数据结构的学习1

一、概念

1概念    

        程序设计 = 数据结构 + 算法

        数据结构分为，物理结构 和 逻辑结构

        物理结构：顺序结构和链式结构

        逻辑结构：集合，列表，树，图。

        算法 的基本特性：输入、输出、有穷性、确定性、可行性。

算法的设计要求：正确性，就是指算法运行时有输入，输出等要素，能够正确的满足计算的需求。   

                                  可读性：方便阅读、理解和交流。

健壮性：当输入不合法时，能够做出正确的处理，而不是报告异常、崩溃等等。

时间效率高以及存储要求低：算法的设计要满足在尽量缩短计算时间的前提下，用最小的内存。

                

      2.算法效率的度量方法

        是骡子是马拉出来溜溜，就是对算法的运行时间的测试。

        对于测试可以分为事前预估 和 事后测试，但是算法在设计完成后，在编写测试程序来测试又会浪费大量的时间。此外，测试的环境的差别又相当大，所以这并不是一歌好的方法。最好的是事前预估的方法。

       算法效率的预估

l  算法采用的策略、方案

l  编译产生的代码质量

l  问题的输入规模

l  机器执行指令的速度

说好的时间复杂度和空间复杂度呢？

概念：

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））。它表示随问题规模的n的增长，算法时间的增长率和f（n）的增长率相同，称作算法的时间渐进复杂度，简称为时间复杂度。其中f（n）是问题规模的某个函数。

关键来说：执行次数 == 时间

记法：O（）大O记法

一般情况下，随着输入规模n的不断增大，T(n)增长最慢的为最优算法。

 

推导

1.      用1来取代运行时间中的所有加法常数，例如输出语句等执行1次的语句，在计算总数的时候要相加。

2.      在修改后的运行函数中，只保留最高项。

3.      如果最高项存在且不是1，则去除与这个项相乘的常数。

4.      得到的最后的结果就是大O阶。

算法的空间复杂度

在写代码的时候完全可以用空间换时间。这句话的意思就是，查询一个数据，每一次查询计算都需要浪费时间，浪费CPU。可以是另一种情况，事先创建一个表，每一次只需要查询对照就可以了，这样浪费了空间但节约了时间。