1.基本概念
1.1什么是数据结构?
-
数据对象在计算机中的组织方式
- 逻辑结构
- 物理存储结构
-
数据对象必定与一系列加在其上的操作相关联
-
完成这些操作的方法就是算法
抽象数据类型(Abstract Data Type)
-
数据类型
- 数据对象集
- 数据集合相关联的操作集
-
抽象:描述数据类型的方法不依赖于具体实现
- 与存放数据的机器无关
- 与数据存储的物理结构无关
- 与实现操作的算法和编程语言均无关
只描述数据对象集和操作集“是什么”,并不涉及“如何做到”的问题
1.2什么是算法
- 算法(Algorithm)
- 一个有限指令集
- 接受一些输入(有些情况下不需要输入)
- 产生输出
- 一定在有限步骤之后终止
- 每一条指令必须
- 有充分明确的目标,不可以有歧义
- 计算机能处理的范围之内
- 描述应不依赖于任何一种计算机语言以及具体的实现手段
什么是好的算法?
- 空间复杂度S(n) —— 根据算法写成的程序在执行占用存储单元的长度。这个长度胡往往与输入数据的规模有关。空间复杂度过高的算法可能导致使用的内存超限,造成程序非正常中断。
- 时间复杂度T(n) —— 根据算法写成的程序在执行时耗费时间的长度。这个长度也与输入数据的规模有关。时间复杂度过高的低效算法可能导致我们有生之年都等不到运行结果。
什么是好的算法?
在分析一般算法的效率时,我们经常关注下面两种复杂度
- 最坏情况复杂度Tworst(n)
- 平均复杂度Tavg(n)
- Tavg(n)<=Tworst(n)
复杂度的渐进表示法
- T(n) = O(f(n))表示存在常数C>0, n₀>0使得n>=n₀时有T(n)<=C·f(n)
- T(n) = Ω(g(n))表示存在常数C>0, n₀>0使得当n>=n₀时有T(n)>=C·g(n)
- T(n) = Θ(h(n))表示同时有T(n) = O(h(n))和T(n) = Ω(h(n))
复杂度分析小窍门
- 若两端算法分别由复杂度T₁(n) = O(f₁(n))和T₂(n) = O(f₂(n)), 则
- T₁(n) + T₂(n) = max(O(f₁(n)), O(f₂(n))
- T₁(n) x T₂(n) = O(f₁(n) x f₂(n))
- 若T(n)是关于n的k阶多项式,那么T(n)=Θ(nᵏ)
- 一个for循环的时间复杂度等于循环次数乘以循环体代码的复杂度
- if-else 结构的复杂度取决于if的条件判断复杂度和两个分支部分的复杂度,总体复杂度三者中最大