数据结构第一章 绪论

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

提示：本章内容为数据结构概述

---

提示：以下是本篇文章正文内容，下面案例可供参考

一，什么是数据结构？

二，数据结构的基本概念

1基本概念和术语

1.1. 数据

数据是信息的载体，是**描述客观事物属性**的数，字符及所有能输入到计算机中并被计算机程序识别和处理的符号的集合。数据是计算机程序加工的原料。

1.2. 数据元素

数据元素是数据的基本单位，通常作为一个整体进行考虑和处理。
数据项是构成数据元素不可分割的最小单位。
例如：
学生记录就是一个数据元素，它由学号，姓名，性别等数据项组成。

1.3. 数据对象

数据对象就是具有相同的数据元素的集合，是数据的一个子集。
例如：整数数据对象是集合N={0,1,2,2}.

1.4. 数据类型

数据类型是一个值的集合和定义在此集合上的一组操作的总称。
1）原子类型。
2）结构类型。
3）抽象数据类型。

1.5 数据结构

数据结构是相互之间存在一种或者多种特定关系的数据元素的集合。数据结构包含三个方面的内容：逻辑结构，存储结构和数据的运算。
数据的逻辑结构和存储结构密不可分的两个方面：
1）算法的设计取决于所选定的逻辑结构；
2）算法的实现依赖于所采用的存储结构。

1.6 知识回顾

1.2数据结构三要素

2.1. 数据的逻辑结构

逻辑结构是指数据元素之间的逻辑关系，即从逻辑关系上描述数据。它与数据的存储无关，是独立于计算机的。
数据的逻辑结构分为两类：
1）线性结构（一对一）
线性表是典型的线性结构。
2）非线性结构
集合（除同属一个集合外，别无其它关系），树（一对多），图（多对多）是典型的非线性结构。

2.2. 数据的存储结构

存储结构是指数据结构在计算机中的表示（又称映像），也称物理结构。它包括数据元素的表示和关系的表示。
数据的存储结构主要有以下四种：
1）顺序存储
优点：可以实现顺序存取，每个元素占用最少的存储空间。
缺点：只能使用相邻的一整块存储空间，可能产生较多的外部碎片。

2）链式存储
优点：不会出现碎片现象，能充分利用所有存储单元。
缺点：每个元素因存储指针而占用额外的存储空间，且只能顺序存取。

3）索引存储
优点：检索速度快。
缺点：附加的索引表额外占用存储空间。另外，增加和删除数据时也要修改索引表，因此会花费较多的时间。

4）散列存储
优点：检索，增加和删除结点的操作都很快。
缺点：若散列函数不好，则可能出现元素存储单元的冲突，而解决冲突会增加时间和空间开销。

2.3. 数据的运算

施加在数据上的运算包括运算的定义和实现。运算的定义是针对逻辑结构的，指出运算的功能；运算的实现是针对存储结构的，指出运算的具体操作步骤。

2.4. 知识点总结

三，算法和算法评价

1. 算法的基本概念

算法是对特定问题求解步骤的一种描述，它是指令的有限序列，其中的每条指令表示一个或者多个操作。
一个算法还具有以下5个重要特性：
1）有穷性。一个算法必须在有穷步之后结束，且每一步都可在有穷时间内完成。
2）确定性。算法中的每条指令必须有确切的含义，对于相同的输入只能得出相同的结果。
3）可行性。算法中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。
4）输入。一个算法有零个或者多个输入，这些输入取自于弄个特定的对象的集合。
5）输出。一个算法有一个或者多个输入，这些输出是与输入有着某种特定的关系的量。
设计一个“好”的算法应考虑达到以下目标：
1）正确性。
2）可读性。
3）健壮性。
4）效率与低存储量需求。

2. 算法效率的度量

算法效率的度量是通过时间复杂度和空间复杂度来描述的。

2.1 时间复杂度

一个语句的频度是指该语句在算法中被重复执行的次数。算法中所有语句的频度之和记为T(n),它是该算法问题规模n的函数，时间复杂度主要分析T(n)的数量级。
算法中基本运算（最深层循环内的语句）的频度与T(n)同数量级，因此通常采用算法中基本运算的频度f(n)来分析算法的时间复杂度。因此，算法的时间复杂度记为：
T(n)=O(f(n));
O的含义是T(n)数量级。``
算法的时间复杂度不仅依赖于问题的规模n，也取决于待输入数据的性质（如输入数据元素的初始状态）。例如：
在数组A[0…n-1]中，查找给定值k的算法大致如下：

(1)i=n-1;
(2)while(i>=0&&(A[i]!=k))
(3)i--;
(4)return i;

该语法中语句3（基本运算）的频度不仅与问题的规模n有关，而且与输入实例中A的各个元素的取值及k的取值有关：
1)若A中没有与k相等的元素，则语句3的频度f(n)=n。
2）若A最后一个元素等于k，则语句3的频度f(n)是常数0。

最坏时间复杂度是指在最坏情况下，算法的时间复杂度。
平均时间复杂度是指所有可能输入实例在等概率出现的情况下，算法的期望运行时间。
最好时间复杂度是指在最好情况下，算法的时间复杂度。
一般总是考虑最坏时间复杂度，以保证算法的运行时间不会比它长。
在分析一个程序的时间复杂度时，有以下两个原则：
1）加法规则
2）乘法规则

常见的渐进时间复杂度为：
1）练习：

程序段如下：
for(i=n-1;i>1;i--)
{
	for(j=1;j<i;j++)
	if(A[j];j<=2*i;j++)
	m++;
}
其中n为正整数，则最后一行语句的频度在最坏情况下是（）
A.O(n)         B.O(nlogn)          C.(n^3)          D.(n^2)

知识总结

2.2空间复杂度

算法的空间复杂度S(n)定义为该算法所耗费的存储空间，它的问题规模n的函数，记为：
S(n)=O(g(n))
算法原地工作是指算法所需的辅助空间为常量，即O(1)。