数据结构最全课件.ppt

教材情况 第一章 绪论 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和实现 1.4 算法和算法分析 总 结 1 什么是数据结构? 数据结构有哪几个层次? 数据结构的分类? 2 什么是抽象数据类型? 抽象数据型的实现是什么意思? 3 如何求算法的时间复杂性? 1.4.2、算法设计的要求 1、正确性(Correctness) 2、可读性(readability) 3、健壮性(robustness) 4、效率与低存储量的要求。 （时间复杂性与空间复杂性） 1.4 算法和算法分析 算法的时间复杂性 (Time Complexity) （1）事后统计的方法 （2）事前分析估算的方法 一个用高级程序语言编写的程序在计算机上运行时所消耗的时间取决于下列因素。 ①依据算法选用的何种策略; ②问题的规模 ③所用语言 ④编译程序产生的机器代码的质量 ⑤机器执行指令的速度 1.4.3 算法效率的度量 1、算法的时间复杂性 (Time Complexity) 把算法的基本操作的重复执行的次数作为算法的时间度量。 1.4.3 算法效率的度量 2.空间复杂性(Space Complexity) 算法的空间复杂性是指算法在执行过程中的存储量需求； 一个算法的存储量需求除了存放算法本身所有的指令、常数、变量和输入数据外，还包括对数据进行操作的工作单元和存储实现计算所需信息的辅助空间； 一般指辅助空间所占的存储空间。 1.4 算法及其性能评价准则 例1.3 两个n×n的矩阵相乘。其中矩阵的“阶”n为问题的规模。 void MATRIXMLT(int A[][n], int B[][n],int C[][n]) 　 { int i,j,k;　　 for (i=0; in; i++) (1)　　　for (j=0; jn; j++) (2) { C[i][j]=0; (3) 　　　for (k=0;kn;k++) (4) 　　　 C[i][j]+=A[i][k]*B[k][j]; (5) 　　 　} } 1.4 算法时间复杂性分析方法 T(n)=2n3+3n2+2n+1 当n趋于无穷大时，T(n)与n3 是同阶的，我们称为T(n)与n3 的数量级相同，可记作：T(n)=O(n3 )。 1.4 算法时间复杂性分析方法 渐近时间复杂度表示法 (1) O( )表示法： 若T(n)和f(n)是定义在正整数集合上的两个函数，当存在两个正常数c和n0时，使得对所有的n≥n0,都有T(n)≤c×f(n)成立，则T(n)=O(f(n)) 渐近紧密上限 1.4 算法时间复杂性分析方法 (2) ?( )表示法： 若T(n)和f(n)是定义在正整数集合上的两个函数，当存在两个正常数c和n0时，使得对所有的n≥n0,都有T(n)≥c×f(n)成立，则T(n)=?(f(n)) 渐近紧密下限 1.4 算法时间复杂性分析方法 (3) ?( )表示法： 若T(n)和f(n)是定义在正整数集合上的两个函数，当存在正常数c、d和n0时，使得对所有的n≥n0,都有c×f(n)≤T(n)≤d×f(n)成立，则T(n)=?(f(n)) 渐近紧密限度 1.4 算法时间复杂性分析方法 常数阶 对数阶 线性阶 线性对数阶 平方阶 立方阶 ……… K次方阶 指数阶 指数时间的关系为： O(2n)O(n!)O(nn) 1.4 算法时间复杂性分析方法 最坏时间复杂度 平均时间复杂度 ... ... ... ... … 5 ... 王五 n ... … 6 ... 张三 4 ... 李一 3 ... … 2 ... 张一 1 电话号码 姓名 序号 查找成功的平均时间复杂度为O(n); 查找不成功的时间复杂度为O(n)。 1.4 算法时间复杂性分析方法 最好时间复杂度 例1.4 下面程序段的时间复杂度是： i=s=0; while (sn) { i++;　　 s+=i; } 1.4