数据结构与算法—1、概述

一、什么是数据结构与算法分析

  在计算机科学中，数据结构（Data Structure）是计算机中存储、组织数据的方式。算法用来设计一种使用计算机来解决问题的方法。

1、数据结构

  我们经常会听到有人说 起：程序 = 数据结构 + 算法，当我们遇到一个问题，或有一个需求时，在设计程序来解决问题时，其中重要一步就是设计数据结构。
  数据结构在问题解决中主要用来：存放要处理的数据实现算法策略数据结构可以用一个四元组来表示：

DataStructure = (D, L, S, O)
       数据元素（D）
       数据元素之间的逻辑关系(L)
       逻辑关系在计算机中的存储结构（S）
       所规定的操作（O）

---

2、算法

  （1）算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。
  （2）通俗来说：解决特定问题求解步骤的描述分析问题，一步一步求解，并得到结果。这一系列的步骤就称之为算法。

---

3 、数据结构与算法的作用

  但凡有数据“扎堆”的地方，就有数据结构的影子

  但凡有数据结构的地方，脱离不了算法的“折磨”

---

二、数据结构

1、数据之间的关系——逻辑结构

  逻辑结构：是指数据元素之间的相互关系，是我们 想象出来的，并没有实质性的将其存储在计算机中。

逻辑结构可分为：

• 线性结构：线性结构中的数据元素之间是一对一的关系
  

• 树形结构：树形结构中的数据元素之间存在一种一对多的层次关系
  

• 图形结构：图形结构的数据元素是多对多的关系
  

---

2、关系在计算机上的存储——物理结构

  物理结构：是指数据的逻辑结构在计算机中的具体存储形式。

物理结构可分为：

• 顺序存储结构：开辟一组连续的空间存储数据
  通常用数组来实现，数组中空间本身是连续的，保证了数据之间的关系

• 链式存储结构：开辟一组随机的空间存储数据
  通常用节点来实现，节点不仅要存储数据还要存储下一个节点的位置以保证数据之间的关系
  

---

3、线性结构的物理存储方式

---

4、树形结构的物理存储方式

---

5、图形结构的物理存储方式

---

三、算法

  是解决特定问题求解步骤的描述分析问题，一步一步求解，并得到结果这一系列的步骤就称之为算法算法

生活实例：

      做一个番茄炒蛋的算法是什么。可能是下面这样的。
          第一步，准备食材。
          第二步，将鸡蛋打散炒熟捞起来。
          第三步，将番茄切块炒出汁。
          第四步，加盐、白糖和葱花，倒入鸡蛋炒匀。
          第五步，出锅。
      这五步就是制作番茄炒蛋的算法。

1、算法的五个特征：

• 有穷性（Finiteness)：算法的有穷性是指算法必须能在执行有限个步骤之后终止；
• 确切性 (Definiteness)：算法的每一步骤必须有确切的定义；
• 输入项(Input)：一个算法有0个或多个输入，以刻画运算对象的初始情况，所谓0个输入是指算法本身定出了初始条件；
• 输出项(Output)：一个算法有一个或多个输出，以反映对输入数据加工后的结果。没有输出的算法是毫无意义的；
• 可行性(Effectiveness)：算法中执行的任何计算步骤都是可以被分解为基本的可执行的操作步骤，即每个计算步骤都可以在有限时间内完成（也称之为有效性）。

---

2、如何评价算法的好坏

（1）空间复杂度

  空间复杂度(Space Complexity)：对一个算法在运行过程中临时占用存储空间大小的量度，记做S(n)=O(f(n))。
  比如直接插入排序的时间复杂度是O(n^2),空间复杂度是O(1) 。而一般的递归算法就要有O(n)的空间复杂度了，因为每次递归都要存储返回信息。一个算法的优劣主要从算法的执行时间和所需要占用的存储空间两个方面衡量。

（2）时间复杂度

  在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间量度，记作：T(n)=O(f(n))。它表示随着问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度。简称时间复杂度。其中f(n)是问题规模n的某个函数。

  算法时间复杂度主要探究的是问题输入规模N的数量级
  不是算法的具体执行次数

常见的时间复杂度的比较