入门基础知识

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=2^x,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).