数据结构探秘手册：入门篇——绪论

0. 数据结构在学什么？

• 如何用程序代码把现实世界的问题信息化
• 如何用计算机高效地处理这些问题从而创造价值

1. 初识数据结构

1.1 基本概念

1.1.1 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。

1.1.2 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。

数据结构着重关注的是数据元素之间的关系和对这些数据元素的操作，而不关心具体的数据项内容

1.1.3 数据结构、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。

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，这种数据元素之间的关系称为结构。

数据结构包括三个方面：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于所选定的逻辑结构，而算法的实现依赖于所采用的存储结构。

1.1.4 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（分量）的数据类型。
3. 抽象数据类型（ADT）。 是抽象数据组织及与之相关的操作。定义了一个ADT，就是定义了数据的逻辑结构、数据的运算。也就是定义了一个数据结构。

1.2 三要素

1.2.1 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，是独立与计算机的。

数据的逻辑结构分为 线性结构 和 非线性结构 。

• 集合。数据元素之间除“同属一个集合”外，无其他关系。
• 线性结构。数据元素之间只存在一对一的关系。
• 树形结构。数据元素之间存在一对多的关系。
• 图状结构或者网状结构。数据元素之间存在多对多的关系。

1.2.2 数据的存储结构

存储结构是指数据结构在计算机中的表示（又称映像），也称物理结构。数据的存储结构是用于计算机语言实现的逻辑结构，它依赖于计算机语言。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。

1. 顺序存储。 把逻辑上相邻的元素存储在物理位置也相邻的存储单元中，元素之间的关系由存储单元的邻接关系来体现。其优点是可以实现随机存取；缺点是只能使用相邻的一整块存储单元。
2. 链式存储。逻辑上相邻的元素在物理位置上可以不相邻，借助指向元素存储地址的指针来表示元素之间的逻辑关系。其优点是能充分利用所有存储单元；缺点是每个元素因存储指针而占用额外的存储空间，且只能实现顺序存取。
3. 索引存储。在存储元素信息的同时，还建立附加的索引表。索引表中的每项称为索引项，索引项的一般形式是（关键字，地址）。
4. 散列存储。根据元素的关键字直接计算出该元素的存储地址，又称哈希存储。

1.2.3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。

2. 初识算法

2.1 基本概念

2.1.1 什么是算法？

算法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。

程序 = 数据结构 + 算法

1. 数据结构是要处理的信息
2. 算法是处理信息的步骤

2.1.2 算法的五个特性——算法必须具备的特性

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。
   注：算法必须是有穷的，而程序可以是无穷的。
2. 确定性。算法中每条指令必须有确切的含义，对于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，这些输入取自于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，这些输出是于输入有着某种特定关系的量。

2.1.3 “好”算法的特质——设计算法时要尽量追求的目标

1. 正确性。算法应能够正确的解决求解问题。
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. 高效率 与 低存储需求。
   —— 花的时间少、时间复杂度低 与 不费内存、空间复杂度低。

2.2 算法效率的度量

2.2.1 时间复杂度

算法时间复杂度：事先预估算法时间开销 T(n) 与 问题规模 n 的关系。

加法规则：O(f(n)) + O(g(n)) = O(max(f(n), g(n))
乘法规则：O(f(n)) x O(g(n)) = O(f(n) x g(n))

三种复杂度：

1. 最坏时间复杂度：考虑输入数据“最坏”的情况
2. 平均时间复杂度：所有输入数据都等概率出现的情况下，算法的期望运行时间
3. 最好时间复杂度：考虑输入数据“最好”的情况

注：算法的性能问题只有在 n 很大时才会暴露出来。

2.2.2 空间复杂度

算法的空间复杂度 S(n) 定义为该算法所需的存储空间，它是问题规模 n 的函数，记为 S(n) = O(g(n))

算法原地工作是指算法所需的辅助空间为常量，即 O(1) 。

注：

1. 我的时空复杂度学得不是很好，笔记不太能做出来。
2. 笔记大部分内容来自王道书和课程PPT。