数据结构与算法-概述

程序=数据结构+算法数据结构与算法

00x1 重要性

• 名企必考
• 竞赛重点
• 应用范围广

 

00x2 数据结构

数据结构是数据之间的一种或多种特定关系的集合

数据结构分为逻辑结构（数据对象中数据元素之间的相互关系）和物理结构（数据结构在计算机中的存储形式）

逻辑结构

• 集合结构：数据与数据彼此之间无关联
• 线性结构：数据与数据之间一对一
• 树形结构：数据与数据之间一对多
• 图形结构：数据与数据之间多对多

物理结构：如何把数据元素存储到存储器（主要是内存）中

 

00x3 存储结构

• 顺序存储结构：数据存放在连续的存储单元，必须连续；逻辑关系与物理关系一致；开销小
• 链式存储结构：数据存放在任意存储单元，不必连续；逻辑关系和物理关系不一致；需通过指针；灵活

00x4 算法

解决特定问题的求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示一个或多个操作

特征：输入、输出、有穷性、确定性、可行性

要求：正确性、可读性、健壮性、时间效率高且存储量低

 

00x5 算法效率的度量方法

事后统计法

  通过设计后的测试程序和数据，利用计算机计时器对不同算法编程的运行时间进行比较，从而确定算法效率的高低

  缺陷：费时费力，受测试环境影响大

事前分析法

在编写计算机程序之前，依据统计方法对算法进行估算

影响效率的因素

• 算法采取的策略、方案
• 编译产生的代码质量
• 问题的输入规模
• 机器执行指令的速度

如果精确地研究执行次数是很累的，我们侧重研究的是算法随着输入规模扩大增长量的一个抽象，重要的是把基本操作的数量和输入模式关联起来

函数的渐近增长

给定两个函数f(n)和g(n)，如果存在一个整数N，使得对于所有的n>N，f(n)总是比g(n)大，那么我们说f(n)的增长渐近快于g(n)

常数不会影响算法的变化曲线，最高次项的系数也不重要，最重要的是最高次项的次数

 

00x6 时间复杂度

在进行算法分析是，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量 T(n)=O(f(n)) 

推导大O阶：

1. 用1取代运行时间中的所有常数项
2. 只保留最高次项
3. 令最高次项的系数为1

大O阶的分类：

• 常数阶：O(1)
• 线性阶：O(n)
• 平方阶：O()
• 对数阶：O()
• nlog阶：O()
• 立方阶：O()
• 指数阶：O()

另外地，O(循环)=循环运行次数n ^  复杂度

排列顺序：O(1)<O()<O(n)O()<O()<O()<O()

平均运行时间：期望的运行时间

最坏运行时间：所给的运行时间

00x7 空间复杂度

在一个算法运行过程中临时占用存储空间大小的度量，S(n)=O(f(n))

复杂度默认为时间复杂度。时间复杂度描述运行时间的需求，空间复杂度描述空间的需求