数据结构---算法效率

1.什么是数据结构？
数据结构（Data Structure）是计算机存储，组织数据的方式，指相互之间存在一种或多种特定关系的数据元素的集合。
2.什么是算法？
算法（Algorithm）：就是定义良好的计算过程，他取一个或一组的值为输入，并产生一个或一组值作为输出。简单来说算法就是一系列的计算步骤，用来将输入数据转化成输出结果。
3.算法效率
算法效率分析分为两种：第一种是时间效率，第二种是空间效率。时间效率被称为时间复杂度，而空间效率被称为空间复杂度。
时间复杂度主要衡量的是一个算法的运行速度。
空间复杂度主要衡量一个算法所需要的额外空间。因为现在我们计算机的存储容量已经达到了很高的成都。所以我们如今已经不需要再特别关注一个算法的空间复杂度。
4.时间复杂度
算法中的基本操作的执行次数，为算法的时间复杂度
4.1.大O的渐进表示法

void Func1(int N) {
	int count = 0;
	for (int i = 0; i < N; ++i) {
		for (int j = 0; j < N; ++j) {
			++count;
		}
	}for (int k = 0; k < 2 * N; ++k) {
		++count;
	}
	int M = 10;
	while (M--) {
		++count;
	}
	printf("%d\n", count);
}

Func1 执行的基本操作次数：
F(N)=N^2+2*N+10
我们只需要大概执行次数，那么这里我们使用大O的渐进表示法。
大O符号：适用于描述函数渐进行为的数学符号。
推导大O阶方法：

1. 用常数1取代运行时间中的所有加法常数。
2. 再修改后的运行次数函数中，只保留最高阶项。
3. 如果最高阶项存在且不失1，则去除与这个项目相乘的常数。得到的结果就是大O阶。
   使用大O的渐进表示法，Func1的时间复杂度为：
   O（N^2)
   另外有些算法的时间复杂度存在最好,平均和最坏情况：
   最坏情况：任意输入规模的最大运行次数（上界）
   平均情况：任意输入规模的期望运行次数
   最好情况：任意输入规模的最小运行次数（下界）
   5.空间复杂度
   空间复杂度是对一个算法在运行过程中临时占用存储空间大小的量度