数据结构（2024/1/29）

这周将正式开始数据结构的学习！！

数据结构：

                 1.定义：是相互之间存在一种或多种特定关系的数据元素的集合。

                 2.分类：逻辑结构    指数据对象中数据元素之间的相互关系。

                               物理逻辑    指数据的逻辑结构在计算机中的储存形式，又叫存储结构。

逻辑结构分类

               

（a）集合结构：其中的数据元素除了都属于一个集合外，没有其他关系。

（b）线性结构：其中的数据元素之间是一对一的关系。

（c）树形结构：其中的数据元素之间存在一对多的层次关系。

（d）图形结构（网状结构）：其中的数据元素是多对多的关系。

   注意      （1）将每一个数据元素看成一个结点，用圆圈表示。

                （2）元素之间的逻辑关系用结点之间的连线表示。如果这个关系是有方向的，那么用                              带箭头的连线表示。

物理结构类

（a）顺序存储结构：把数据元素存放在地址连续的存储单元里，其数据间的逻辑关系和物理关系           是一致的。【按顺序依次摆放】

   

         优点：随机访问。

         缺点：大小固定，不易插入删除。

（b）链式存储结构：把数据元素放在任意的存储单元里，这组存储单元可以是连续的，也可以是           不连续的。

         

         优点：灵活，插入删除效率高。

         缺点：不能随机访问。

（c）索引存储结构：为了加速检索而创建的一种存储结构。

        优点：对顺序查找的一种改进，查找效率高。

         缺点：需额外空间存储索引。

（d）散列存储结构：又称hash存储，是一种力图将数据元素的存储位置与关键码之间建立确定对                                    应关系的查找技术。

         优点：查找基于数据本身即可找到，查找效率高，存取效率高。

         缺点：存取随机，不便于顺序查找。

数据类型：  

  1.分类：  原子类型    是不可以在分解的基本类型，包括整型、实型、字符型等。

                  结构类型    由若干个类型组合而成，是可以再分解，例如：整形数组是由若干个整型                                        数据组成的。

稍微了解了一下算法时间复杂度和空间复杂度。

算法时间复杂度

    （1）含义：也就是算法的时间量度，时间开销与问题规模n的关系 【关键步骤的执行次数】

             算法的时间复杂度表示：用大写的 O 来体现算法时间复杂度如O（f（n）），称之为 大                 O记数法。（采取高阶表示法）

         

    （2）所耗时间从小到大依次是：

 

算法空间复杂度

（1）通过计算算法所需的存储空间实现。

（2）计算公式：S（n）=O（f（n））【n为问题的规模，f(n)为语句关于n所占存储空间的函数】

（3）注意：所需的存储空间指的是一个算法在运行过程中的临时占用存储空间。

（4）几种情况：

         常量空间     当算法的存储空间大小固定，和输入规模没有直接的关系时，空间复杂度记作                                 O(1)。

         线性空间     当算法分配的空间是一个线性的集合（如数组），并且集合大小和输入规模 n                                   成正比时，空间复杂度记作 O(n)。

         二维空间     如果是二维数组且传入n个数据，那么这个二维数组的时间复杂度就是O(N^2)。

         递归空间     递归算法的空间复杂度=每次递归的空间复杂度*递归深度

     复杂度：通常情况下，“复杂度”指时间复杂度。

希望大家通过此篇文章有一定的收获！！             *^_^*