重学数据结构之第一章——数据结构绪论和算法

前言

之前买了两本书，一本《大话设计模式》，一本《大话数据结构》，其实这两本书都被我看完了，但是看完之后一脸懵逼，看的快，忘得疾。之前老师都教过我们，好记性不如赖笔头。于是决定还是再看一遍顺便做个笔记。本专栏笔记内容来自《大话数据结构》。

数据的基本概念和术语

此处我用图表的方式表示出来，如下图：

逻辑结构的分类图示：

物理结构分类图示：

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。
在C语言中，按照取值的不同，数据类型可以分为两类:

• 原子类型: 是不可以再分解的基本类型，包括整型、实型、字符型等。
• 结构类型:由若千个类型组合而成，是可以再分解的。例如，整型数组是由若干整型数据组成的。

抽象数据类型

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它的一组逻辑特性，而与其在计算机内部如何表示和实现无关。

总结：

算法

定义

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，并且每条指令表示一个或多个操作。

算法的特性

算法的设计要求

算法的度量方法

函数的渐近增长

给定两个函数f(n)和g(n),如果存在一个整数N,使得对于所有的n> N, f(n)总是比g(n)大，那么，我们说f(n)的增长渐近快于g (n)。

算法的时间复杂度

在进行算法分析时，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)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间量度，记作: T(n)= 0(f(n)。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。其中f(n)是问题规模n的某个函数。
这样用大写O()来体现算法时间复杂度的记法，我们称之为大O记法。

推导大O阶方法

1.用常数1取代运行时间中的所有加法常数。
2.在修改后的运行次数函数中，只保留最高阶项。
3.如果最高阶项存在且不是1,则去除与这个项相乘的常数。得到的结果就是大O阶。

常数阶

int sum = 0,n=100;/*执行一次*/
sum = (1+n)*n/2;/*执行一次*/
printf("%d",sum);/*执行一次*/

这个算法的运行次数函数是f (n) =3。 根据我们推导大0阶的方法，第一步就是把常数项3改为1。在保留最高阶项时发现，它根本没有最高阶项，所以这个算法的时间复杂度为O(1)

如果这个算法当中的语句sum= (1+n) *n/2有10句,如下图：

int sum = 0,n=100;/*执行1次*/
sum = (1+n)*n/2;/*执行2次*/
sum = (1+n)*n/2;/*执行3次*/
sum = (1+n)*n/2;/*执行4次*/
sum = (1+n)*n/2;/*执行5次*/
sum = (1+n)*n/2;/*执行6次*/
sum = (1+n)*n/2;/*执行7次*/
sum = (1+n)*n/2;/*执行8次*/
sum = (1+n)*n/2;/*执行9次*/
sum = (1+n)*n/2;/*执行10次*/
sum = (1+n)*n/2;/*执行11次*/
printf("%d",sum);/*执行12次*/

事实上无论n为多少，.上面的两段代码就是3次和12次执行的差异。这种与问题的大小无关(n 的多少)，执行时间恒定的算法，我们称之为具有0(1])的时间复杂度，又叫常数阶。
注意:不管这个常数是多少，我们都记作0(1])， 而不能是0(3)、0(12]等其他任何数字，这是初学者常常犯的错误。
因此得出结论：执行次数恒定，记作O(1).

线性阶

线性阶的循环结构会复杂很多。要确定某个算法的阶次，我们常常需要确定某个特定语句或某个语句集运行的次数。因此，我们要分析算法的复杂度，关键就是要分析循环结构的运行情况。
下面这段代码，它的循环的时间复杂度为0(n)， 因为循环体中的代码须要执行n次：

int i=0;
for ( i=0 ; i < n ; i++ )
{
	/*时间复杂度为0(1)的程序步骤序列
}

循环体中的代码须要执行n次，记作O(n)

对数阶

int count = 1;
while (count < n)
{
	coutn = count * 2;/*时间复杂度为0(1)的程序步骤序列*/
}

由于每次count乘以2之后，就距离n更近了一分。也就是说，有多少个2相乘后大于n,则会退出循环。由2x=n 得到x=log2n。 所以这个循环的时间复杂度为O(logn)。

平方阶

int i,j;
for ( i=0 ; i<n ; i++ )
{
	for( j=0 ;j <n ;j ++)
	{
		/*时间复杂度为0(1)的程序步骤序列*/
	}
}

而对于外层的循环，不过是内部这个时间复杂度为0(n)的语句，再循环n次。所以这段代码的时间复杂度为0(n2)。

常见的时间复杂度

最坏情况与平均情况

最坏情况

最坏情况运行时间是一-种保证， 那就是运行时间将不会再坏了。在应用中，这是一种最重要的需求， 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。

平均情况

平均运行时间是所有情况中最有意义的，因为它是期望的运行时间。也就是说，我们运行一 段程序代码时，是希望看到平均运行时间的。可现实中，平均运行时间很难通过分析得到，一般都是通过运行一定数 量的实验数据后估算出来的。

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。