数据结构与算法（第一节）

本系列文章来自网易云课程  陈越老师的数据结构，博客只是做简单的回顾！

1.1什么是数据结构

例子1：如何在书架上摆放图书的问题

具体的不展开了，给了我们  解决问题方法的效率，跟数据的组织方式有关。

例子2：写程序实现一个函数PrintN，使得传入一个正整数为N的参数后，能顺序打印从1到N的全部正整数

这里有循环和递归实现-------

 这里直接       是递归占用电脑内存太大，直接跳出递归！（解决问题方法的效率，跟空间的利用效率有关）

例子3：写程序计算多项式在给定点x处的值：

这一块自己写一下代码：

#include<stdio.h>
#include<time.h>
#include<math.h>

clock_t start, stop;
double duration;
#define MAXN 10
double f1(int n, double a[], double x)
{
	int i;
	double p = a[n];
	for (i = n; i > 0; i--) 
	{
		p = a[i-1] +x*p;
	}
	return p;

}

double f2(int n, double a[], double x)
{
	int i;
	double p = a[0];
	for (i = 1; i < n; i++)
	{
		p += a[i] * pow(x, i);
	}
	return p;

}
int main()
{
	int i;
	double a[MAXN]; /* 存储多项式的系数 */
	for (i = 0; i < MAXN; i++) a[i] = (double)i;
	start = clock();
	f1(MAXN - 1, a, 1.1);
	stop = clock();
	duration = ((double)(stop - start)) / CLK_TCK;
	printf("ticks1 = %f\n", (double)(stop - start));
	printf("duration1 = %6.2e\n", duration);
	start = clock();
	f2(MAXN - 1, a, 1.1);
	stop = clock();
	duration = ((double)(stop - start)) / CLK_TCK;
	printf("ticks2 = %f\n", (double)(stop - start));
	printf("duration2 = %6.2e\n", duration);
	return 0;

}

实际效果是第二种方法更快，也就是f2更快，这告诉了我们：解决方案的效率，和算法的巧妙程度相关；

那我们看一下为什么是第二种快呢，这就要考虑复杂度的问题了；

---

算法：

算法的定义：（。。。。。）

例1：选择排序算法的伪码描述

 算法评价好坏的标准：从空间的复杂度S（n） 时间复杂度T (n) ；

再回头想想打印N的那个例子，其递归调用占用太多，也就是空间占用太多了；

最后比较了一些常用的复杂度计算；

---

应用实例：

最大子列问题，这个还是非常重要的。

给定N个整数的序列{ A1, A2, …, AN}，

方法1：最简单粗暴的方法，也是最容易想到的：编译所有的内容求解：，代码如下：

int MaxSubseqSum1( int A[], int N )
{ int ThisSum, MaxSum = 0;
int i, j, k;
for( i = 0; i < N; i++ ) { /* i是子列左端位置 */
for( j = i; j < N; j++ ) { /* j是子列右端位置 */
ThisSum = 0; /* ThisSum是从A[i]到A[j]的子列和 */
for( k = i; k <= j; k++ )
ThisSum += A[k];
if( ThisSum > MaxSum ) /* 如果刚得到的这个子列和更大 */
MaxSum = ThisSum; /* 则更新结果 */
} /* j循环结束 */
} /* i循环结束 */
return MaxSum;
}

方法2：在上面的基础上，改进了一些，不要重复加一些之前的数据。具体的代码：

int MaxSubseqSum2( int A[], int N )
{ int ThisSum, MaxSum = 0;
int i, j;
for( i = 0; i < N; i++ ) { /* i是子列左端位置 */
ThisSum = 0; /* ThisSum是从A[i]到A[j]的子列和 */
for( j = i; j < N; j++ ) { /* j是子列右端位置 */
ThisSum += A[j];
/*对于相同的i，不同的j，只要在j-1次循环的基础上累加1项即可*/
if( ThisSum > MaxSum ) /* 如果刚得到的这个子列和更大 */
MaxSum = ThisSum; /* 则更新结果 */
} /* j循环结束 */
} /* i循环结束 */
return MaxSum;
}

方法3：是一种分而治之的思想：暂时没有代码实现，就简单的看看：

方法4：是一种在线处理的方式：

int MaxSubseqSum4( int A[], int N )
{ int ThisSum, MaxSum;
int i;
ThisSum = MaxSum = 0;
for( i = 0; i < N; i++ ) {
ThisSum += A[i]; /* 向右累加 */
if( ThisSum > MaxSum )
MaxSum = ThisSum; /* 发现更大和则更新当前结果 */
else if( ThisSum < 0 ) /* 如果当前子列和为负 */
ThisSum = 0; /* 则不可能使后面的部分和增大，抛弃之 */
}
return MaxSum;
}

这个试下就比较简单了；重点琢磨一下。