数据结构与算法学习（一）

程序是数据结构和算法的组合，这部分知识虽然枯燥，确实提高自己的必修课，从今天开始认真学习它，并记录过程。

数据结构是指存储组织数据的方式，包括逻辑结构和存储结构。

逻辑结构是抽象的，存储结构是具体的，什么意思呢？比如牛奶的包装分瓶装、袋装、枕装，这就是逻辑结构，那么我们在商场里见到的特定形状带logo的塑料瓶，玻璃瓶这些就是存储结构。有点像类和对象的关系。

逻辑结构主要分线性结构和非线性结构（比如树形结构、图形结构等），对于线性结构，一个元素至多只有一个前驱一个后继，而非线性结构则可以有多个前驱或后继。

存储结构就是逻辑结构在具体计算机系统里的实现了，比如一串连续的内存单元来存放线性结构，那就是数组，把数据添加一些常用的行为（比如插入元素、扩容等）那就是ArrayList，离散的存储单元存放线性结构，就是链表，还有哈希表、栈等数据结构暂不一一赘述了。

算法是解决方案的描述，衡量一个算法好坏的标准包括时间复杂度、空间复杂度和应用场景，我们要了解各种算法的特点，就像了解自己物品栏里的武器一样，了解之后，我们就知道当遇到某种敌人时应该掏出什么武器，这时应用场景也尤为重要，火箭炮杀伤力巨大，但打蚊子肯定不能用它。

扑克牌排序，如果用Arrays.sort并不合适，因为元素数量有限，不能发挥快速排序的优势，再次体现了应用场景的重要性。

排序的写法：先明白原理，可以画图，然后写出第一个内循环，再添加外层循环

思想：以特定方向扫描数组并逐个比较相邻元素，如果不符合次序就交换，这个过程就好像气泡一个个浮上来一样。

冒泡排序

冒泡排序的时间复杂度，假设n为数组长度，那么外层循环执行n次，内层循环最多执行n-1次，最少执行0次，平均执行(n - 1) / 2次，计算得出时间复杂度为 n * (n - 1) / 2，按照时间复杂度的计算原则，得出复杂度为O(n) = n²

思想：从数组中选出一个最大或最小的元素放在队首或末尾，然后再从剩下的元素中重复此操作直到全部完毕

选择排序

时间复杂度外层循环执行n次，内层循环最多执行n次，最少执行1次，平均执行（n + 1） / 2次，最终复杂度为O(n) = n²，其实每种算法根据细节写法的差异，化简前的复杂度都可能稍有出入，但他们是同一数量级的，理论上性能方面并不会有太多差别。