【数据结构】第01章——概念及时空复杂度

数据结构

基本概念

包括数据，数据元素，数据项，数据对象，数据结构，数据类型，抽象数据类型（ADT）等

• 数据

​ 数据是信息的载体，是描述客观事物属性的数，字符及所有能输入到计算机中并被计算机程序识别和 处理的符号的集合。数据是计算机程序加工的原料。

• 数据元素

​ 数据元素是数据的基本单位，通常作为一个整体进行考虑和处理。

• 数据项

​ 数据项是构成数据元素的不可分割的最小单位，一个数据元素可由若干数据项组成。

• 数据结构

​ 数据结构是相互之间存在一种或多种特定关系的数据元素的集合。

• 数据对象

​ 数据对象是具有相同性质的数据元素的集合，是数据的一个子集。

• 数据类型

​ 数据类型是一个值的集合和定义在此集合上的一组操作的总称。

包括下列几种：

1. 原子类型。其值不可再分的数据类型

   • bool类型：值的范围：true，false；可进行操作：与，或，非等；

   • int类型：值的范围：-2147482648~2147482647；可进行操作：加，减，乘，除以及模运算等；

2. 结构类型。其值可以再分解为若干成分（分量）的数据类型。

   • struct结构体类型

• 抽象数据类型

​ 是抽象数据组织及与之相关的操作。ADT用数学化的语言定义数据的逻辑结构，定义运算。与具体的实现无关。

三要素

包括逻辑结构，物理结构（存储结构），以及数据的运算

逻辑结构

逻辑结构就是指数据元素之间的逻辑关系，包括集合，线性结构，树形结构和图形结构（网状结构）等。

• 集合

​ 各个元素同属于一个集合，别无其它关系。

• 线性结构

​ 数据元素是一对一的关系，除了第一个元素，所有元素都有唯一前驱；除了最后一个元素，所有元素都有唯一后继。

• 树形结构

​ 数据元素之间是一对多的关系。

• 图结构

​ 数据元素是多对多的关系。

存储（物理）结构

• 顺序存储

​ 顺序存储：把逻辑上相邻的元素存储在物理位置上也相邻的存储单元中，元素之间的关系由存储单元的邻接关系来体现。

• 链式存储

​ 链式存储：逻辑上相邻的元素在物理位置上可以不相邻，借助指示元素存储地址的指针来表示元素之间的逻辑关系。

• 索引存储

​ 索引存储：在存储元素信息的同时，还建立附加的索引表。索引表中的每项称为索引项，索引项的一般形式是（关键字，地址）。

• 散列存储

​ 散列存储：根据元素的关键字直接计算出该元素的存储地址，又称哈希（Hash）存储。

• 注意

1. 后三种方式叫做非顺序存储。
2. 若采用顺序存储，则各个数据元素在物理上必须是连续的；若采用非顺序存储，则各个数据元素在物理上可以是离散的。
3. 数据的存储结构会影响存储空间分配的方便程度。
4. 数据的存储结构会影响对数据运算的速度。

数据的运算

数据的运算是施加在数据上的运算，包括运算的定义和实现。运算的定义是针对逻辑结构的，指出运算的功能；运算的实现是针对存储结构的，指出运算的具体操作步骤。

思维导图

在探讨一种数据结构时：

1. 定义逻辑结构（数据元素之间的关系）
2. 定义数据的运算（针对现实需求，应该对这种逻辑进行什么样的运算）
3. 确定某种存储结构，实现数据结构，并实现一些对数据结构的基本运算

算法

算法的特性

1. 有穷性。一个算法必须总在执行有穷步之后结束，且每一步都可在又穷时间内完成。（注：算法必须是有穷的，而程序可以是无穷的）

2. 确定性。算法中每条指令必须有明确的含义，对于相同的输入只能得出相同的输出。

3. 可行性。算法中描述的操作都可以通过已经实现的基本运算执行有限次来实现。

   补充说明：

   • 输入。一个算法有零个或多个输入，这些输入取自于某个特定的对象的集合。
   • 输出。一个算法有一个或多个输出，这些输出是与输入有着某种特定关系的量。

好算法的特质

1. 正确性。算法应能够正确地解决求解问题。
2. 可读性。算法应具有良好的可读性，以帮助人们理解。（注：算法可以用伪代码描述，甚至用文字描述，重要地是要无歧义地描述出解决问题的步骤）
3. 健壮性。输入非法数据时，算法能够适当地做出反应或进行处理，而不会产生莫名其妙的输出结果
4. 高效率（执行速度快，时间复杂度低）与低存储量需求（不费内存，空间复杂度低）

思维导图

时间复杂度

事前预估算法时间开销T(n)与问题规模n的关系("T"表示“time”)

时间复杂度的简单例子：

• 问题一：是否可以忽略表达式某些部分？
• 只考虑阶数，用大O记法表示
• 问题2：如果有好几千行代码，那按这种方法需要一行一行数？
• 只需考虑最深层循环的循环次数与n的关系

• 注意：在计算算法时间复杂度时，可以只考虑阶数高的部分，然后再把最高阶的系数化为1，最后再在它的前面加上一个大O，就可以了！
• 计算规则：

• 常见的数量级大小：

• 一般口诀：常对幂指阶。

• 结论

  1. 顺序执行的代码只会影响常数项，可以忽略。
  2. 只需挑循环中的一个基本操作，分析它的执行次数与n的关系即可。
  3. 如果有多层嵌套循环，只需关注最深层循环循环了几次。

• 练习1

  

  • 不知道语句执行的次数，就设为未知数就可以了，然后再去分析判断就行了。

• 练习2

  

  1. 最坏时间复杂度：最坏情况下算法的时间复杂度
  2. 平均时间复杂度：所有输入示例等概率出现的情况下，算法的期望运行时间
  3. 最好时间复杂度：最好情况下算法的时间复杂度

思维导图

空间复杂度

空间开销（内存开销）与问题规模n之间的关系

• 示例1

  

• 示例2

  

• 示例3

  

• 只需关注存储空间大小与问题规模相关的变量

• 加法规则与常见的数量级

  

• 示例4

  

  • 这里的每一层的递归调用所需要的内存空间大小都是一个常量，所以才是O(n)

• 示例5

  

思维导图