【408计算机考研】数据结构——第一章 绪论

第一章 绪论

1.1 数据结构的基本概念

1.1.1 基本概念和术语

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。

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。一个数据元素可由若干数据项组成，数据项是构成数据元素的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。

3. 数据对象
数据对象是具有相同性质的数据元素的集合，是数据的一个子集。例如，整数数据对象是集合N= {O, I, 2, …｝。

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。其值不可再分的数据类型。
2) 结构类型。其值可以再分解为若干成分（分扯）的数据类型。
3) 抽象数据类型。抽象数据组织及与之相关的操作。
5. 数据结构
数据结构是相互之间存在一种或多种特定关系的数据元素的集合。在任何问题中，数据元素都不是孤立存在的，它们之间存在某种关系，这种数据元素相互之间的关系称为结构 (Structure)
数据结构包括三方面的内容：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是密不可分的两个方面，一个算法的设计取决千所选定的逻辑结构，而算法的实现依赖于所采用的存储结构。

1.1.2 数据结构三要素

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，是独立千计算机的。数据的逻辑结构分为线性结构和非线性结构，线性表是典型的线性结构；集合、树和图是典型的非线性结构。

2. 数据的存储结构
存储结构是指数据结构在计符机中的表示（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。数据的存储结构是用计算机语言实现的逻辑结构，它依赖千计算机语言。
数据的存储结构主要有顺序存储、链式存储、索引存储和散列存储。

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。

1.2 算法和算法评价

1.2.1 算法的基本概念

算法 (Algorithm) 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多个操作。此外，一个算法还具有下列 个重要特性：
1) 有穷性。一个算法必须总在执行有穷步之后结束，且每一步都可在有穷时间内完成。
2) 确定性。算法中每条指令必须有确切的含义，对千相同的输入只能得出相同的输出。
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。一个算法有零个或多个输入，这些输入取自千某个特定的对象的集合。
5) 输出。一个算法有一个或多个输出，这些输出是与输入有着某种特定关系的址。
通常，设计一个“好”的算法应考虑达到以下目标：
1) 正确性。算法应能够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**。

3) 健壮性。输入非法数据时，算法能适当地做出反应或进行处理，而不会产生莫名其妙的输出结果。

4) 效率与低存储量需求。效率是指算法执行的时间，存储址需求是指算法执行过程中所需要的最大存储空间，这两者都与问题的规模有关。

1.2.2 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。

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 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))
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）
最坏时间复杂度是指在最坏悄况下，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。
一般总是考虑在最坏情况下的时间复杂度，以保证算法的运行时间不会比它更长。
在分析一个程序的时间复杂性时，有以下两条规则：
a) 加法规则
T(n) = T₁(n) + T₂(n) = O(f(n)) + O(g(n)) = O(max(f(n), g(n)))
b) 乘法规则
T(n) = T₁(n)×T₂(n) = O(f(n))×O(g(n)) = O(f(n)×g(n))
常见的渐近时间复杂度为
0(1) < O(log₂n) < O(n) < O(nlog₂n) < O(n²) < O(n³) < 0(2ⁿ) < O(n!) < O(nⁿ)

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，它是问题规模n的函数。记为
S(n) = O(g(n))
一个程序在执行时除衙要存储空间来存放本身所用的指令、常数、变量和输入数据外，还需要一些对数据进行操作的工作单元和存储一些为实现计算所需信息的辅助空间。若输入数据所占空间只取决千问题本身，和算法无关，则只需分析除输入和程序之外的额外空间。
算法原地工作是指算法所需的辅助空间为常址，即 0(1)。

章节导图