数据结构复习（一）——绪论

一、绪论

数据结构

基本概念

• 数据
• 数据元素、数据项
• 数据对象、数据结构

三要素

• 逻辑结构

  • 集合结构

  • 线性结构

    • 一对一

  • 树形结构

    • 一对多

  • 图状结构

    • 多对多

• 数据的运算

  • 结合逻辑结构、实际需求来定义基本运算

• 物理结构（存储结构）

  • 顺序存储
  • 链式存储
  • 索引存储
  • 散列存储

算法的基本概念

什么是算法

• 对特定问题求解步骤的一种描述，是指令的有限序列，其中的每条指令表示一个或多个操作。

算法的五个特性

• 有穷性

  • 必须在执行有穷步之后结束，且每一步都可在有穷时间内完成

    • 注：算法是有穷的，程序可以是无穷的。

• 确定性

  • 算法中每条指令必须含有确切的含义，对于相同的输入只能得出相同的输出。

• 可行性

  • 算法描述的操作都可以通过已经实现的基本运算执行有限次来实现。

• 输入

  • 有零个或多个输入，输入取自某个特点定的对象的集合。

• 输出

  • 有一个或多个输出，输出是与输入有某种特定关系的量。

“好”算法的特性

• 1）正确性

  • 算法应能正确地解决求解问题。

• 2）可读性

  • 算法应具有良好的可读性，以帮助人们理解。

    • 注释

• 3）健壮性

  • 输入非法数据时，算法能适当地作出反应或进行处理，而不会产生莫名其妙的输出结果。

• 4）高效率与低存储量需求

  • 时间复杂度低

    • 如何计算

      • 1）找到一个基本操作（最深层循环）
      • 2）分析该基本操作的执行次数x与问题规模n的关系 x=f(n)
      • 3）x的数量级O(x)就是算法的世界复杂度

    • 常用技巧

      • 常对幂指阶

        • O(1)<O(log2n)<O(n)<O(nlog2n)<O(n^2)<O(n3)<O(2^n)<O(n!)<O(nn)

      • 加法规则：O(f(n))+O(g(n))=O(max(f(n),g(n)))

      • 乘法规则：O(f(n)) x O(g(n)) = O(f(n)xg(n))

      • 三个结论

        • 结论1：顺序执行的代码只会影响常数项，可以忽略。
        • 结论2：只需挑循环中的一个基本操作分析它的执行次数与n的关系即可。
        • 结论3：如果有多层嵌套循环，只需关注最深层循环循环了几次。

    • 三种复杂度

      • 最坏时间复杂度：考虑输出数据“最坏”的情况
      • 平均时间复杂度：考虑所有输入数据都等概率出现的情况
      • 最好时间复杂度：考虑输入数据“最好”的情况

  • 空间复杂度低

    • 如何计算

      • 普通程序

        • 1）找到所占空间大小与问题规模相关的变量
        • 2）分析所占空间x 与 问题规模 n 的关系 x=f(n)
        • 3）x的数量级O(x)就是算法空间复杂度S(n)

      • 递归程序

        • 1）找到递归调用的深度x 与 问题规模 n 的关系 x=f(n)
        • 2）x的数量级O(x)就是算法空间复杂度S(n)
        • 注：有的算法各层函数所需存储空间不同，分析方法略有区别

    • 常用技巧

      • 常对幂指阶

        • O(1)<O(log2n)<O(n)<O(nlog2n)<O(n^2)<O(n3)<O(2^n)<O(n!)<O(nn)

      • 加法规则：O(f(n))+O(g(n))=O(max(f(n),g(n)))

      • 乘法规则：O(f(n)) x O(g(n)) = O(f(n)xg(n))

算法的时间复杂度

算法的空间复杂度