数据结构和算法基础

前言

最近在学习王争老师的数据结构和算法之美课程，课程的很多知识之前并未了解。在此做简单记录。

一、是什么

广义上，数据结构是一组数据的存储结构，算法是操作这组数据的方法。狭义上，是指某些著名的数据结构和算法，比如堆、栈、队列、二分查找等。

数据结构和算法是相辅相成的。数据结构是为算法服务的，算法要作用在特定的数据结构上。eg:二分查找需要用数组来存储数据，链表这种数据结构，二分查找就不起作用了。

二、为什么

阅读框架源码和背后的设计思想有很大帮助；编写高质量的代码；看问题的深度和解决问题的角度就会不同。

三、怎么办

数据结构和算法解决的问题是如何更省更快的存储和处理数据，评估算法优劣的方法有事后测试法和事前评估法。事后测试法是通过跑代码，统计、监控获取算法执行的时间和占用的内存。这种评估方法对测试的环境和测试数据规模依赖性很大。时间和空间复杂度不需要具体的测试数据来测试，就可以粗略估计执行效率和资源消耗的方法。

学习的时候要学习它的来历，自身的特点，适合解决的问题，实际的应用场景。

时间复杂度表示法

大O时间复杂度并不表示具体的代码真正执行的时间，而是表示代码执行时间随时间规模增长的变化趋势，也叫渐进时间复杂度。

时间复杂度分析

只关注循环执行次数最多的一段代码；加法法则：总复杂度等于量级最大的那段代码的复杂度；乘法法则：嵌套代码的复杂度等于嵌套代码内外代码复杂度的乘积。

空间复杂度分析

渐进空间复杂度，表示算法的存储空间和数据规模增长的变化趋势关系。常见的空间复杂度有O(1),O(n),O(n*n).

概念

在同一段代码在不同的情况下，时间复杂度有量级的差别，才使用这三种复杂度区分。

最好情况时间复杂度：在最理想的情况下，执行这段代码的时间复杂度

最坏情况时间复杂度：在最糟糕的情况下，执行这段代码的时间复杂度

平均时间复杂度：加权平均时间复杂度或者期望时间复杂度，代码在所有情况下执行次数的加权平均值表示。

均摊时间复杂度：