第1章 绪言 2.pptVIP

为什么要学习数据结构？ 什么是程序、软件？ N.沃思（Niklaus Wirth)教授提出： 程序=算法+数据结构 以上公式说明了如下两个问题： （1）数据上的算法决定如何构造和组织数据（算法→数据结构）。 （2）算法的选择依赖于作为基础的数据结构（数据结构→算法）。 软件=程序+文档（软件工程的观点） 数值计算解决问题一般步骤： 数学模型→选择计算机语言→编出程序→测试→最终解答。 数值计算的关键是：如何得出数学模型/方程? 程序设计人员比较关注程序设计的技巧。 非数值计算问题： 数据元素之间的相互关系一般无法用数学方程加以描述,如电话号码查询问题、田径赛的时间安排问题（无向图的着色问题）等。 1.1 什么是数据结构 1.2 基本概念和术语 1.3 抽象数据类型的表示与实现 1.4 算法和算法分析 多叉路口交通灯管理问题 算法的评价—衡量算法优劣的标准 正确性(correctness)： 1、不含语法错误 2、对于几组输入数据能够得出满足规格说明要求的结果 3、对于精心选择的典型、苛刻而带有刁难性的数据能够得出满足规格说明要求的结果 4、对于一切合法的输入数据都能产生满足规格说明要求的结果 可读性(readability)：人的阅读与交流 健壮性(robustness)：当输入非法数据时，算法能够适当的做出反应或进行处理，不会产生莫名其妙的结果 效率与低存储量：算法的执行时间和所需的最大存储空间 ? 本章小结 数据、数据结构等基本概念 数据结构的三个方面的内容 线性和非线性结构的逻辑特征 数据存储的四种基本方法 算法、算法的时间复杂度及其分析的简易方法 ?第一章作业 1.简述如下概念 数据、数据元素、数据对象、数据结构、逻辑结构、存储结构。 2.设n为正整数，利用大“O”记号，分析下列程序段的T(n)。 (1) I=1;k=0; (2)I=0;k=0; while(In) do {k=k+10*I;I++;} { k=k+10*I;I++; }while(In); (3)I=1;j=0; while (I+j=n) {if(Ij)j++; else I++; } 3.按增大率由小到大的顺序排列下列各函数。2100, (3/2)n，(2/3)n， nn ,n0.5 , n! ，2n ，lgn , nlgn, n(3/2) 一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，算法的时间量度记作 T(n)=O(f(n)) 称作算法的渐近时间复杂度，简称时间复杂度。 例3 for(i=2;i=n;++I) for(j=2;j=i-1;++j) {++x;a[i，j]=x;} 语句频度为： 1+2+3+…+n-2=(1+n-2) ×(n-2)/2 =(n-1)(n-2)/2 =n2-3n+2 ∴时间复杂度为O(n2) 即此算法的时间复杂度为平方阶. 一个算法时间为O(1)的算法，它的基本运算执行的次数是固定的。因此，总的时间由一个常数（即零次多项式）来限界。而一个时间为O(n2)的算法则由一个二次多项式来限界。 课堂练习 例4：nXn矩阵相乘 for(i=1;i=n;i++) for(j=1;j=n;j++) {c[i][j]=0; for(k=1;k=n;k++) c[i][j]=c[i][j]+a[i][k]*b[k][j]; } 例5： for(i=0;in;i++) for(j=0;jm;j++) A[i][j]=0; 以下六种计算算法时间的多项式是最常用的。其关系为： O(1)O(logn)O(n)O(nlogn) O(n2)O(n3) 指数时间的关系为： O(2n)O(n!)O(nn) 当n取得很大时，指数时间算法和多项式时间算法在所需时间上非常悬殊。因此，只要有人能将现有指数时间算法中的任何一个算法化简为多项式时间算法，那就取得了一个伟大的成就。 有的情况下，算法中基本操作重复执行的次数还随问题的输入数据集不同而不同。例如： Void bubble-sort(int a[]，int