数据结构的基本概念以及算法的基本内容
1. 数据结构的重要性
-
数据结构与算法的关系：数据结构是算法的基础，算法是数据结构的操作逻辑。
2. 基本概念与术语
-
数据：描述客观事物的符号，是计算机操作的基本单位（如数值、字符、图像等）。
-
数据元素：组成数据的基本单位（如学生信息表中的一条记录）。
-
数据项：数据元素的组成部分（如学生信息中的学号、姓名）。
-
数据对象：性质相同的数据元素集合（如所有学生的学号集合）。
3. 逻辑结构与物理结构
-
逻辑结构：
-
集合结构：元素间无明确关系。
-
-
线性结构：元素间是一对一关系（如数组、链表）。
-
树形结构：元素间是一对多关系（如家谱树）。
-
图形结构：元素间是多对多关系（如社交网络）。
- 注意两点
- 将每一个数据元素看做一个结点，用圆圈表示
- 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：
-
顺序存储：元素在内存中连续存放（如数组），支持随机访问。
-
-
链式存储：元素通过指针链接（如链表），支持动态扩展。
4. 抽象数据类型（ADT）
-
定义：数学模型及其操作的集合，与具体实现无关。
-
描述方式：
ADT 抽象数据类型名 Data数据元素及其逻辑关系定义 Operation操作1：初始条件与结果描述操作2：... endADT -
意义：封装数据与操作，简化复杂问题的建模。
5. 算法定义与特性
-
定义：解决特定问题的有限步骤描述，体现为指令的有序序列。
-
五大特性：
-
输入：零或多个输入。
-
输出：至少一个输出。
-
有穷性：执行步骤有限。
-
确定性：每步含义明确，无二义性。
-
可行性：操作可通过基本运算实现。
-
6. 算法设计要求
-
正确性：对合法输入产生正确结果。
-
可读性：代码清晰易理解。
-
健壮性：对非法输入有处理能力。
-
高效性：时间与空间复杂度低。
7. 算法效率分析
-
时间复杂度：衡量算法执行时间随输入规模增长的趋势。
-
大O表示法：
-
用常数1取代运行时间中的所有加法常数。
-
只保留最高阶项。
-
去除最高阶项的系数。
-
-
常见复杂度：
-
O(1)：常数阶（如数组访问）。
-
#include <stdio.h>// 直接访问数组的第三个元素（时间复杂度固定为 O(1)） int access_third_element(int arr[], int size) {if (size < 3) return -1; // 边界检查return arr[2]; // 直接访问索引为2的元素 }int main() {int arr[] = {10, 20, 30, 40, 50};int size = sizeof(arr) / sizeof(arr[0]);printf("第三个元素: %d\n", access_third_element(arr, size)); // 输出 30return 0; } -
O(n)：线性阶（如遍历数组）。
-
#include <stdio.h>// 遍历数组并打印所有元素（时间复杂度为 O(n)） void print_all_elements(int arr[], int size) {for (int i = 0; i < size; i++) {printf("%d ", arr[i]);}printf("\n"); }int main() {int arr[] = {1, 2, 3, 4, 5};int size = sizeof(arr) / sizeof(arr[0]);print_all_elements(arr, size); // 输出 1 2 3 4 5return 0; } -
O(n²)：平方阶（如双重循环）。
-
#include <stdio.h>// 双重循环遍历二维数组（时间复杂度为 O(n²)） void print_all_pairs(int arr[], int size) {for (int i = 0; i < size; i++) {for (int j = 0; j < size; j++) {printf("(%d, %d) ", arr[i], arr[j]);}printf("\n");} }int main() {int arr[] = {1, 2, 3};int size = sizeof(arr) / sizeof(arr[0]);print_all_pairs(arr, size); // 输出所有元素对return 0; } -
O(log n)：对数阶（如二分查找）。
-
#include <stdio.h>// 二分查找（时间复杂度为 O(log n)，数组必须有序） int binary_search(int arr[], int size, int target) {int left = 0, right = size - 1;while (left <= right) {int mid = left + (right - left) / 2;if (arr[mid] == target) return mid; // 找到目标if (arr[mid] < target) left = mid + 1; // 右半部分else right = mid - 1; // 左半部分}return -1; // 未找到 }int main() {int arr[] = {2, 5, 8, 12, 16, 23, 38, 45};int size = sizeof(arr) / sizeof(arr[0]);int target = 16;int index = binary_search(arr, size, target);if (index != -1) {printf("元素 %d 的索引是 %d\n", target, index); // 输出 4} else {printf("元素不存在\n");}return 0; }
-
-
-
空间复杂度：算法所需存储空间的量度（如递归调用栈的深度）。
8. 实例对比
-
高斯求和：
-
暴力累加（O(n)） vs. 公式计算（O(1)）。
-
#include <stdio.h>// 暴力循环累加 int gauss_sum_loop(int n) {int sum = 0;for (int i = 1; i <= n; i++) {sum += i;}return sum; }// 数学公式直接计算（时间复杂度 O(1)） int gauss_sum_formula(int n) {return n * (n + 1) / 2; }int main() {int n = 100;printf("暴力累加结果: %d\n", gauss_sum_loop(n)); // 输出 5050printf("公式计算结果: %d\n", gauss_sum_formula(n)); // 输出 5050return 0; }
-
-
递归与迭代：
-
斐波那契数列的递归实现（O(2ⁿ)） vs. 迭代实现（O(n)）。
-
#include <stdio.h>// 递归实现（效率低） int fibonacci_recursive(int n) {if (n <= 1) {return n; // 终止条件：F(0)=0, F(1)=1}return fibonacci_recursive(n - 1) + fibonacci_recursive(n - 2); }// 迭代实现（时间复杂度 O(n)，空间复杂度 O(1)） int fibonacci_iterative(int n) {if (n <= 1) return n;int a = 0, b = 1, temp;for (int i = 2; i <= n; i++) {temp = a + b;a = b;b = temp;}return b; }int main() {int n = 10;printf("递归结果(F(10)): %d\n", fibonacci_recursive(n)); // 输出 55printf("迭代结果(F(10)): %d\n", fibonacci_iterative(n)); // 输出 55return 0; }
-