数据结构与算法（一）

第一章 什么是算法和数据结构

1.什么是算法

算法，对应的英文是algorithm，这是一个很古老的概念，最早来自于数学领域。在数学领域，算法是用于解决某一类问题的公式或思想。
而我们所说的算法是计算机领域的算法，它的本质是一系列的指令，用于解决特定的运算和逻辑问题。

算法有简单的和复杂的
简单的算法，如一列整数找出最大值。

复杂的算法，如在多种物品里选择装入背包的物品，使背包里的总价值最大 ，或者找出一个城市到另一个城市的最短距离。

算法有高效的，也有拙劣的
在计算机领域衡量算法好坏的重要标准是：空间复杂度（运行时间的长短）、时间复杂度（占用空间的大小）

1.1时间复杂度

1.1.1 基本操作次数

为了方便计算，我们对程序基本操作执行次数的统计，设T(n)为程序基本操作次数的函数（也可以认为是相对执行时间），n为输入规模。

• 场景一 $T(n)=3n$，执行次数是线性的

void eat1(int n){
 	for(int i=0; i<n; i++){
 		System.out.println("等待1分钟"); 
   		System.out.println("等待1分钟"); 
   		System.out.println("吃1cm 面包");
	}
}

• 场景二 $T(n)=3logn$，执行次数是用对数计算的。

void eat2(int n){
 	for(int i=n; i >1; i/=2){
 		System.out.println("等待1分钟"); 
   		System.out.println("等待1分钟"); 
   		System.out.println("吃1cm 面包");
	}
}

• 场景三 T(n) = 3 执行次数是常量

void eat3(int n){
 	System.out.println("等待1分钟"); 
   	System.out.println("等待1分钟"); 
   	System.out.println("吃1cm 面包");
}

• 场景四 $T(n)=0.5n^2+0.5n$,执行次数是用多项式计算的。

void eat4(int n){
 	for(int i=0; i<n; i++){
 		for(int j = 0; j<i;j++){
 			System.out.println("等待1分钟");
 		}		 
   		System.out.println("吃1cm 面包");
	}
}

1.1.2 渐进时间复杂度

官方定义如下：
若存在函数f(n)，使得当n趋近与无穷大时，T(n)/f(n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作T(n) = O(f(n)),称为O(f(n)),O为算法的渐进时间复杂度，简称为时间复杂度。
因为渐进时间复杂度用大写O来表示，所有也被称为大O表示法。
如何推导出时间复杂度？如下有几个原则：
- 如果运行时间是常数量级，则用常数1表示
- 只保留时间函数中的最高阶项
- 如果最高阶项存在，则省钱最高阶项前面的系数

• 场景一 $$T(n)=3n，$$最高阶项为3，省去系数3，则转化的时间复杂度为：$T(n)=O(n)$
• 场景二 $$T(n)=3logn，$$最高阶项为3，省去系数3，则转化的时间复杂度为：$T(n)=O(logn)$
• 场景三 $$T(n)=3，$$最高阶项为3，省去系数3，则转化的时间复杂度为：$T(n)=O(1)$
• 场景四 $$T(n)=0.5n^2+0.5n，$$最高阶项为$0.5n^2$，省去系数0.5，则转化的时间复杂度为：$T(n)=O(n^2)$
  这四种时间复杂度当n的取值足够大时，可以得出如下结论：$$O(1)<O(logn)<O(n)<O(n^2)$$

1.2空间复杂度

1.2.1 什么是空间复杂度

在运行一段程序时，我们不仅需要执行各种运算指令，同时还会根据需要储存一些临时的中间数据，以便后续指令可以方便地继续执行。储存中间数据所需要的内存大小我们叫做——空间复杂度，同样用大O表示,记作$S(n)=O(f(n))$

1.2.2 空间复杂度的计算

1. 常量空间
   当算法空间大小固定，和输入规模没有直接关系时，空间复杂度记做$O(1)$。如下代码

void fun1(int n) {
	int var = 3;
	...
}

2. 线性空间
   当算法分配的空间是一个线性的集合（如数组），并且集合大小和输入规模n成正比时，空间复杂度记作$O(n)$。如下代码

void fun2(int n) {
	int[] array = new int[n];
	...
}

3. 二维空间
   当算法分配的空间是一个二维数组集合，并且集合的长度和宽度都与输入规格n成正比时，空间复杂度记作$O(n^2)$。如下代码

void fun3(int n) {
	int[][] array = new int[n][n];
	...
}

4. 递归空间
   递归是一个比较特殊的场景。虽然递归代码中并没有显式地声明变量或者集合，但是计算机在执行程序时，会专门分配一块内存用来储存”方法调用栈“。
   ”方法调用栈“包括进栈和出栈两个行为。
   当进入一个新方法时，执行入栈操作，把调用的方法和参数信息压入栈中。当方法返回时，执行出栈操作，把调用的方法和参数信息从栈中弹出。如下代码

void fun4(int n) {
	if(n<1) {
		return;
	}
	fun4(n-1);
	...
}

从”方法调用栈“的出入栈操作可以看出，其内存空间和递归深度成正比。纯粹的递归操作的空间复杂度也是线性的，所以空间复杂度是$O(n)$

2.什么是数据结构

数据结构，对应的英文单词是data structure，是数据的组织、管理和储存格式，其使用的目的是为了高效地访问和修改数据。

数据结构主要有哪些组成方式?

1. 线性结构
   线性结构是最简单的数据结构，包括数组、链表，以及由它们衍生出来的栈、队列、哈希表。

2. 树
   树是相对复杂的数据结构，其中比较有代表性的是二叉树，由它又衍生出了堆之类的数据结构。

3. 图
   图是更为复杂的数据结构，因为在图中会呈现出多对多的关联关系。

4. 其他数据结构
   除以上的几种数据结构以外，还有一些其他的千奇百怪的数据结构。它们由基本数据结构变形而来，用于解决特定问题，如跳表、哈希链表、位图等。