数据结构day4

目录

• 数据结构day4
  • • 1.数据结构与算法
    • 2.算法
      • 算法的基本特征：
      • 好算法的特性：
    • 3.复杂度
      • 时间复杂度
        • 算法中的O(n^{2)和微积分中的O(x}2)有什么区别
      • 空间复杂度
    • 4.线性表
    • 5.前驱结点 和 后继结点

数据结构day4

1.数据结构与算法

数据结构：数据结构由：1.逻辑结构2.存储结构（物理结构）3.数据的运算 构成

逻辑结构和存储结构不是对立的

而逻辑结构中，又分为了：1.集合（数据集合之间一般无关）2.线性结构（一对一之间有关系）3.树状结构（部分数据之间有关系）4.网状结构（所有数据之间都有关系）

存储结构（物理结构）也分成：1.顺序存储 2.链式存储 3.索引存储 4.散点存储

graph LR A[数据结构] --> B[逻辑结构] A --> C[存储结构] A --> E[数据的运算] B -->F[集合] B -->G[线性数据] B -->H[树状结构] B -->I[网状结构] F -->J[数据之间一般没有关联] G -->K[一对一之间有关] H -->L[部分数据之间有关系] I -->M[所有数据之间都有关系] C -->O[顺序存储] C -->P[链式存储] C -->Q[索引存储] C -->R[散点存储]

2.算法

算法是对特定问题求解的步骤

在计算机中本质上是指令的有限序列。

也就是在计算机科学与技术这门学科中，

指令要靠 代码 或 伪代码 去实现和表述的。

算法的基本特征：

1.有穷性：不能死循环

2.确定性：同一个算法，相同的输入，输出一定相同

3.可行性

4.输入

5.输出

好算法的特性：

1.正确性

2.健壮性：对于非法数据的处理

3.可读性

4.高效性

5.低存储

3.复杂度

时间复杂度

算法的时间复杂度，往往指的是【核心语句的执行总次数】

不考虑常数的加减和倍数关系，只考虑量级

如果循环里面套循环，那么循环外面的次数就要乘以循环内的次数。

算法中的O(n^{2)和微积分中的O(x}2)有什么区别

算法中的O(n^2)指的是当n趋向于无穷的时候，大于等于执行次数本身的数量级，也就是算法的最大数量及

微积分中的O(x^{2)指的是x趋向于0时，x}2的高阶无穷小

我们把时间复杂度计作T(n)

T(n)=O(f(n))

空间复杂度

空间复杂度计作O(g(n)), 次算法额外用了存储器多少个单元，不包括输入和输出数据的空间

4.线性表

具有相同数据类型的n个数据元素的有限序列，

根据不同可能需要实现访问，修改，插入，删除，查找，排序等功能

线性表更强调 数据元素与数据元素之间的关系。

5.前驱结点 和 后继结点