第1章 数据结构 绪论解析.pptVIP

《数据结构》 数据结构教程（第4版） 第1章 绪论 第2章 线性表 第3章 栈和队列 第4章 串 第5章 递归 第6章 数组和广义表 第7章 树和二叉树 第8章 图 第9章 查找 第10章 内排序 学习背景 数据结构是计算机等相关专业的一门非常重要的专业基础课。 为了编写出一个“好”的程序，必须分析待处理对象的特征及各对象间存在的关系，这就是数据结构这门课所要研究的问题。 学习目标 熟悉基本的数据结构 掌握数据结构的实现方法以及经典算法（模仿） 掌握初步的算法分析技术（评价算法、改进算法） 培养算法设计能力、程序设计能力 算法——程序的灵魂 问题求解过程：问题→想法→算法→程序 培养计算机思维能力 逻辑思维和抽象思维 课程学习要求 课堂认真听讲，注意讲课思路。 课前预习，课后及时复习，按时独立完成作业。 重视实验课，准备充分，讲求效率。 不断总结摸索学习方法。 教学互动。 （1）线性结构：除第一个和最后一个元素外，每个数据元素只有一个前驱元素和一个后继元素。第一个元素没有前驱，最后一个元素没有后继。 （2）树结构：层次关系（一对多），根结点没有前驱，除根结点之外的其它结点有且仅有一个前驱结点，所有结点可有零个或若干个后继结点。 （3）图结构：网状关系（多对多），每个结点可有零个或若干个前驱结点，也可以有零个或若干个后继结点。 （4）集合 时间复杂度随问题规模n变化情况的比较 一个没有循环的算法中基本运算次数与问题规模n无关，记作O(1)，也称作常数阶。 一个只有一重循环的算法中基本运算次数与问题规模n呈线性关系，记作O(n)，也称线性阶。 其余常用的还有平方阶O(n2)、立方阶O(n3)、对数阶O(log2n)、指数阶O(2n)等。 各种不同数量级对应的值存在着如下关系： O(1)O(log2n)O(n)O(nlog2n)O(n2)O(n3)O(2n)O(n!) 106 10000 100 64 O(n2) 9966 664.4 33.22 24 O(nlog2n) 1000 100 10 8 O(n) 9.966 6.644 3.322 3 O(log2n) 1 1 1 1 O(1) n=1000 n=100 n=10 n=8 时间复杂度 【例1.8】求两个n阶方阵的和C=A+B的算法如下，分析其时间复杂度。 #define M 20 //定义最大的方阶 void matrixadd(int n,int A[M][M],int B[M][M],int C[M][M]) { int i,j; for (i=0;in;i++) for (j=0;jn;j++) C[i][j]=A[i][j]+B[i][j]; } T(n)=n*n=n2 =O(n2) 【例1.9】分析以下算法的时间复杂度。 int fun(int a[],int n,int k) { int i=0; while (in a[i]!=k) i++; return(i); } 最坏情况下的时间复杂度 算法的平均时间复杂度 算法的平均运算次数 【例1.10】有如下算法： void fun(int a[],int n,int k) //数组a共有n个元素 { int i; if (k==n-1) for (i=0;in;i++) 　　//n次 printf(%d\n,a[i]); else { for (i=k;in;i++)　　//n-k次 a[i]=a[i]+i*i; fun(a,n,k+1); } } 调用上述算法的语句为fun(a,n,0)，求其时间复杂度。 【例】 分析以下算法的时间复杂度。 void func(int n){ int i=0,s=0; while (sn) { i++; s=s+i; } } 【解】对于while循环语句，设执行的次数为m，i从0开始递增1，直到m为止，有： s=1+2+…+m=m(m+1)/2， 并满足s=m(m+1)/2≤n-1，则有 m=O( ) 所以，该算法的时间复杂度为O( )。 * * 《数据结构教程（第4版）》  —— 李春葆 主编 清华大学出版社 课程性质：必修、考试课，