【数据结构】初识数据结构与算法

目录

什么是数据结构与算法

1.什么是数据结构

2.什么是算法

3.数据结构与算法的关系

算法的复杂度

1.大O的渐进表示法

2.时间复杂度

3.空间复杂度

---

什么是数据结构与算法

1.什么是数据结构

数据结构结构 = 数据+结构（数据是存储在计算机上的描述客观事物的符号，结构包括数据的逻辑结构和存储结构），数据结构可以看成是描述和组织数据的方式（之前学过的数组就是一种数据结构）

2.什么是算法

没错，就是你想的那个~程序滴灵魂所在~

3.数据结构与算法的关系

数据结构和算法不是一回事，数据结构是算法的基础，有了数据结构，不一定有算法。比如数据结构为数组，数组用来描述和组织数据，而使用数组可以写出冒泡排序等算法。

算法的复杂度

世上算法千千万万，要想辨别算法的好坏就需要用到时间复杂度和空间复杂度，求算法的复杂度一般都是求最坏情况下的。

1.大O的渐进表示法

大 O 符号 是用于描述函数渐进行为的符合，实际中我们计算复杂度时，其实并不一定要计算到精确的数字，只需要一个大概的数字，我们可以 使用大 O 的渐进表示法。

大 O 的渐进表示法有以下几点规则：

1、用常数1取代所有加法常数。（如：n+2+300➜n +1+1）​​​​​​

2、在修改后的函数中，只保留最高阶项。（如：1+n+n^2➜ n^2）​​​​​​

3 、如果最高阶项存在且不是 1 ，则去除与这个项目相乘的常数。得到的结果就是大 O阶。（如：2n+3n^2+300➜ n^2）

2.时间复杂度

时间复杂度用来衡量算法的运行时间。时间是不好直接测出来滴，但我们知道一个算法所花费的时间与其中语句的执行次数成正比例，故可以把算法中的基本操作的执行次数作为算法的时间复杂度。时间复杂度的计算规则一般使用大O渐进表示法。

计算阶乘递归factorial的时间复杂度：

public class Test {
    long factorial(int n) {
        return n < 2 ? n : factorial(n-1) * n;
    }
}

递归的时间复杂度：递归的次数 * 每次递归后执行的次数

故阶乘递归factorial的时间复杂度为：n * 1 = O(n)

3.空间复杂度

空间复杂度用来衡量算法消耗内存的大小  。空间复杂度不是程序占用了多少 bytes 的空间，而是变量的个数。空间复杂度计算规则基本跟时间复杂度类似，也使用大O 渐进表示法 。

计算阶乘递归factorial的空间复杂度：

public class Test {
    long factorial(int n) {
        return n < 2 ? n : factorial(n-1) * n;
    }
}

递归的空间复杂度需要算上在栈上开辟的最大空间

故阶乘递归factorial的空间复杂度为O(N)