数据结构知识总结（绪论）

什么是数据结构

程序=数据结构+算法
数据结构是一门研究非数值计算的程序设计问题中计算机的操作对象以及它们之间的关系和操作等等的学科

基本概念

数据：所有能输入到计算机中去的描述客观事物的符号
数据元素：数据的基本单位，也称节点（node）或记录（record）。
有时一个数据元素可以由若干数据项(Data Item)组成
数据项：有独立含义的数据最小单位，也称域(field)
数据结构：数据元素和数据元素关系的集合

数据结构的四个基本结构：

集合：数据元素间除“同属于一个集合”外，无其它关系
线性结构：一对一
树形结构：一对多
图形结构：多对多

二元组表示：

Data_Structure=(D,S)

其中，D是是数据元素的有限集，S是D上关系的有限集。
例如复数的数据结构定义：

Complex=(C,R)

其中：
C是含两个实数的集合(C1，C2)，分别表示复数的实部和虚部。R={P}，P是定义在集合上的一种关系{<C1，C2>}

数据的存储结构

顺序存储结构：借助元素在存储器中的相对位置来表示数据元素间的逻辑关系
链式存储结构：借助指示元素存储地址的指针表示数据元素间的逻辑关系。每个节点都由两部分组成：数据域和指针域。数据域存放元素本身的数据，指针域存放指针。数据元素之间逻辑上的联系由指针来体现。

数据类型

基本数据类型：int,double,float,char等
构造数据类型 数组、结构体、共用体、枚举等
自定义数据类型：

typedef struct
{
	int num;
	char name[20];
	float score;
}student;
student stu1,stu2,*p;

抽象数据类型（ADT）

ADT 抽象数据类型名{
            数据对象：<数据对象的定义>
            数据关系：<数据关系的定义>
            基本操作：基本操作名（参数表）
                      初始条件：<初始条件描述>
                      操作结果：<操作结果描述> 
}ADT 抽象数据类型名

其中，数据对象和数据关系的定义用伪码描述。

ADT Triplet {
        //数据对象：
        D={e1,e2,e3|e1,e2,e3∈ElemSet}
        //(ElemSet：定义了关系运算的某个集合）
        //数据关系：
        R1={<e1,e2>,<e2,e3>}
        //基本操作：
              InitTriplet(&T,v1,v2,v3) 
        /*操作结果：构造了三元组T,元素e1,e2,和e3分别
      被赋以参数v1,v2和v3的值。*/
              DestroyTriplet(&T) 
                  //操作结果：三元组T被撤消。
              Get(T,i,&e)
                  //初始条件：三元组T已存在，1≤i≤3 。
                  //操作结果：用e返回T的第i元的值。
              Put(&T,i,e)
                  //初始条件：三元组T已存在，1≤i≤3 。
                  //操作结果：改变T的第i元的值为e。
              IsAscending(T)
   				/*初始条件：三元组T已存在。
   				操作结果：如果T的三个元素按升序排列，
   				则返回1， 否则返回0。*/
			  IsDescending(T)
   				//初始条件：三元组T已存在。
   				//操作结果：如果r的三个元素按降序排列，
   				//则返回1,否则返回0。
			  Max(T,&e)
				//初始条件：三元组T已存在。
			//操作结果：用e返回T的三个元素中的最大值。
			  Min(T,&e)
			  //初始条件：三元组T已存在。
              //操作结果：用e返回T的三个元素中的最小值。
}ADT Triplet 

术语

算法

算法的5个特性：

有穷性：有限步，有限时
确定性：不存在二义性。且算法只有一个入口和一个出口。
可行性：字面意思
输入：可以有0个或多个输入
输出：可以有一个或多个输出

算法设计要求

正确性，可读性，健壮性，效率与低存储需求

时间复杂度

一个算法所耗费的时间，应该是该算法中每条语句的执行时间之和，而每条语句的执行时间又是该语句的执行次数（频度）与该语句执行一次所需时间的乘积。
频度：是指该语句重复执行的次数
假定，每条语句一次执行的时间都是相同的单位时间。这样我们对时间的分析就可以独立于软硬件系统。
通常用程序中基本操作的执行次数来做为程序执行时间的评估值，并取问题规模作为自变量。

由于是一个三重循环，每个循环从1到n，则总次数为: n×n×n=$n^3$
整个算法的执行时间和与基本操作重复执行的次数$n^3$成正比,记作T(n)=O($n^3$)。即O($n^3$）与$n^3$同一数量级。
时间复杂度T(n)：基本操作重复执行的次数的阶数
一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，T(n)称作算法的渐近时间复杂度。
1、算法的时间复杂度是该算法中所有语句的执行频度之和。
2、如果算法的执行时间是一个与问题规模n无关的常数，则算法的时间复杂度为常数阶，记作T(n)=O(1)。
3、一般情况下，对循环语句只考虑循环体语句的执行次数，而忽略该语句中步长加一、终值判别、循环转移等成份。因此，当有若干个循环语句时，算法的时间复杂度是由嵌套层数最多的循环语句中最内层语句的频度所决定的。
4、很多算法的时间复杂度不仅与问题的规模有关，而且还与它所处理的数据集的状态有关。通常是根据数据集中可能出现的最坏情况估计出算法的最坏时间复杂度。