绪论().pptVIP

计算机软件技术 第一部分 数据结构（重点） 第1章 绪论 第2章 线性表 第3章 栈和队列 第4章 字符串（自学） 第5章 数组和广义表 第6章 树和二叉树 第7章 图 第8章 查找 第9章 排序 第二部分 数据库系统概论 教材：夏克俭，王成耀，李恪．计算机应用基础．国防工业出版社，2002 第1章 绪论 1.1 软件开发技术概述 3 软件/程序的设计方法 4 软件开发的几个重要思想 4 软件开发的几个重要思想（续） 4 软件开发的几个重要思想（续） 4 软件开发的几个重要思想（续） 1.2 认识数据结构与算法 1. 什么是数据结构？ （1）逻辑结构（Logical Structure） 线性结构例：图书数据 层次结构例：大学系级行政机构 （2）物理结构（存储结构）（Physical Structure） （2）物理结构 （2）物理结构 例 电话号码的存储与查询 （2）物理结构 （2）物理结构 说明： 2 什么是算法？ （2）算法的特性 （3）算法与程序的联系与区别 1.3 算法分析 2 时间复杂度的估算 例 求两个n 阶方阵乘积 求两个n 阶方阵乘积的算法 例 在数组中查找 时间复杂度 T(n)常见的量级 算法分析 1.4 选择数据结构与算法时的若干考虑 数据存储在内存/磁盘要有不同的考虑 2 选择算法时的考虑 2 选择算法时的考虑 学习数据结构与算法有何用？ 分析时间复杂度时可能要考虑的几种情况： 1）平均情况 一般作为考虑的重点。当然要看输入数据的分布概率。 2）最差情况 有时会关注。例如，实时系统。 3）最佳情况 一般不关注。只有发生概率较大时才考虑。 O(c) ——常数级，与问题规模无关，是最理想的量级。有时记作O(1)。 O(log2n) —— 对数级； O(n) —— 线性级； O(n*log2n) —— 线性对数级； O(n2),O(n3) —— 平方、立方级； O(2n) —— 指数级，时间复杂度最差。 O(n3) 以上几种常见的T(n)随n变化 T(n) O(2n) 的增长率如右图所示。 O(n2) O(n) O(n*log2n) O(log2n) O(c) n 对较为复杂的算法，可分段分析其时间复杂度。如某算法可分为两部分，其时间复杂度分别为： T1(n)=O(f(n)) , T2(n)=O(g(n)) 此时两部分问题的规模一致，则总的T(n)=T1(n)+T2(n)=O(max(f(n),g(n)) O(max(f(n),g(n)) 表示取f(n)、g(n)中最大者。 但若T1(m)=O(f(m)), T2(n)=O(g(n))，两部分的规模不一致，则： T(m,n)= T1(m)+ T2(n)=O(f(m)+g(n))。 另外，算法空间复杂度的定义： 设算法对应问题的规模为n，执行算法所占存储空间的量级为D(n)，则D(n)为算法的空间复杂度(Space Complexity)。 1. 选择数据结构时的考虑 （1）与处理方式密切相关。 例如，设有一组数据，选择顺序结构还是链式结构好？ 若建立1次，频繁查找、修改，很少增加/删除： 若经常要增加/删除： （2）