第一章概论【数据结构】

原创已于 2025-08-06 18:49:10 修改 · 1.8k 阅读

39 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

数据结构

于 2025-08-06 18:44:16 首次发布

这里写自定义目录标题

概论

概论

1.问题求解

目的是什么？

问题抽象

数据抽象

算法抽象

数据结构+算法，进行程序设计

2.数据结构与抽象数据类型

实体+关系

按照逻辑关系组织起看来的一批数据，
按一定的存储方法把它存储在计算机中
在这些数据上定义了一个运算的集合。
逻辑、存储、运算

（1）线性结构

线性表（表，栈，队列，串）

（2）非线性结构

树（二叉树，huffman树，二叉检索树）

图（有向图，无向图等）

图《——树《——二叉树《——线性表

数据的存储结构：逻辑结构到物理结构的映射。

内存看作从低地址到高地址的编码的线性结构。

基本单位是字节。

访问不同的地址所需时间相同。

四种类型：顺序，链接，索引，散列（特殊索引结构）

抽象数据类型

简称ADT

定义了一组运算的数学模型

与物理存储结构无关

使软件系统建立在数据之上（面向对象）

隐藏运算实现的细节和内部数据结构
软件复用

抽象数据结构二元组

<数据对象D，数据操作P>

先定义逻辑结构，再定义运算

逻辑结构：数据对象及其关系
运算：数据操作（如c++中的函数）

例：栈的抽象数据类型

逻辑结构：线性表

操作特点：限制访问端口

只允许再一段进行插入、删除操作
入栈（push），出栈（pop），取栈顶（top），判栈空（isEmpty）

3.算法特性集分类

算法（algorithm）：对特定问题的求解过程的描述

特性：

通用性
- 对参数化输入·进行问题求解
- 保证计算结果的正确性
有效性
- 算法是有限指令组成的指令条例
- 即由一系列具体步骤组成
确定性
- 算法描述中的下一步执行的步骤必须明确（特定的数据对应一定的输出）
有穷性
- 算法执行的步数是有限的
- 即算法不能有死循环
可行性
- 算法的所有操作都可以通过已实现的操作在有限次内实现
输入
输出

算法优劣评价标准

正确性——合理输入下，有限时间内得出正确的结果。
可读性——便于理解交流。
健壮性——输入非法数据时，能做出正确的处理，而非输出错误结果。
高效性——时间高效，执行效率高；空间高效，占用内存合理。

基本算法分类：

穷举法
- 顺序寻找K值
回溯、搜索
- 八皇后、树和图的遍历
递归分治
- 二分找K值、快速排序、归并排序
贪心法（每次贪心求最佳）
- Huffman编码树、最短路Dijkstra算法、最小生成树Prim
动态规划（小规模的求最优解，大规模组合这些最优解，得到大规模的最优解）
- 最短路Floyd算法

//顺序找K值
template <class Type>
class Item {
private:
 Type key; // 关键码域
 // 其它域
public:
 Item(Type value):key(value) {}
 Type getKey() {return key;} // 取关键码值
 void setKey(Type k){ key=k;} // 置关键码
};
vector<Item<Type>*> dataList;
template <class Type> int SeqSearch(vector<Item<Type>*>& dataList, int length, 
Type k) {
 int i=length; 
 dataList[0]->setKey (k); // 将第0个元素设为待检索值，设监视哨
 while(dataList[i]->getKey()!=k) i--;
 return i; // 返回元素位置
}

4.算法复杂性分析

算法渐进分析

大O表示法：

函数f，g定义域为自然数，值域非负实数集。
定义：如果存在整数c和n0，使得对任意的n≥n0都有f(n)≤cg(n)
称f（n）在集合O（g（n））中，简称f是O的，或f=O
大O表示法：表达函数增长率上线
- 一个函数增长率的上限可能不止一个

但上、下限相同时则可用Ω表示法。

在这里插入图片描述

单位时间

简单布尔或算术运算
简单I/O
- 指函数的输入输出，如：从数组读取数据等操作
- 不包含从键盘文件等I/O
函数返回

运算规则

在这里插入图片描述

加法规则，乘法规则

算法渐进分析：大Ω表式法

• **定义：**如果存在正数 c 和 n0 ，使得对所有的 n≥n0 ，

都有 f(n) ≥cg(n)，

则称 f(n) 在集合 Ω(g(n)) 中，或简称 f(n) 是 Ω(g(n))

的，或 f(n) = Ω(g(n))

• 大 O 表示法和大Ω表示法的唯一区别在于不等式的方

向而已

• 采用大Ω表示法时，最好找出在函数增值率的所有下

限中那个最“紧”（即最大）的下限

• f(n) = Ω(g(n))

– if f ∃c, n0 > 0 s.t. ∀n ≥ n0 , 0 ≤ cg(n) ≤ f(n)

• 与大O表示法的唯一区别在于不等式的方向

在这里插入图片描述

算法的时间复杂度

运行时间会与机器性能有关；会与编程语言有关.

//示例
void loveu (int n){
    //1 
    int i=1;
    //2
    while(i<=n){
        //3
        i++;
        //4
        printf("I LOVE U%d\n",i);
    }
    //5
    printf("I love u more than %d\n",n);
}