基本概念
数据对象:是性质相同的数据元素的集合,是数据的子集;
数据元素:是组成数据的,具有一定意义的基本单位通常作为整体处理;
数据项:是数据的最小单位,一个数据元素可以由若干个数据项组成。
数据>数据对象>数据元素>数据项
基本结构
数据结构分为逻辑结构和物理结构
1.逻辑结构指的是数据对象中数据元素之间的相互关系。
种类:集合结构,线性结构,树形结构,图形结构
2.物理结构指的是数据的逻辑结构在计算机中的储存形式
种类:顺序储存结构,链式储存结构
复杂度(算法)
时间复杂度
用大O记法表示算法的时间复杂度
推导大O阶:
(1)用常数1取代运算时间中的所有加法常数
(2)运行次数函数中只保留最高阶项
(3)最高阶项系数保持为1
int count = 1;
while (count < n)
{
count = count * 2;
/*时间复杂度为O(1)的程序步骤序列*/
}
其计算次数n=2x,由此得到x=log2n,所以该循环时间复杂度为O(logn)。
void function(int count)
{
for(int j = count;j < n; j++)
{/*时间复杂度为O(1)的程序步骤序列*/}
}
n++
function(n);
for(int i = 0;i < n; i++)/*执行次数为n*n*/
{
function(i);
}
for(int i = 0; i < n; i++)/*执行次数为n*(n+1)/2*/
{
for(int j = 0; j < n; j++)
{/*时间复杂度为O(1)的程序步骤*/}
}
它的执行次数f(n)=1+n+n2+n*(n+1)/2=3/2* n2+3/2* n+1
通过大O阶推导,起时间复杂度为O(n2)。
常用的时间复杂度所耗费的时间从小到大排序:
O(1)<O(logn)<O(n)<O(nlogn)<O(n2)<O(n3)<O(2n)<O(n!)<O(nn)
(后四个时间复杂度过高,一般不讨论)
空间复杂度
算法的空间复杂度通过计算算法所需的储存空间实现,计算公式:S(n)=O(f(n)),n为问题规模,f(n)为语句关于n所占储存空间的函数。
一般情况下,一个程序在机器上执行时,除了需要储存程序本身的指令,常数,变量和输入数据外,还需要储存对数据操作的储存单元。若输入数据所占空间只取决于问题本身,和算法无关,这样只需要分析该算法在实现时所需要的辅助单元即可。若算法执行时所需的辅助空间相对于输入数据量而言是个常数,则称此算法为原地工作,空间复杂度为O(1).