关于数据结构的学习：绪论

绪论

之前在大二上过数据结构课，不过早已经把知识还给了老师，最近出于各种需求，决定重新拾起来，在博客上记录学习过程，本人文笔粗糙，也不指望有人看了。
我用的是各大高校广泛使用的严蔚敏版的数据结构（晦涩难懂。。。），第一章绪论部分没太多重要部分，我着重记录几个知识点

数据结构基本概念和术语

1. 数据(data)：所有能被计算机识别、存储和处理的符号的集合(不多解释)。
2. 数据元素(data element)：数据的基本单位，一个数据元素由多个数据项组成，数据项是不可分割的最小单位啦。
   比如，一个学生是一个数据元素的话，学生的学号，姓名，性别等信息都是一个个数据项。
3. 数据对象(data object)：是性质相同的数据元素的一个集合，也是数据的一个子集啦。
4. 数据结构(data structure)：互相之间存在一种或多种关系的数据元素的集合。互相之间存在一种或多种关系称为结构，通常有4种基本结构。
5. 数据结构的三要素：数据的逻辑结构，数据的物理结构(存储结构)，数据的运算。
   数据的逻辑结构：是从逻辑关系上来描述数据，它与数据的存储无关，是独立于计算机的。它有两类划分方式，一类划分方式可以分为线性结构和非线性结构。
   另一类可以划分为如下4种基本数据结构
   1 集合
   数据元素之间除了同属一个集合，没啥关系。
   2 线性结构
   数据元素之间存在一对一的关系。
   3 树形结构
   数据元素之间存在一对多的关系。
   4 图状结构(网状结构)
   数据元素之间存在多对多的关系。
   数据的物理结构：根据数据元素之间的关系在计算机有两种不同表示方法，顺序映像和非顺序映像，由此可分为顺序存储结构和链式存储结构。
   数据的运算：检索、排序、插入、删除、修改等
6. 数据类型(data type)：是一个值的集合和定义在该值上的一组操作的总称。
7. 抽象数据类型(abstract date dype,简称ADT)：一个数学模型以及定义在该模型上的操作，和数据类型实质是一个概念。
8. 多形数据类型(polymorphic data type)：其值的成分不确定的数据类型。

算法和算法分析

1. 算法(algorithm)：对特定问题求解步骤的一种描述，是指令的有限序列，每一条指令包括1或多个操作。算法具备以下5个特性。
   1.1有穷性：一个算法在执行有限步骤，每一步执行有限时间后完成。
   1.2确定性：算法的每一条指令都有明确定义。
   1.3可行性：算法的所有操作都可执行。
   1.4输入：一个算法有0或多个输入。
   1.5输出：一个算法有1或多个输出。
2. 算法设计的要求：正确性，可读性，健壮性，效率与低存储量需求。

时间复杂度与空间复杂度

时间复杂度

时间复杂度：T(n)=O(f(n)) ，执行次数T(n) 是关于问题规模n的函数。
f(n)的增长率：即随问题规模n增大，算法执行时间的增长率。
我们通常用大写O()来体现算法时间复杂度的记法，称为大O阶方法，有3个步骤来推导。

1 用**常数1**取代运行时间中的所有**加法常数**。
2 在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是1，则去除与这个项目相乘的常数。得到的结果就是大O阶。

推导时间复杂度的大O阶方法

1. 常数阶

   1 int sum = 0, n = 100; /*执行一次*/
   2 
   3 sum = (1 + n) * n / 2; /*执行一次*/
   4 
   5 printf("%d",sum); /*执行一次*/
   

   这个算法的运行次数函数是f (n) =3。 根据我们推导大O阶的方法，第一步就是把常数项3 改为1。在保留最高阶项时发现，它根本没有最高阶项，所以这个算法的时间复杂度为O(1)。

2. 线性阶

   1 int i; 
   2 
   3 for(i = 0; i < n; i++){
   4 
   5 /*时间复杂度为O(1)的程序步骤序列*/
   6 
   7 }
   

   它的循环的时间复杂度为O(n)， 因为循环体中的代码须要执行n次。

3. 对数阶

   1 int count = 1; 
   2 
   3 while (count < n){
   4 
   5 count = count * 2;
   6 
   7   /*时间复杂度为O(1)的程序步骤序列*/
   8 
   9 }
   

   由2^x=n 得到x=logn。 所以这个循环的时间复杂度为O(logn)。

4. 平方阶

    1 int i, j; 
    2 
    3 for(i = 0; i < n; i++){
    4 
    5 　　for(j = 0; j < n; j++){
    6 
    7 /*时间复杂度为O(1)的程序步骤序列*/
    8 
    9 　　}
   10 
   11 }
   

   这段代码的时间复杂度为O(n^2)。如果外循环的循环次数改为了m，时间复杂度就变为O(mXn)。

    1 int i, j; 
    2  
    3 for(i = 0; i < n; i++){
    4  
    5 　　for(j = i; j < n; j++){ /*注意j = i而不是0*/
    6  
    7 　　/*时间复杂度为O(1)的程序步骤序列*/
    8  
    9 　　}
   10  
   11 }
   

   当i=0时，内循环执行了n次，当i = 1时，执行了n-1次，到当i=n-1时，执行了1次。所以总执行次数为:
   n+(n-1)+(n-2)+…+1=n(n+1)/2=n^2/2+n/2
   根据大O阶方法，第一条，没有加法常数不予考虑；第二条，只保留最高阶项，因此保留时(n^2)/2; 第三条，去除这个项相乘的常数，也就是去除1/2，最终这段代码的时间复杂度为O(n^2)。

5. 立方阶

   int i, j; 
    
   for(i = 1; i < n; i++)
    
   for(j = 1; j < n; j++)
    
   for(j = 1; j < n; j++){
    
   /*时间复杂度为O(1)的程序步骤序列*/
    
    
    
   }
   

   按照上述大O阶推导方法，时间复杂度为O(n^3)。

时间复杂度大小排序

常用的时间复杂度所耗费的时间从小到大依次是：

时间复杂度的最坏情况、最好情况与平均情况

比如我们在一个a[n]数组查找一个数字，最好情况是第一次就查到了，最坏的一种情况是最后一次查到，那么算法的时间复杂度就是O(n)。
最坏情况运行时间是一种保证，那就是运行时间将不会再坏了。通常， 一般讨论的时间复杂度均是最坏时间复杂度。

空间复杂度

S(n)= O(f(n))，其中，n为问题的规模，f(n)为语句关于n所占存储空间的函数。

存储空间分为三部分，1是指令、常数、变量所占据的空间，2是输入数据占用的空间，3是一些对数据进行操作的工作单元和存储计算所需信息的辅助空间。
其中算法的空间复杂度指的是辅助空间，一维数组a[n]空间复杂度O(n)，二维数组a[n][m]空间复杂度O(n*m)。