1.程序=数据结构+算法
2.数据结构相关概念
(1)数据(data)是对客观事物的符号表示。
(2)数据元素:是数据的基本单位。是一个整体,也被叫做记录,也是数据处理时的最小单位。比如人就可以作为一个数据元素。
(3)数据项:一个数据元素我们可以分为多个数据项,是数据不可分割的最小单位。当数据元素是人时,数据项就可以是姓名,年龄等
(4)数据对象:是性质相同的数据元素的集合,是数据的一个子集。
(5)数据结构:是相互之间存在一种或者多种特定关系的数据元素的集合。也就是说一个数据结构不仅要保存数据,而且数据和数据之间的关系也要保存。
(6)结构:数据元素相互之间的关系
班级成员表(数据)------>一班的表(数据对象 )------->每一个人的信息(数据元素)-------->属性(数据项)
根据数据元素之间关系不同特性分为:集合、线性结构、树形结构、图状结构(网状结构)
(6)数据结构中的关系就是逻辑关系,也就是逻辑结构,而数据结构在计算机中的表示(映像)就是物理结构(存储结构)
(7)因为数据元素的关系在计算机中有不同的表示方法:顺序映像和非顺序映像;这两个映像分别对应顺序存储结构和链式存储结构。
顺序存储结构:在存储器中的相对位置来表示数据元素之间的逻辑关系。(例如数组)数据元素顺序存放,每个存储结点只含一个元素。存储位置反映数据元素间的逻辑关系。存储密度大,但有些操作(如插入、删除)效率较差。
链式存储结构:用指针来存储位置信息,链式存储的位置一般不是连续的,靠指针来寻找下一个位置(例如链表)每个存储结点除包含数据元素信息外还包含一组(至少一个)指针。指针反映数据元素间的逻辑关系。这种方式不要求存储空间连续,便于动态操作(如插入、删除等),但存储空间开销大(用于指针),另外不能折半查找等。
除了这两种存储方式外还有:
索引存储方式。除数据元素存储在一地址连续的内存空间外,尚需建立一个索引表,索引表中索引指示存储结点的存储位置(下标)或存储区间端点(下标),兼有静态和动态特性。
散列存储方式。通过散列函数和解决冲突的方法,将关键字散列在连续的有限的地址空间内,并将散列函数的值解释成关键字所在元素的存储地址,这种存储方式称为散列存储。其特点是存取速度快,只能按关键字随机存取,不能顺序存取,也不能折半存取。
(8) 数据类型、抽象数据类型和多形数据类型
数据类型是程序设计语言中的一个概念,它是一个值的集合和操作的集合。如C语言中的整型、实型、字符型等。整型值的范围(对具体机器都应有整数范围),其操作有加、减、乘、除、求余等。实际上数据类型是厂家提供给用户的已实现了的数据结构。
抽象数据类型(ADT)一个数学模型及定义在该模型上的一组操作。“抽象”的意义在于数据类型的数学抽象特性。抽象数据类型的定义仅取决于它的逻辑特性,而与其在计算机内部如何表示和实现无关。无论其内部结构如何变化,只要它的数学特性不变就不影响它的外部使用。抽象数据类型和数据类型实质上是一个概念。此外,抽象数据类型的范围更广,它已不再局限于机器已定义和实现的数据类型,还包括用户在设计软件系统时自行定义的数据类型。使用抽象数据类型定义的软件模块含定义、表示和实现三部分,封装在一起,对用户透明(提供接口),而不必了解实现细节。
多形数据类型是指其值的成分不确定的数据类型。
3、算法的相关概念
(1)算法是问题求解步骤的描述,具有可行性、确定性(不会产生二义性)、有穷性,输入、输出这五个特性。
(2)算法的设计要求要达到正确性、可读性、健壮性、效率与低存储性
(3)算法仅仅只是一个计算步骤,并不一定要由程序实现,同一个问题也可以有不同的算法,就像一个排序问题可以有冒泡排序、选择排序等等排序算法。
(4)算法计算量地大小取决于计算的复杂性,计算的衡量方法有时间复杂度和空间复杂度。
(5)时间复杂度的计算依赖于频度的计算,也就是一个语句执行多少次的计算。时间复杂度就是所有语句频度之和再用大O记法表示。
例如:(1)for (int i = 0;i<n;i++)
(2)for(int j = 0;j<n;j++)
(1)语句执行n次
(2)语句执行n^2次
频度之和就是n^2+n
大O记法表示就是O(n^2);
如果题目仅仅只是求时间就用大O记法表示
常见的有
常数阶O(1)一般来说顺序结构,单分支结构都是常数阶
线性阶O(n)一般是单层循环结构,循环次数相乘
平方阶O(n^2) O(n*m):一般是双层循环常见双层for循环,两层循环次数相乘
对数阶O(logn):一般循环中,常见于while循环。
以上是一般一眼就能看出循环次数的,遇到复杂的还是需要用频度计算。
(6)空间复杂度的计算一般看算法用了多少空间,也用大O记法表示,计算方法与时间复杂度相似,只是计算的对象变成用了多少空间。
例如:
用了一个中间变量就是O(1)
用了一个数组就是O(n)
算法讲究低时间复杂度和低空间复杂度,但往往实际中常常需要牺牲时间复杂度节省空间复杂度,或者牺牲空间复杂度节省时间复杂度,看算法的实际应用,取一个平衡。