数据结构 第1章 绪论[资料].pptVIP

数据结构 ??C++实现;内 容 简 介;第 1 章 绪 论;计 算 机 解 题;数 据 结 构 实 例 1;特点： 每个职工的信息占据一行，所有职工的信息按编号顺序依次排列构成一张表格； 表中每个职工的信息依据编号的大小存在着一种前后关系，这就是我们所说的线性结构； 对它的操作通常是插入某个职工的信息，删除某个职工的信息，更新某个职工的信息，按条件检索某个职工的信息等等。;数 据 结 构 实 例 2; 特点： l在求解过程中，所处理的数据之间具有层次关系，这是我们所说的树形结构； l对它的操作有：建立树形结构，输出各层结点内容等等。;数 据 结 构 实 例 3;;什 么 是 数 据 结 构;基 本 概 念; 数据结构(data structure) ：数据以及数据元素之间的相互关系。 数据结构分为两大类：线性结构和非线性结构。这两类结构通常又可分为下列四类基本结构 ⑴ 集合，结构中的数据元素之间就是“同属于一个集合” ； ⑵ 线性结构，结构中的数据元素之间存在的是一种线性关系，即一对一的关系； ⑶ 树形结构，结构中的元素存在着一对多的关系； ⑷ 图形结构或网状结构，结构中的元素之间存在着多对多的关系。 ;;数据的逻辑结构属于用户视图，是用户所看到的数据结构，是面向问题的。它描述的是数据元素之间的逻辑关系。 数据的物理结构，又称存储结构，是数据的逻辑结构在计算机中的物理存储方式，它属于具体实现的视图，是面向计算机的。 数据的逻辑结构和物理结构是密切相关的两个方面。一般来说，算法设计是基于数据的逻辑结构，而算法实现则基于数据的物理结构。;算法性能与复杂度;算 法 的 描 述 方 式;计算机程序设计语言： 优点：显得清晰、明了，写出的算法一步到位，能由计算机处理。事实上，用程序设计语言来描述算法，就是对算法的实现。 缺点：抽象性差一些，可能会使写算法的人拘泥于计算步骤描述的细节，而忽略算法的实质。此外，必须熟练掌握程序设计语言及其编程技巧。;算 法 的 性 能 标 准;算 法 复 杂 度;算 法 的 时 间 复 杂 度;为了能比较解同一问题的不同算法，通常的做法是，从算法中选取一种对于所研究的问题来说是基本运算的操作，即基本操作，以该基本操作重复执行的次数作为算法的时间量度。 算法的时间效率分析通常采用O(f(n))表示法，读作“大O的f(n)” 。 其定义可叙述为T(n)=O(f(n))当且仅当存在正常数c和n0，使得对所有的n，当n≥n0时，都满足T(n)≤cf(n)。换句话说，O(f(n))给出了函数T(n)的上界。;T(n)=O(f(n))表示：随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐近时间复杂度（asymptotic time complexity）,简称时间复杂度。或者说两者具有相同的数量级。;例 1-14 设a和b是两个已经赋了值的数组，对如下求解了两个NxN矩阵相乘的算法求其时间复杂度。 for (i=0; in; i++) for (j=0; jn; j++) { C[i,j]=0; // 基本操作语句1 for (k=0; kn; k++) C[i][j]=C[i][j]+a[i][k]*b[k][j]；// 基本操作 语句2 } 解: 设基本操作语句的总执行次数为T(n)，因为(基本)操作语句“c[i][j]=0”的执行次数为n2。“c[i][j]=C[i][j]+a[i][k]*b[k][j] ”的执行次数为n3，因此T(n)=n2+n3。而T(n)=n2+n3≤cn3，选择c≥2，则T(n)≤cn3=O(n3)。所以该算法的时间复杂度为O(n3) 因为算法的时间复杂度;当算法的时间复杂度T(n)和问题的规模n无关时： T(n)≤c*1，此时算法的时间复杂度T(n)=O(1)，称为常量级； 当算法的时间复杂度T(n)与问题规模n为线性关系时，T(n)≤c*n ，此时算法的时间复杂度T(n)=O(n)，称为线性级； 当算法的时间复杂度T(n)和问题的规模n为平方关系时，T(n)≤c*n2，此时算法的时间复杂度T(n)=O(n2)，称为平方级。; 例1-15 求出下面三个程序段的时间复杂度。;例1-16 设n为如下算法处理的数据个数，求出其时间复杂度。 for (i=1; i=n; i=2*i) printf(“i= %d \n” , i) // 基本语句 解：设基本语句的执行次数为T(n)，有2T(n)≤n，即有T(n)≤log2n， 因T(n)≤log2n≤c*log2n=O(l