数据结构与算法

首先我们来了解一下程序的定义

程序的定义： 程序=数据结构+算法

程序是为解决实际问题而存在的，而解决问题，当然要使用到数据结构以及数据结构的算法。

比如：腾讯QQ，腾讯QQ上经常会有显示可能认识的好友，这种就是使用到了图这中数据结构（最短路径），但是光有数据结构还不行，要实现这种功能还需要在图结构的基础萨汗设计出一种算法。算法就是特定问题求解步骤的描述。

数据结构的定义：

一般情况下，用计算机解决一个具体问题是，首先要从具体问题抽象出一个适当的数学模型（数据结构），然后设计一个解决此数学模型的算法。

数据结构：首先要研究对象的数据元素之间的关系，平时所说的数据结构是一种逻辑结构，而在程序运行时必须把这些逻辑结构转为物理结构。

常见逻辑结构数据：集合结构（两个函数中分别定义的局部变量，两这没有关系，就好比数学里的相离），线性结构，树形结构，图形结构。

物理结构：顺序存储，链式存储。

数据元素：组成数据的基本单位。

数据项：一个数据元素由若干数据项组成。

数据对象：性质相同的数据元素的集合。

 

算法的定义：

算法是1特定问题求解1步骤的描述。

算法是独立存在的一种解决问题的方法和思想。

成为一个算法需要满足的条件：

算法必须满足的条件：

1. 输入：算法具有0个或者多个输入；
2. 至少有1个或者多个输出；
3. 有穷行：算法在执行有限的步骤之后会自动结束而不会进行死循环状态；
4. 确定性：算法中的每一步都有意义，不会出现二义性；
5. 可行性：算法中的每一步都必须可行；

 

判断一个算法的好坏：

1. 正确性：对于合法输入能够得到满足的结果，算法能够处理非法处理，并得到合理结果；

算法对于边界数据和压力数据都能够得到满足的结果；

1. 可读性：算法要方便阅读，理解和交流；
2. 健壮性：算法不应该产生莫名其妙的结果，一会正确，一会又是其它结果；
3. 高性价比：利用最少时间和资源得到满足要求的结果，可以通过时间复杂度和空间复杂度来判定；

 

时间复杂度与空间复杂度：

一般判定一种算法的效率可以采用事后统计法和事前分析法估算；

事后统计法缺点:

必须编写相应的测试程序，严重依赖硬件和运行时的环境，算法的数据采集相当的困难。

事前分析估算：

主要取决于问题的规模。

1、时间复杂度

公式： T(n) = O( f(n) );　　　　其中f(n)是问题规模n的函数，也就是执行某个操作的次数。

在没有特殊说明的情况下，我们所分析的时间复杂度都是指最坏的时间复杂度

常见时间复杂度：

执行次数函数	阶	非正式术语
12	O(1)	常数阶
2n+2	O(n)	线性阶
2n2+2n+3	O(n2)	平方阶
2log2n+2	O(logn)	对数阶
2n+2nlog2n+2	O(nlogn)	nlogn阶
2n3+2n	O(n3)	立方阶
2n	O(2n)	指数阶

此外还有O(n!)等

各个时间复杂度的关系：

O(1)<O(logn)<O(n)<O(nlogn)<O(n2)<O(n3)<O(2n)<O(n!)<O(nn)

2、空间复杂度

公式： S(n) = O( f(n) ) 　　其中f(n)是在问题规模为n时所占用的内存空间大小；

　　　　大O表示法同样也适合空间复杂度，这里就不在重复说明了。

　　3.时间复杂度与空间复杂度的策略

　　　　多算情况下，算法的执行时所用的时间更令人关注；

　　　　如果有必要，可以增加空间复杂度来降低时间复杂度；

　　　　同理，也可以添加时间复杂度来降低空间复杂度，例如像51单片机，嵌入式设备，内存资源是很珍贵的，就可以通过增加时间复杂度来降低空间复杂度；

　　　　因此，我们在实现算法的时候，需要分析具体问题对执行时间和空间的要求；