【数据结构——绪论】

绪论

• 一、基本概念
  • 1、术语概念
    • （1）数据
      • 信息载体
      • 描述客观事物属性的…符号集合
      • 程序加工的原料
    • （2）数据元素
      • 数据的基本单位
      • 整体处理
      • 若干数据项组成，数据项是元素的 最小单位
    • （3）数据对象
      • 数据元素的集合
      • 数据的子集
    • （4）数据类型
      • 一个值的集合和定义在此集合上一系列操作的总称
      • 类型
        • 原子类型：值不可再分
        • 结构类型：值可再分若干成分
        • 抽象数据类型：抽象数据组织及相关操作
    • （5）数据结构
      • 数据结构：相互存在特定关系的数据元素的集合
      • 结构：数据元素之间的相互关系
  • 2、数据结构三要素：

    • （1）逻辑结构：

      • 数据元素之间的逻辑关系，算法 设计 的决定因素
      • 主要分为线性和非线性两大类
      • 

    • （2）存储（物理）结构：

      • 数据结构（元素和关系）在计算机的表示（映像），用计算机语言实现的逻辑结构，算法 实现 的依赖因素
        • #错题 栈是一种抽象数据类型，可采用顺序存储或链式存储，只表示逻辑结构。
      • 分类：
        • 顺序存储
          • 特点：逻辑和物理位置均相邻
          • 优点：可 随机存储 ，且元素占用最少存储空间
          • 缺点：只使用一整块相邻存储单元，可能产生较多外部碎片
        • 链式存储
          • 特点：不要求物理相邻，指针表示关系
          • 优点：无碎片现象
          • 缺点：指针占用额外空间，只能 顺序存取
            • #错题 链式存储设计时，各个不同结点的存储空间可以不连续，但 结点内的存储单元（值域和指针域） 地址必须连续。
        • 索引存储
          • 特点：附加索引表，索引项（形式：关键字+地址）
          • 优点：速度快
          • 缺点：索引表占额外空间，增删需改表占额外时间
        • 散列（哈希）存储
          • 特点：关键字计算存储地址
          • 优点：检索、增删结点操作较快
          • 缺点：散列函数不好的情况下会出现存储单元冲突，解决需额外时间成本

    • （3）数据运算

      • 运算定义针对逻辑结构→功能
      • 运算实现针对存储结构→操作步骤
• 二、算法和算法评价
  • 1、算法概念
    • （1）定义
      • 问题求解步骤的描述 ，是指令的有限序列，每个指令可有多个操作
        • #错题 算法代表对问题求解步骤的描述，而程序则是算法在计算机上的特定实现
    • （2）五个特征
      • 有穷性：有穷步，每步时间有穷
      • 确定性：指令含义确定，同输入得同输出
      • 可行性：可通过已实现有限次基本操作实现
      • 输入
      • 输出
    • （3 ）“好”算法的标准
      • 正确性
      • 可读性
      • 健壮性：可及时处理非法输入，无不合理输出
      • 效率与低存储量需求：与问题规模有关
  • 2、效率度量

  • 时间复杂度和空间复杂度

    • （1）时间复杂度
      • ① 相关概念
        • 频度：语句被重复执行次数
        • 算法问题规模函数T(n)：所有语句频度之和
          • 最深层循环内语句（基本运算）的频度为 f(n)
          • f(n) 和T(n) 同数量级
      • ② 时间复杂度：T(n) = O(f(n))
      • ③ T(n) 依赖于
        • 问题规模n
        • 输入数据的性质（如初始状态）
      • ④ 一般算法的时间复杂度是：最坏时间复杂度
        • 其他：
          • 平均时间复杂度：算法期望运行时间，所有输入示例等概率出现情况下
          • 最好时间复杂度
      • ⑤ 分析规则
        • 加法：T(n) = O (max (f(n), g(n)) )
        • 乘法：T(n) = O(f(n)×g(n))
      • ⑥ 常见渐进时间复杂度比较
        • $O(1)<O({\log }_{2}n)<O(n)<O(n{\log }_{2}n)<O(n^2)<O(n^3)<O(2^n)<O(n!)<O(n^n)$​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​
      • #技巧 ⑦ 特定的T(n) 求解
        • a、嵌套for循环
          • $$\begin{gathered} for(i=1;i<=n;i++) \\ for(j=1;j<=i;j++) \\ for(k=1;k<=j;k++) \\ x++; \end{gathered}$$​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​
          • 计算： ​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​$T(n)=O\left({\sum }_{i=1}^n{\sum }_{j=1}^i{\sum }_{k=1}^{j}1\right)=O\left({\sum }_{i=1}^n\frac{i(i+1)}{2}\right)=O(\frac{1}{6}{n}^3)=O(n^3)$
            • ${\sum }_{i=1}^n\frac{i(i+1)}{2}=\frac{1}{2}({\sum }_{i=1}^n{i}^2+{\sum }_{i=1}^{n}i)$​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​
            • $\sum n^2=\frac{n(n+1)(2n+1)}{6}$​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​
        • b、递归程序一般使用公式进行递推
          • 递归算法方程：$T(n)=\{\begin{array}{ll}1,& n=1\\ 2T(n/2)+n,& n>1\end{array}$ ​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​ ，假设n是2的整次幂
          • 设 ​​​​​​​​​​$n=2^k(k\ge 0)$ ，有 ​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​$T\left(2^k\right)=2T\left(2^{k-1}\right)+2^k=2^{2}T\left(2^{k-2}\right)+2\times 2^k$
          • 一般递推公式： ​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​$T\left(2^k\right)=2^{i}T\left(2^{k-i}\right)+i\times 2^k$
          • 进而 ​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​$T(2^k)=2^{k}T(2^0)+k\times 2^k=(k+1)2^k$
          • $T(n)=2^{{\log }_{2}n}+{\log }_{2}n\times n=n({\log }_{2}n+1)=O(n{\log }_{2}n)$​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​
    • （2）空间复杂度
      • ① 空间复杂度：S(n) = O(g(n))
        • 算法所费存储空间，取决于问题本身，与算法无关
          • 指令、常数、变量和输入数据外+辅助空间（额外）