数据结构_study(一)

术语

程序设计=数据结构+算法

数据结构：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：输入到计算机中可以操作的对象，数值类型（整型，浮点型），非数值类型（字符，音乐、图像、视频）

数据元素（记录）：组成数据，在计算机中作为整体，有意义的基本单位，eg，一个人

数据项：数据的最小单位，若干个一起组成数据元素，eg，人的年龄，性别

数据对象：性质相同的数据元素的集合，eg：很多人

逻辑结构：数据元素之间的相互关系

1. 集合结构：同属于一个集合
2. 线性结构：一对一
3. 树形结构：一对多
4. 图形结构：多对多

物理结构：在计算机的存储形式

1. 顺序存储：存放在地址连续的存储单元
2. 链式存储：存放在任意的存储单元，连续或不连续，通过指针寻访数据元素地址

数据类型：

1. 原子类型：基本类型，整型，字符型，浮点型
2. 结构类型：基本类型组合而成，可分解，数组，结构体，枚举，联合体

抽象数据类型ADT：数学模型，数据对象+数据元素之间的关系+对数据元素的操作

算法

解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示一个或多个操作

算法特性：

1. 输入输出
2. 有穷性：执行有限的步骤之后自动结束，不会无限循环，执行时间可接受
3. 确定性：每一步有确定的含义，不会出现二义性
4. 可行性：每一步都能通过执行有限次数完成

算法要求：

1. 正确性：针对各种（对的、错的、奇怪的）输入，可以做出正确的加工处理，返回正确的输出和提示，没有语法错误
2. 可读性
3. 健壮性：输入数据不合法时做处理
4. 时间效率高，存储量低：最小的空间，最快的时间

效率统计：

1. 事后统计：计算机计时
2. 事前分析：算法好坏+输入规模，除去计算机软件硬件因素

函数的渐近增长：
给定两个函数f(n)和g(n)，存在一个整数N，使得对于所有的n>N时，f(n)>g(n)，f(n)的增长渐近快于g(n)

判断算法效率时，函数中的常数和次要项可以忽略，关注主项（最高阶项的阶数）

时间复杂度

语句总的执行次数T(n)是关于问题规模n的函数

分析T(n)随n的变化情况并确定T(n)的数量级

算法的渐近时间复杂度：T(n)=O(f(n)) 表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，f(n)是问题规模n的运行次数函数

随着n的增大，T(n)增长最慢的算法为最优算法

O() ：大O记法

推导方法：
f(n)=n²/2+n/2+12

1. 常数1取代运行运行时间中所有的加法常数
   n²/2+n/2+1
2. 只保留最高阶项
   n²/2
3. 最高阶项存在且不是1，去除与这个项相乘的常数
   n²

O(1)常数阶
与问题规模无关，执行时间恒定的算法
eg：f(n)=3; O(f(n))=1;

O(n)线性阶
循环体内的代码要执行n次
eg：f(n)=3n+2; O(f(n))=n;

O(logn)对数阶
2^x=n
x=log₂n

int count = 1;
while (count < n)
{
    count = count * 2;//执行x次
}

O(nlogn)阶
eg：f(n)=3n+2nlog₂n+19; O(f(n))=nlogn;

O(n²)平方阶
循环嵌套
f(n)=n²/2+n/2+12；T(n)=O(f(n))=n²

O(n³)立方阶
f(n)=6n³/2+2n²+3n+12；T(n)=O(f(n))=n³

O(2ⁿ)指数阶

时间复杂度排序
O(1)<O(logn)<O(n)<O(nlogn)<O(n²)<O(n³)<O(2ⁿ)<O(n!)<O(nⁿ)

最坏情况

一般没有特殊情况，运行时间按照最坏情况算

平均情况

所有情况中最有意义的，期望运行时间

空间复杂度

计算算法所需存储空间实现
S(n)=O(f(n))，n为问题规模，f(n)为n占存储空间的函数
空间复杂度O(1)：算法对输入数据原地操作，所需的辅助空间对输入数据来说只是常数