结构数据或者十字链表法

---

1. 算法的时间与空间复杂度(https://zhuanlan.zhihu.com/p/50479555) ↩︎