数据结构笔记（一）

数据：描述客观事物的符号。（可能相当于java中的Object类）

数据元素：组成数据的有一定意义的基本单位。（可能相当于java中的一个类对象）

数据项：组成数据元素。（可能相当于java中的成员属性或方法）

数据对象：相同性质的数据元素的集合，数据的子集。（可能相当于java里的集合或数组或队列或栈）

逻辑结构：数据对象中数据元素间的相互关系。（集合结构、线性结构、树结构、图结构）

物理结构：（存储结构）数据的逻辑结构在计算机上的存储方式。（顺序结构、链式结构）

算法：描述特定问题的解决步骤。（特性：输入、输出、有穷、可行、确定）

评价算法的好坏：可读性、健壮性、正确性、时间效率高、存储量低。

时间效率：在分析程序运算时间时，最重要的是把程序看成是独立于程序设计语言的算法或一系列步骤，时间效率主要取决于运行时有消耗的基本操作的执行次数。

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 ）= O(f(n))。它表示随输入规模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 的某个函敬。

推导时间复杂度：1.用常数1取代运算中的加法常数项；2若有n的最高阶项则只保留此项；3去掉最高阶项的常数。（分析算法的复杂度，关键是分析循环结构的运行情况）

常见的时间复杂度所耗费的时间从小到大依次为：O(1)<O(logn)<O(n)<O(nlogn)<O(n²)<O(n³)<O(2ⁿ)<O(n!)<O(nⁿ)

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。