《数据结构》001绪论

一、抽象数据类型
数据元素之前的关系：集合、线性、树状、图或网

二、算法
1、一个有限指令集
2、输入
3、产生输出
4、有限步骤后终止
5、指令要：描述的要求为不依赖于任意种计算机语言以及具体的实现手段
如 伪码描述（抽象的）
6、 5大特性：输入、输出、有穷性、确定性、可行性
7、 好算法的评价标准：算法的正确性、可读性、健壮性、时间空间复杂程度（效率与低存储量）
8、 数据结构的随机存取和顺序存取： ①可以通过下标直接访问 ，与存储位置无关，例如数组 ②顺序存取不可通过下标访问，与存储位置有关，例如链表
好坏：
1、时间复杂度
2、空间复杂度
n：复杂度
O(n)和T(n)的区别：①O(n)是表示算法的时间复杂度的一个函数，即算法的时间复杂度 ②T(n)是基本操作重复执行的次数，是问题规模n的某个函数。【若有某个辅助函数f(n)，使得T(n)/f(n)的极限值（当n趋近于无穷大时）为不等于零的常数，则称f(n)是T(n)的同数量级函数】

下面程序的复杂度是多少？

void PrintN(int N)
	{
	if (N)
	printN(N-1);
	cout<<N;
	}
	return 0;
	}	

例一：比较两种时间复杂度
算法一：

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

时间复杂度为 :

算法二：

double f ( 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;
}

时间复杂度为：

复杂度的渐进表示算法：

1：最小上界
2：最大下界
3：等价
表1 不同函数，随着n的增长的增长速度


所以设计算法要求——降低复杂度

计算技巧：

1: （1）两个函数相加（2）相互嵌套
2：k阶，取最大
3：for : i*j
4：if else 三选一选最大

例二：最大子列和问题

方法一：

int Max( int A[ ], int N )
{
	int sum, MaxSum = 0;
	int i, j, k;
	for( i = 0; i < N; i++)
		{for( j = i, j<N; j++)
			{sum = 0;
			for( k = i; k < j; k++)
				sum += A[k];
			if( sum > MaxSum )
				MaxSum = sum;
				
			 }
		 }
		 return MaxSum;
}		
		

复杂度为 O(N³)

算法二：

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;  
}

复杂度为 O（N²）

****注意！！****一旦发现复杂度为 O（N²），就应该想办法简化为为 n log(n)

算法三：分而治之，截一半，递归找出，最后总结结合起来

一分为二而 递归左半边 ，求最大系类和，右边找到最大即结束

算法复杂度求法： 左+右+跨越边界的子列和

即实现了使 复杂度从 O（N²）变为 O（n log(n)）

算法四：
在线处理——遇到了会使子列和变为负的数值：舍弃，重新开始
在线：没输入一个数据都进行即时处理，在任何一个地方终止输入，算法都可以给出一个当前的解。