数据结构与算法 01 概述 → 数据结构分类&&初识算法

1.1 数据结构与算法概述

---

1.1.1 什么是数据结构？

数据结构是一门研究非数值计算的程序设计问题中的操作对象，以及他们之间的关系和操作等相关问题的学科。


大白话：数据结构 就是把数据元素按照一定的关系组织起来的集合，用来组织和存储数据。

---

1.1.2 数据结构分类

传统上，我们可以把数据结构分为 “逻辑结构” 和 “物理结构” 两大类。

逻辑结构分类：

逻辑结构是从具体问题中抽象出来的模型，是抽象意义上的结构，按照对象中数据元素之间的相互关系分类，也是我们后面课题中需要关注和讨论的问题。

1. 集合结构：集合结构中数据元素除了属于同一个集合外，他们之间没有任何其它的关系。
   

2. 线性结构：线性结构中的数据元素之间存在一对一的关系。
   

3. 树形结构：树形结构中的数据元素之间存在一对多的层次关系。
   

它们的本质区别在于，不同的结构 是按照 存储数据之间的关系是不同的，然后来分类的。

4.图形结构：图形结构的数据元素是多对多的关系。（算是 这些结构里 难理解的结构。）

---

物理结构分类：

逻辑结构在计算机中真正的表示方式（又称为映像）称为 “物理结构”，也可以叫做 存储结构。常见的物理结构有 “顺序存储结构” 和 “链式存储结构”。

1. 顺序存储结构：
   
    把数据元素放到地址连续的存储单元里面，其 数据间的逻辑关系和物理关系是一致的。比如我们常用的 “数组” 就是顺序存储结构。
   
   
    顺序存储结构存在一定的弊端，就像生活中排队时，会有人插队，甚至可能有人突然离开，也就是我们所谓的 “插入数据” 和 “删除数据”，这个时候 整个结构都处于变化当中！那么此时 就需要 链式存储结构。

优点：这种结构，一般都是 具有索引的，所以我们可以直接通过索引 对 元素 进行相关的操作。

插入数据举例：比如在 3 后面插入 一个 18，那么你就需要 把 4 5 6 7 8 9 都往后移动一位，然后 再把 18 这个值 赋予在 以前 4 的 下标位置处！（这是很 低效率的）

2. 链式存储结构：
   
    是把数据元素存放在任意的存储单元里面，这组存储单元可以是连续的也可以是不连续的。此时，数据元素之间并不能反映元素之间的逻辑关系。因此在链式存储结构中 引进了一个叫做指针的东西 用来存放数据元素的地址！，这样子，通过指针存储的下一个元素的地址，就可以实现一对一的数据关系了。
   
   
    链式存储结构存在一定的弊端，查找某个元素的时候，可能需要遍历很多元素，这样效率会极低。并且这种链式存储结构，开发者在编写的时候，很容易出现内存泄漏等一些问题。

*优点：这种结构，因为是随便开辟空间，存储数据的。并且是由 指针建立关系的。所以插入数据的话，很简单。

插入数据：比如在 3 和 4 之间插入一个数据。那就直接开辟一个空间，先存储这个数据。然后 把 3 的指针 存储 这个新开辟空间的内存地址，这个新开辟的空间 指针 存储 4 的那个内存地址。相关的操作，同理！（这样的话，它的效率是非常非常高的！）

---

1.1.3 什么是算法？

算法是指解决问题提出方案的准确而完整的描述，是解决问题的一系列清晰指令，算法代表着用系统的方法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。


大白话：根据一定的条件，对一些数据进行计算和处理，并且得到需要的结果。（并非是 效率高的，才叫做算法！）

---

1.1.4 算法初体验

在生活中，我们如果遇到某个问题，常常解决方案不是唯一的。

例如①：从西安到北京，如何去？会有不同的解决方案，我们可以坐飞机，可以坐火车，可以坐汽车，甚至可以步行。但不同的解决方案给我们带来的时间和金钱成本是不一样的！比如说，坐飞机用的时间最少，但费用最贵。步行费用最低，但时间却很长。


例如②：在北京二环买一套四合院，如何付款？也会有不同的解决方案。可以一次性现金付清，也可以通过银行坐按揭，这两种解决方案带来的成本是不一样的。一次性付清，虽然当时付出的钱财很多，压力很大，但没有 利息。按揭虽然付出的钱财少，压力小，但会有利息跟着你。（而且 30年的总利息 几乎是贷款额度的一倍，这意味着 你要付出比原来价格更多的钱！！）

在程序中，我们也可以用不同的算法解决相同的问题，而不同的算法的成本是不同的。所需时间也是不同的。从总体上来看，一个优秀的算法，需要追求以下两个目标：

1. 花最少的时间完成需求
2. 占用最少的内存空间完成需求

下面我们用一些实际案例体验一些 算法。

---

1.1.5 需求①

  计算 1 到 100 的和

第一种解法：暴力循环

public class 求和{
    public static void main(String[] args) {
        int sum = 0;
        int n = 100;
        for(int i = 1;i <= n;++i)
        {
            sum += i;
        }
        System.out.println("sum=" + sum);
    }
}

第二种解法：高斯公式

public class 求和 {
    public static void main(String[] args) {
        /*int sum = 0;
        int n = 100;
        for(int i = 1;i <= n;++i)
        {
            sum += i;
        }
        System.out.println("sum=" + sum);*/
        
        int sum = 0;
        int n = 100;
        sum = (n+1)*n/2;
        System.out.println("sum="+sum);
        
    }
}

第一种解法要完成需求，要完成以下几个动作：

1. 定义两个整型变量;
2. 执行 100 次加法运算;
3. 打印结果到控制台;

第二种解法要完成需求，要完成以下几个动作：

1. 高斯公式

---

1.1.6 需求②

  计算 10 的阶乘

第一种解法：递归求解

public class 阶乘 {
    public static void main(String[] args) {
        System.out.println(f(10));
    }

    public static int f(int n)
    {
        if(n == 1)
            return 1;
        return n * f(n-1);
    }
}

第二种解法：循环迭代

public class 阶乘 {
    public static void main(String[] args) {
        //System.out.println(f(10));
        int ret = 1;
        for(int i = 1;i<=10;++i)
        {
            ret *= i;
        }
        System.out.println(ret);
    }

    public static int f(int n)
    {
        if(n == 1)
            return 1;
        return n * f(n-1);
    }
}

第一种解法要完成需求，光是 递归为方法压栈开辟的空间，就有 10个！

第二种解法要完成需求，开辟的空间 与 第一种解法对比，仅占 1/10 ！

我们将来 研究算法，肯定要采取 第一种解法的类型。既要 少时间，又要 少空间。