基本概念
数据结构包括数据的存储结构和数据的逻辑结构。
1. 数据的存储结构:顺序结构、链接结构、散列结构和索引结构。
2. 数据的逻辑结构:集合结构、线性结构、树型结构和图型结构。
3. B = (K,R) B代表一种数据结构,R是一种关系,K表示是元素的集合。
4. set、linearity、tree、graph
- set R为空时,元素之前没有任何关系
- linearity 每个元素有且仅有一个直接前驱元素(第一个元素除外),有且仅有一个后驱元素(最后一个元素除外),元素是1对1的关系
- tree 元素之间是1:N的关系
- graph 元素之间是多对多的关系(M:N)
5. 数据类型(data type)
- 简单类型:一般的计算机语言中都有整型、浮点、枚举量、字符、指针
- 结构类型:如数组,链表等。类似于java中的引用类型。
- 如数组的结构类型表示:
array = (A,R)
A={a[i] | 0≤i≤n-1,n≥0}
R={<a[i],a[i+1]> | 0≤i≤n-2}
6. 抽象数据类型(abstract data type)与java中抽象类、接口的概念一致,是一种抽象的数据类型。
7. 算法(algorithm)解决特定问题的思路和方法
- 有穷性
- 确定性
- 可行性
- 输入性
- 输出性
8. 算法评价
- 正确性:在正确的数据输入下,经过有限的时间能够得出正确的结果,是一个算法的根本。如果一个算法不正确,则一切无从谈起。
- 健壮性:算法可以对非法数据有一定的处理能力,如格式不正确的数据、空数据等。不能因为数据有问题而把算法搞死。
- 可读性:可以读的懂
- 时间复杂度:算法中简单操作的多少叫做算法的复杂度。通常为f(n),n为处理的数据量,算法的时间复杂度是n的函数。算法的时间复杂度,通常具有
O(1),O(n),O(logn2),O(n2),O(nlogn2),O(n3),O(2n),O(n!) O ( 1 ) , O ( n ) , O ( l o g 2 n ) , O ( n 2 ) , O ( n l o g 2 n ) , O ( n 3 ) , O ( 2 n ) , O ( n ! ) - 空间复杂度 是一个算法在运行过程中临时占用的存储空间的大小,它是衡量算法有效性的一个重要指标。如对于一个递归算法来说,算法本身占用的空间比较小,但是运行时需要自动使用一个附加堆栈,从而占用较多的空间。局部变量分配的空间,如形参,算法中的局部变量。