第一章 绪论

第一章 绪论

一、数据结构是什么，算法是什么？

至今为止，对于数据结构的定义，还没有统一的标准。但我们可以先简单的理解为：数据+结构

算法是为了解决某类问题而规定的一个有限长的操作序列

二、为什么要学数据结构？

早期的计算机主要用于数值计算。如今，计算机处理的数据已经不局限于数值，还包括字符、表格、图像等具有一定结构的数据。而高效的处理、组织这些数据成为了一个很重要的问题。“数据结构”就是来研究解决这些问题的

三、数据结构的基本概念与术语

1、数据、数据元素、数据项、数据对象

• 数据： 客观事物的符号表示，是所有计算机程序处理的符号的总称。
• 数据元素： 数据的基本单位。
• 数据项： 组成数据元素的、有独立含义的、不可分割的最小单位。
• 数据对象： 性质相同的数据元素的集合，是数据的一个子集。

2、数据结构

• 逻辑结构：从逻辑关系上描述数据，是从具体问题抽象处理的数学模型，与数据在计算机中的存储无关。
  • 集合结构：数据元素之间除了属于同一集合，没有其他关系。
  • 线性结构：数据元素之间存在一对一的关系。
  • 树结构：数据元素之间存在一对多的关系。
  • 图结构/网状结构：数据元素之间存在多对多的关系。
• 存储结构（物理结构）：数据在计算机中的存储结构
  • 顺序存储结构：逻辑上相邻，物理上也相邻。
  • 链式存储结构：逻辑上相邻，物理上不相邻。

3、数据类型与抽象数据类型

• 数据类型： 一个值的集合和定义在这个值集上的一组操作的总称。

  例如：C语言中的整型变量，其值集为某个区间的整数，定义在其上的操作为加减乘除

• 抽象数据类型： 指有用户定义的、表示应用问题的数学模型，已经定义在这个模型上的一组操作的总称

4、数据结构学习的内容

四、算法与算法分析

由于算法联系着数据在计算过程中的组织方式，在描述实现某种操作，常常需要设计算法。

1、算法的特性：

• 有穷性： 一个算法必须总是在执行又穷步后结束，且每一步必须在又穷时间内完成。
• 确定性： 每次执行的操作在算法中必须有确切的规定，不会产生歧义性。
• 可行性： 所有操作都可执行，且在有限次数执行完成。
• 输入输出： 对函数的形参进行输入，执行操作完成后有输出，没有输出的算法是无意义的。

2、算法优劣的评价标准

• 正确性
• 可读性
• 健壮性
• 高效性

3、算法的时间复杂度

当数据量十分庞大时，需要考虑程序的执行时间，完成同一操作，执行时间越短越好。

时间复杂度的计算

计算算法的时间复杂度，需要计算每一步操作的执行次数，取执行次数最多的操作为该算法的时间复杂度

//常数阶
for(i=0;i<10000;i++){
    x++;
}
/*
虽然循环10000次，但算法执行时间是一个固定值，与问题规模n无关，因此该算法的时间复杂度为O(1)。
*/

//线性阶
for(i=0;i<n;i++){
    x++;
}
/*
该算法执行n次，算法的执行时间与问题规模n呈线性关系，时间复杂度O(n).
*/

//平方阶
for(i=0;i<n;i++){
    for(j=0;j<n;j++){
        x++;
    }
}
/*
该算法内层操作执行次数最多，执行了n^2次，算法的执行时间与问题规模n呈平方关系，时间复杂度O(n²)。
*/

//对数阶
i=1;
while(i<n){
    i=i*2;
}
/*
假设循环执行了x次，那么2的x次等于n，x为log n，时间复杂度O(logn)。
*/