严蔚敏数据结构查找的基本操作_数据结构与算法之绪论（二）

    我们继续来学习数据结构与算法，前面我们大概讲了一下数据结构是什么，有了一个大概的认知。

    常用数据结构

    现在我们来介绍一下我们在接下来的学习中要学习的数据结构：

    当然，这里面又可以分成若干个小点，比如线性表又可以分成数组和链表；树可以分成二叉树、一般树；图又可以分成有向图和无向图；听起来好像很多很难，但是只要你们认真看认真学是肯定能够学会的(学不会私聊我亲自教你)。

   逻辑结构和物理结构是什么？

    这里又要介绍两个概念：逻辑结构和物理结构，他们是描述数据结构的两个方面

    先看看啰嗦的数学概念吧：

    举个简单的栗子：

定义一个复数的数据结构Complex=(C，R)其中C={C1,C2}      //C是两个实数的集合R={}    //这个表示C1在前，是该复数的实部；C2在后，是该复数的虚部

    像这种定义了先后顺序的关系就叫做逻辑结构，要注意的是逻辑结构是相对于数据元素而言，我上面举的例子中C1、C2都是数据元素。

    至于物理结构，其实就是字面意思，就是物理块是怎么组织的。

    其实用数组和链表可以很好地解释逻辑结构和物理结构：

    数组的逻辑结构是顺序的、物理结构也是顺序的(这就是它可以使用下标快速定位某个数据元素的原因)；

    链表在逻辑上是连续的但是在物理上却不是连续的(因为链表的结点是通过指针来找到下一块结点的，所以它查找元素比数组要慢得多)

    关系的映像方法

    既然讲到数组和链表，那就顺带提一下两种映像方法：

代表人物---数组

代表人物---链表

    数据类型

    数据类型学过C++或者其他语言的同学肯定都接触过，无非就是Char(字符)变量、Int(整形)变量、Double(双精度浮点数)变量等等，这里就不再多叙述了。

抽象数据类型(Abstract Data Type)

    抽象数据类型也叫ADT，它是用来描述一个数学模型以及定义在该模型的一组操作，其实它跟伪代码差不多，我们可以用(D,S,P)三元组来表示一个抽象数据类型(ADT)，具体是这样的：(建议先看看下面的栗子)

用(D，S，P)三元组表示其中， D 是数据对象，      S 是 D 上的关系集，      P 是 D 上的基本操作集。               再具体一点： ADT 抽象数据类型名 {   数据对象：〈数据对象的定义〉   数据关系：〈数据关系的定义〉   基本操作：〈基本操作的定义〉} ADT 抽象数据类型名其中基本操作的定义格式为：基本操作名(参数表)    初始条件：〈初始条件描述〉    操作结果：〈操作结果描述〉 参数表可以出现的参数：赋值参数：只为操作提供输入值。引用参数：以&打头，除可提供输入值外，还将返回操作结果(和C++的引用差不多)。初始条件：描述操作执行之前数据结构和参数应满足的条件，若不满足，则操作失败，并且返回相应的出错信息。操作结果：说明操作正常完成之后，数据结构的变化状况和应返回的结果。若初始条件为空，则省略之。

    这玩意在数据结构的书上到处都是，考试的时候也会要求写出来，所以务必要掌握。

    看了定义可能会觉得有点懵，下面举个具体栗子：

算法    

    这里再提一下算法这个概念，值得一提的是当我看完整本数据结构的时候，我发现算法与结构是并存的、息息相关的，也就是说不同的数据结构有不同的算法。

    比如对于数组的遍历算法用到的是下标的增长，而链表的遍历算法则是指针的不断变换。

   (数组与链表，图来源于网络)

算法的要求(这个有时会出填空题噢)

    这小节都是概念性的东西，背一下就好了

(一)算法一定要满足的五个重要的特性：1．有穷性    2．确定性    3．可行性4．有输入    5．有输出1、有穷性，就是你写的算法要能在有限时间内输出结果2、确定性，就是对于相同的输入输出必定相同3、可行性，算法中的所有操作都必须足够基本，即都可以通过已经实现的基本运算执行有限次来实现。4、有输入，作为算法加工的数据对象，通常体现为算法中的一组变量。有些变量需要在算法执行过程中输入，而有的算法表面上可以没有输入，实际上已被嵌入到算法之中。5、有输出，这个不用说了，没输出的话我不知道你写这个算法是图啥(二)算法设计的目标正确性、可读性、健壮性、高效率与低存储量需求

如何评估算法的好坏

    一个算法的好坏取决于时间与空间这两个维度

    一般有两种评估方法

    一种是事后统计法，就是你先跑一下这个程序，拿计时器计时，然后打开你的任务管理器看看你的程序占多少内存。

    另一种是事前统计法，我带着大家算一下下面这个栗子就知道了

for(int i=0;i//这里也要执行n+1次,为什么是n+1而不是n呢？  for(int j=0;j//这里要执行n(n+1)次,为什么不是(n+1)²呢  }}所以这个程序总共要执行 n+1+n(n+1)次，所以这个程序的时间复杂度是O(n²)问题1：为什么第一层的循环是执行n+1次而不是n次？答：这里我假设n=1，首先j=0的时候会判断一下是否J<1，这里就算一次，然后J自增1，然后继续判断，这里又算一次，此时j不小于1跳出循环，所以总共是2次，即n+1次。也就是算判断的语句也要算进去。但实际上不用算这么清楚，因为时间复杂度只算到最高次就可以了。问题2：为什么第二层的循环是n(n+1)而不是(n+1)²？答：很明显，他的上层循环除去判断操作只会执行n次，所以是n(n+1)问题2：为什么时间复杂度是O(n²)而不是O(n+1+n(n+1))²答：只算最高次，其他低次幂的都被省略了。

    至于空间复杂度怎么计算，无非和上面差不多，只不过换成了数用了多少个变量罢了

    常见的时间复杂度

     在这里引入一个术语：问题规模，通俗地讲就是上面例子中的n，问题规模一般与输入数据量成正比。比如你要遍历一个链表里的所有数，这个链表里有5个结点那么n=5，如果有50个结点那么n=50。当然我们不会写成O(5)或者O(50)，而是写成O(n)，这样才具有一般性。

    要注意的是，O(1)的意思并不是只执行了一次，而是执行了常数次，这个常数是确定的、不随着n的变化而变化，比如数组的查找就是O(1)时间复杂度的，因为只需进行下标的计算然后根据下标找到目标元素即可。

    绪论的内容大概是这么多，下一章我们将学习线性表。觉得有用的别忘记转发还有点个在看和赞噢！