数据结构——绪论

​ 数据的逻辑结构描述
​ 数据的存储结构表示
​ 数据结构的运算定义
​ 设计实现运算的算法
​ 分析算法的效率

培根：方法是旧的，问题是新的。

​ 求解问题$\to$数据逻辑结构$\to$数据存储结构$\to$数据基本运算：算法

1 基本术语

​ 数据元素：是数据（集合）中的一个“个体”，它是数据的基本单位。
​ 数据项：用来描述数据元素的，它是数据的最小单位。
​ 数据对象：具有相同性质的若干个数据元素的集合。
​ 数据结构：是指带结构的数据元素的集合。

---

​ 一个数据结构的构成：逻辑结构+存储结构+数据运算。
​ 逻辑结构：数据元素之间的逻辑关系；
​ 数据的存储结构（或物理结构）：数据元素及其关系在计算机存储器中的存储方式；
​ 数据运算：施加在该数据上的操作。

2 逻辑结构

​ 归纳为4种：
​ 1）集合
​ 元素之间关系：无
​ 特点：数据元素之间除了“属于同一个集合”的关系外，无其他逻辑关系。最松散，不受任何制约。

​ 2）线性结构
​ 元素之间关系：一对一
​ 特点：开始元素和终端元素都是唯一的，其余元素都有且仅有一个前驱元素和一个后继元素。

​ 3）树形结构
​ 元素之间关系：一对多
​ 特点：开始元素唯一，终端元素不唯一。除终端元素外，每个元素有一个或多个后继元素；除开始元素外，每个元素有且仅有一个前驱元素。
​ 4）图形结构
​ 元素之间关系：多对多
​ 特点：所有元素都可能有多个前驱元素和多个后继元素。

3 存储结构

​ 归纳为4种：
​ 1）顺序存储结构
​ 所谓顺序就是存储单元的地址连续，其数据间的逻辑关系和物理存储关系是一致的。

​ 2）链式存储结构
​ 数据元素的存储单元是任意的，其数据间的逻辑关系需要用一个指针存放数据元素的地址。

​ 3）索引存储结构
​ 4）哈希（散列）存储结构

4 数据类型

定义：指一组性质相同的值的集合及定义在此集合上的一些操作的总称。

​ 数据类型可以分为两类：

1. 原子类型：是不可再分解的基本类型，包括整型、实型、字符型等；
2. 结构类型：由若干个类型组合而成，是可以再分解的。例如，整型数组是由若干整型数据组成的。

​ 抽象数据类型（Absract Data Type，ADT）：是指一个数学模型及定义在该模型上的一组操作。

5 算法分析

5.1函数的渐近增长

输入规模n在没有限制的情况下，只要超过一个数值N，这个函数就总是大于另一个函数，我们称函数是渐近增长的。

​ 判断一个算法效率时，我们可以忽略函数中的常数、与最高次项相乘的常数、其他次要项，应该关注主项（最高阶项）的阶数。

5.2算法时间复杂度

​ 确定语句总的执行次数T(n)的数量级。
$$T(n)=O(f(n))$$
​ 用大写O( )来体现算法时间复杂度的记法，称之为大O记法。

​ 分析算法的复杂度，关键就是要分析循环体结构的运行情况。
​ 循环的时间复杂度=循环体的复杂度 * 该循环运行的次数
​ 一般地：

• 一个没有循环的算法的执行时间与问题规模n无关，记作O(1)，也称作常数阶。
• 一个只有一重循环的算法的执行时间与问题规模n的增长呈线性增长关系，记作O(n)，也称线性阶。
• 其余常用的算法时间复杂度还有平方阶O(n2)、立方阶O(n3)、对数阶O(log2n)、**指数阶O(2^n)**等。

​ 举个李子：

int count=1；
while(count<n){
	count=count*2
}

​ 退出循环的条件是，count不再小于n，count又是每次循环乘以2，那么多少个2乘以count才会大于n呢？于是，建立方程$2^x=n$，得到$x=lo{g}_{2}n$。所以时间复杂度就是$O(logn)$。

​