对数据结构概念的理解和认识_从这个角度去理解数据结构与算法更容易

原文：https://blog.csdn.net/jintianyishiyeai/article/details/88628442

引言

在互联网、大数据、人工智能火爆的今天，“算法”这个词几乎妇孺皆知，业已成为“高薪”“牛X”的代名词。

What is Algorithm？(算法是个什么鬼 )

为了不落入俗套，本文不会重复wiki上“算法”的官方定义，而采用启发式结构来阐述算法的本质，试想平时在遇到问题的时候，我们是如何解决的。

朴素而广泛的过程方法论如下：

       1. 重新定义问题，结构化描述

       2. 根据重定义，归类问题

       3. 根据问题类别，做经验匹配

       4. 根据匹配结果，分支处理：若匹配，采用经验方法；若匹配不上，设计开发新方法

       5. 迭代更新经验库，增强面向未来问题的能力

       与算法相关的就是上面的第3步~第5步。

简单来说，算法本质是：解决某类问题的方法。如果方法已经在经验库里了，直接拿来主义，也就是“既有算法”；如果不在，那么设计开发的新方法，新方法就是“新算法”。

当然还有一种情况：虽然经验库里有针对该类问题的方法了，但是设计开发了一个更有效的新方法，那么也称为“新算法”。下面来对几个关键点进行阐述！！！

什么是“更有效的算法”？

“更有效”的背后逻辑其实比较的就是“代价”，或者称为“开销”。经济上衡量就是成本，它分为两个维度：时间成本和资源成本。

资源成本在计算机上的体现就是硬盘、内存、CPU等一系列硬件资源开销。对这些硬件资源开销进一步抽象，就是空间成本。

算法其实从学科分类上讲，属于计算数学，计算数学属于应用数学。用学科术语来描述时间成本与空间成本，就是计算复杂度，很自然地，它也有两个维度：时间复杂度和空间复杂度。描述复杂度的数学符号是O()。后面我们会详细介绍O()的表达。

综上所述，所谓的“更有效”的算法，指的就是时间复杂度或者空间复杂度更优的算法。

 为什么要“重新定义问题，结构化描述”？

把人脑也看做一台机器的话，很显然这台机器的运行方式和效率与计算机有所不同(尽管现在的机器学习在尽可能地模拟人脑的机理，但是两者至少在现阶段还有本质不同)。

人脑在连续信号和非结构化场景下的处理能力是卓越的，但是计算机只能处理离散信号，并且必须最终转化成结构化数据才能进行处理(尽管现在的机器学习可以通过自我学习来将数据结构化)。

用一张图来描述这个过程就是：

Why to use Algorithm?(算法有什么鬼用)

从上面对解决现实问题的过程方法论的描述中，其实已经可以看出算法的价值就在于：经验的重用。

套用一句IT行话就是“不要重复制造轮子”。好了，既然现在你已经对算法有了大致的感性认识，那么接下来根据人类的学习习惯，就需要来看看抽象的算法概念，在现实里到底“长什么模样”。

很多人认为“算法=程序或者程序”，这其实是一个狭义的理解。如前面所说的，算法的本质是解决某类问题的方法，而程序或者代码只是方法的一种表达形式而已。你也可以用自然语言或者伪代码来进行表达算法。

算法的“模样”(应对电灯不工作的算法——代码方式)：

public STATUS_CODE lamp_issue_handler() {
  STATUS_CODE ret_val = UNKNOWN_ISSUE;
 if (!isPowerOn(this)) {
   ret_val = powerOn(this) ? NOT_POWER_ON_ISSUE : POWER_ISSE;
  }
  else if(!isBulbCrash(this)) {
   ret_val = replaceBulb(this) ? BULB_CRASH_ISSUE : REPLACE_ISSUE;
  }
  else {
    ret_val = fixBulb(this) ? BULB_FIXABLE_ISSUE : FIX_FAILURE_ISSUE;
  }
  return ret_val;
}

  算法的“模样”(应对电灯不工作的算法——自然语言方式)：

首先检查电源是否接好了：没有接好，接上。

如果接上了仍然不工作，看看灯泡是否烧坏了：如果是，换个新灯泡

如果灯泡没有烧坏，修理灯泡

算法的“模样”(应对电灯不工作的算法——流程图方式)：

How to use Algorithm？(如何使用算法)

算法的本质就是方法，既然是方法，就是一系列的操作；既然是操作，就必然有作用对象。在软件程序设计中，这样的作用对象就是“数据结构”。

怎么来理解数据结构呢？

前面我们讲到了，解决问题的第一步就是要将问题结构化描述。结构化描述的本质就是利用一系列便于操作的“基础元素”来表达。

那么怎样的“基础元素”是便于操作的呢？

首先我们要清楚，操作的主体是谁。从上一段的阐述来看，这个主体貌似是算法，但是我们注意，算法不是凭空去运行的，是要在计算机上运行的。

所以归根结底，操作的主体是计算机。所以，这里所谓的“便于操作”指的是便于计算机运行。

计算机运行有两个维度：硬件维度和软件维度。

1.从硬件维度看:

学过计算机组成原理就知道，程序是在计算机的CPU高速缓存和内存中运行的。对应的存储结构，通常都是线性的。

为了充分提升线性结构的性能优势，硬件厂商(如CPU厂商)在设计硬件时，就抽象了针对一些结构(如堆栈)的操作(如压栈、出栈)，所以很自然地，这样的结构就应该作为数据结构。

2.从软件维度看:

我们编写的应用程序一般不会直接运行在硬件之上，而是运行在操作系统、运行时或者虚拟机(如JVM)之上。

所以操作系统、运行时或者虚拟机已经抽象的结构(如数组、队列、树、图等)，也应该作为数据结构。

上面赘述了这么多，其实就是要表达一个观点：算法是要配合数据结构的，抛开数据结构谈算法就是无源之水、无根之树。

看到这里，我想你一定彻底明白，为什么图灵奖得主尼古拉斯·沃斯会提出那个著名的等式了：程序 = 算法 +数据结构。

总结

看到这里，相信你已经对算法这个概念已经不再陌生，它对于你而言也不再高高在上。

无论在大学学习，还是在工作中，大家都几乎被一种说法反复洗脑：算法非常重要，它是计算机的灵魂。

在这里，我想纠正一下这个错误的观点。首先，广义的算法不仅仅只是软件算法；再次，计算机系统不仅仅只是由软件构成，还有硬件。

硬件涉及到材料科学、制造工艺等一系列技术，这些是不能简单被算法替代的。所以，脱离上下文、一味强调算法的重要性是耍流氓。