0 数据结构和算法绪论

1 目录

2 数据结构

程序设计 = 数据结构 + 算法

数据元素相互之间存在的一种或多种特定关系的集合。

• 我们把数据结构分为逻辑结构和物理结构（数据结构核心）。

  • 逻辑结构：是指数据对象中数据元素之间的相互关系。

  • 物理结构：是指数据的逻辑结构在计算机中的存储形式。

2.1 四大逻辑结构

• 集合结构
  

• 线性结构
  

• 树形结构
  

• 图形结构
  

2.2 两大物理结构

• 根据物理结构的定义，我们实际上研究的的就是如何把数据元素存储到计算机的存储器中。

• ☆ 存储器主要是针对内存而言的，像硬盘、软盘、光盘等外部存储器的数据组织通常用文件结构来描述。

• 数据元素的存储结构形式有两种：顺序存储和链式存储。

  • 顺序存储结构：是把数据元素存放在地址连续的存储单元里，其数据间的逻辑关系和物理关系是一致的。
    

  • 链式存储结构：是把数据元素存放在任意的存储单元里，这组存储单元可以是连续的，也可以是不连续的。
    链式存储结构的数据元素存储关系并不能反映其逻辑关系，因此需要用一个指针存放数据元素的地址。
    

3 算法

在解决实际问题时，当确定了数据的逻辑结构和存储结构之后，需进一步研究与之相关的一组操作(也称运算)，为了实现某种操作(如查找)，常常需要设计一种算法。

算法(Algorithm)是对特定问题求解步骤的一种描述。

• 算法具有五个基本特征：输入、输出、有穷性、确定性和可行性。

• 算法效率的度量方法：时间复杂度，空间复杂度。

  • 判断一个算法的效率时，函数中的常数和其他次要项常常可以忽略，而更应该关注主项（最高项）的阶数，是估算的数量级。

3.1 算法的时间复杂度

• 算法时间复杂度：算法的时间量度，记作：T(n)= O(f(n))。
  语句总的执行次数T(n)是关于问题规模n的函数。其中f(n)是问题规模n的某个函数。
  它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐近时间复杂度，简称为时间复杂度。

• 求法：

  • 用常数1取代运行时间中的所有加法常数。
  • 在修改后的运行次数函数中，只保留最高阶项。
  • 如果最高阶项存在且不是1，则去除。

• 常用的时间复杂度所耗费的时间从小到大依次是：
  O(1) < O(logn) < (n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)

• 平均运行时间是期望的运行时间。除非特别指定，我们提到的运行时间都是最坏情况的运行时间。

3.2 算法的空间复杂度

• 算法的空间复杂度：算法所需的存储空间，记作：S(n)=O(f(n))。
  其中，n为问题的规模，f(n)为语句关于n所占存储空间的函数。

• 常利用空间换时间（查表法，桶排序…）