1.绪论

写在前面：本文章来自于在学习过程中的总结，供大家参考。因水平有限，博客中难免会有不足，恳请大佬们不吝赐教！

---

---

1.数据结构和算法绪论

数据结构

数据结构是一门研究非数值计算的程序设计问题中的操作对象，以及它们之间的关系和操作等相关问题的学科。

程序设计 = 数据结构 + 算法

简单的来说，数据结构就是一种关系，数据结构是计算机存储、组织数据的方式。数据结构是指相互之间存在一种或多种特定关系的数据元素的集合。

数据：描述客观世界的数字、字符以及一切能够输入到计算机中，并且能够被计算机程序处理的符号集合。
数据元素：数据元素是能够独立、完整地描述问题世界中地实体地最小数据单位。
数据对象：一个数据对象被定义为具有下个相同性质的数据元素的集合。

传统上，我们把数据结构分为逻辑结构和物理结构。

逻辑关系可以分为线性关系和非线性关系。
逻辑结构：是指数据对象元素之间的相互关系，也是今后我们需要关注和讨论的问题。
物理结构：是指数据的逻辑结构在计算机中的存储形式。

四大逻辑关系：
集合结构：集合结构中的数据元素除了同属于一个集合外，它们之间没有其他的关系
线性结构：线性结构的数据元素之间时一一对应的
树形结构树形结构中的数据元素之间存在一种一对多的层次关系
图形结构：图形结构的数据元素是多对多的关系

物理结构详解

• 数据元素的存储结构形式主要有两种：顺序存储和链式存储

• 顺序存储结构：是把数据结构存放到地址连续的存储单元里，其数据间的逻辑关系和物理关系都是一致的。例如我们编程语言中的数组结构就是这样。

• 链式存储结构：是把数据结构元素存放到任意的存储单元里，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不能反映其逻辑关系，因此需要一个指针来存放数据元素的地址，这样子就可以找到相关数据元素的位置。

逻辑结构是面向问题的，而物理结构是面向计算机的，其基本的目标是将数据及其逻辑关系存储到计算机中。

抽象数据类型

数据类型：是指一组性质相同的值的集合及定义在此集合上的一些操作的总称。例如：整型，浮点型，字符型。

例如在C语言中，按照取值的不同，数据类型分为两类：

• 原子类型：不可以再分解的基本数据类型，例如整型、浮点型、字符型等。
• 结构类型：由若干个类型组合而成，是可以再分解的，例如整型数组是由若干个整型数据组成的。

抽象：是指抽取出事物具有的普遍性的本质。它要求抽取问题的特征而忽略非本质的细节，是对具体事物的一个概括。抽象是一种思考问题的方式，它忽略了繁杂的细节。

抽象数据类型（Abstract Data Type , ADT）：是指一个数学模型及定义在该模型上的一组操作

抽象数据类型的定义仅取决于他的一组逻辑特性，而与其在计算机内部如何表示和实现无关。

描述抽象数据类型的标准格式：

ADT 抽象数据类型名
DAta
	数据元素之间逻辑关系的定义
Operation
	操作
endADt
	

抽象数据类型就是把数据类型和相关操作捆绑在一起。

• 线性表的抽象数据类型的定义：
  ADT 线性表（List）
  Data
  Operation
• InitList(*L):初始化操作，建立一个空的线性表L。
• ListEmpty(L):判断线性表是否为空表，若线性表为空，则返回true，否则返回false
• ClearList(*L)：将线性表清空。
• GetElem(L,i,*e):将线性表L中第i个位置元素返回给e。
• LocateElem(L,e):在线性表中查找与给定值e相等的元素，如果查找成功，返回该元素在表中序号表示成功；否则，返回0表示失败。
• ListInsert(*L,i,e):在线性表L中L中第i个位置插入新的元素e。
• ListDelete(L,ie):删除线性表L中第i个位置元素，并用e返回其值。
• Listlength(L):返回线性表L的元素个数。
• endADT

算法

算法是解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并每条指令表示一个或多个操作。
简单的说算法是使用计算机解决某个问题的计算方法、步骤

算法具有五个基本特征：输入、输出、有穷性、确定性和可行性

输入

算法具有零个或多个输入

输出

算法至少有一个或多个输出，输出的形式可以是打印形式输出，也可以是返回一个值或多个值等。

有穷性

指算法在执行有限的步骤之后，自动结束而不会出现无限循环，并且每一个步骤在可接受的时间内完成。

确定性

• 算法的每一个步骤都具有确定的含义，不会出现二义性
• 算法在一定条件下，只有一条执行路径，相同的输入只能有唯一的输出结果。
• 算法的每个步骤都应该被精确定义而无歧义。

可行性

算法的每一步都是可行的，也就是说，每一步都能够通过执行有限次数完成。

算法设计的要求

正确性

算法的正确性是指算法至少应该具有输入、输出和加工处理无歧义性，能正确反映问题的要求，能够得到问题的正确答案。
大体分为以下四个层次：

• 算法程序设计没有语法错误。
• 算法程序对于合法输入能够产生满足要求的输出。
• 算法对于非法输入能够产生满足规格的说明。
• 算法对于故意刁难的测试输入都满足要求的输出结果。

可读性

算法的另一目的是为了便于阅读，理解和交流。

健壮性

当输入不合法是，算法也能够做出相关处理，而不是产生异常、崩溃或莫名其妙的结果。

时间效率高和存储量低

好算法应该具备时间效率高和存储量低的特点。

算法效率的度量方法

事后统计方法：通过设计好的测量程序和数据，利用计算机计时器对不同算法编制的程序的运行时间进行比较，从而确定算法效率的高低
事前分析估算方法：在计算机编写程序前，依据统计方法对算法进行估算。
进过总结，一个程序在计算机上运行时所消耗的时间取决于以下因素：

1. 算法采用的策略，方案
2. 编译产生的代码质量
3. 问题的输入规模
4. 机器执行指令的速度

可见，抛开这些计算机硬件、软件有关的因素，一个程序的运行时间依赖于算法的好坏和问题的输入规模（所谓问题的输入规模是输入量的多少）

我们在分析一个算法的运算时间时，重要的是把基本操作的数量和输入模式关联起来。

时间复杂度

算法时间复杂度的定义：在进行算法分析是，语句总的执行次数T（n）是关于问题规模n的函数，进而分析T(n)的随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间度量，记作：T(n) = O(f(n))。它表示随时间问题规模n的增大，算法执行时间的增长率和f（n）的增长率相同，称为算法的渐进时间复杂度，简称为时间复杂度。其中f(n)是问题规模n的某个函数。（关键需要知道执行次数==时间）

这样用大写O（）来表现算法使劲复杂度的激发，我们称之为大O记法。
一般情况下，随着输入规模n的增大，T(n)增长最慢的算法为最优算法。

推导时间复杂度的原则

1. 用常数1取代运行事件中的所有加法常数
2. 在修改后的运行次数函数中，只保留最高阶数
3. 如果最高阶项存在且不是1，则去除这个项相乘的常数

常见的时间复杂度

例子	时间复杂度	装逼术语
5201314	O（1）	常数阶
3n+4	O(n)	线性阶
3n^2+4n+5	O（n^2）	平方阶
3log（2）n+4	O(logn)	对数阶
2n+3nlog（2）n+14	O(logn)	nlogn阶
n3+2n2+4n+6	O（n^3）	立方阶
2^n	O(2^n)	指数阶

常见的时间复杂度搜好肥的时间从小到大依次是：
O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)
一般的像O(n^3)之后的这些，由于n值的增大都会使得结果大得难以想象，所以没有必要讨论。

最坏情况与平均情况

算法的分析中，比如查找有n个随机数字数组中的某个数字，最好的情况是第一个数字就是，那么算法的时间复杂度就是O（1），但也可能这个数字在最后一个位置，那么时间复杂度就是O(n)。
平均运行时间就是期望的运行时间。
最坏运行时间是一种保证。在应用中，这是一种重要的需求，通常除非特别指定，我们提到的运行时间都是最坏情况的运行时间。

算法的空间复杂度

算法的空间复杂度通过计算算法所需的存储空间实现，算法的空间复杂度的计算公式记作：
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。
通常要我们计算复杂度是，指的是时间复杂度。

---

由于水平有限，博客难免会有不足，恳请大佬们不吝赐教！