建議關注收藏，持續更新中……
2.演算法**
3.時間複雜度和空間複雜度
1.1 資料結構的概念：
資料結構是一門研究非數值計算的程式設計問題中的操作物件，以及它們之間的關係和操作等相關問題的學科。（程式設計=資料結構+演算法）
1.2 資料結構的劃分：
傳統上，資料結構分為邏輯結構和物理結構。
邏輯結構：是指資料物件中資料元素之間的相互關係。
集合結構：集合結構中的資料元素除了同屬於乙個集合外，沒有其他關係。
線性結構：元素有一對一的關係。
樹型結構：一對多的層次關係。
圖形結構：元素是多對多的關係。
物理結構：是指資料的邏輯結構在計算機中的儲存形式。
順序儲存結構：把資料元素存放在位址連續的儲存單元裡，其資料間的邏輯關係和物理關係是一致的。例如陣列。
鏈式儲存結構：把資料元素儲存在任意儲存單元裡，儲存單元可以是連續的，也可以是不連續的。
2.1 演算法的概念：
解決特定問題求解步驟的描述，在計算機中表現為指令的有限序列，並且每條指令表示乙個或多個操作。
特徵：
輸入：演算法具有零個或多個輸入。
輸出：至少有乙個或多個輸出。
有窮性：有窮執行步驟。
確定性：演算法的每乙個步驟都有確定的含義。
可行性：每一步都能夠通過有限次數執行。
2.2 演算法設計的要求：
正確性：指演算法至少具有輸入、輸出和加工處理的無歧義性、能正確反映問題的需求、能夠得到正確答案。（無錯、輸出、說明、結果）
時間效率高和儲存量低
2.3 演算法效率的度量方法:
事後統計方法：通過設計好的測試程式和資料，利用計算機計時器對不同演算法編制的程式的執行時間進行比較，從而確定演算法效率的高低。缺陷：不便捷。
事前分析估算方法：編寫程式前，依據統計方法對演算法進行估算。
研究演算法的複雜度，側重研究的是演算法隨著輸入規模擴大增長量的抽象（不關心語言，只關心演算法），分析乙個演算法的執行時間時，重點是把基本操作的數量和輸入模式關聯起來。
判斷演算法效率時只需關心主項的階數。
3.1 時間複雜度：
在進行演算法分析時，語句總的執行次數t(n)是關於問題規模n的函式，進而分析t（n）隨n的變化情況並確定t(n)的數量級。演算法的時間複雜度，也就是演算法的時間量度，記作：t(n)=o（f(n)）。它表示隨問題規模n的增長，演算法執行時間的增長率和f(n)的增長率相同，稱作演算法的漸進時間複雜度，簡稱時間複雜度。其中f(n)是問題規模n的某個函式。
用o()來體現演算法時間複雜度的記法，稱為大o記法。
如何推導大o階：
（1） 用常數1取代執行時間中所有加法常數。
（2） 在修改後的執行次數函式中，只保留最高端項。
（3） 如果最高端項存在且不是1，則去除與這個項相乘的常數。
（4） 得到的最後結果就是大o階。
線性階：一般含有非巢狀迴圈涉及線性階，線性階就是隨著問題規模n的擴大，對應計算次數呈直線增長。
平方階：巢狀。
對數階：o(logn)
資料結構和演算法
判斷乙個演算法的效率時，函式中的常數和其它次要項常常可以忽略，而更應該關注主項 最高項 的階數。演算法時間複雜度的定義 在進行演算法分析時，語句中的執行次數t n 是關於問題規模n的函式，進而分析t n 隨n的變化情況並確定t n 的數量級。演算法的時間複雜度，也就是演算法的時間量度，記作 t n ...
資料結構和演算法
程式是什麼？好多書上都寫著 程式 資料結構 演算法。可是怎麼去理解呢？好多程式設計人員對資料結構和演算法說不上熟悉，因為在他們所從事的工作中很少用到這些知識點。但並不表示他們不重要。還有一些人是這樣的想法 大公司才會注重這些知識點，小公司可能就不注重了。寫這篇文章之前我也是持這種想法的。但是，此時此...
資料結構和演算法
一 資料結構 1.概念 資料結構就是資料之間的結構關係,或者理解成資料元素之間存在的一種或者多種特定關係的集合,在傳統上資料結構分為邏輯結構與物理結構 1 邏輯結構 只反映資料元素之間的邏輯關係的資料結構,其中的邏輯關係是指資料元素之間的前後關係,而與他們在計算機中的儲存位置無關,有以下四類 集合結...