-数据结构1资料.ppt

特点： 存储空间：大 算法时间：多 算法简洁性：好 * * 设计方案3：将学生的学号、姓名和班号放在一个表中，将成绩数据放在另一个表中，两者通过学号关联。前者一个学生对应一个记录，后者一门课程成绩对应一条记录。对应的数据结构如下： 　　struct stud1 　　{ 　int no; //学号 　 　char name[10]; //姓名 　int bno; //班号 　　}; 　　struct stud2 　　{ 　int no; //学号 　int cno; //课程编号 　int deg; //分数 　　}; * * no name bno 1 张斌 9901 8 刘丽 9902 … … … no cno deg 1 1 78 1 2 82 1 3 63 1 4 92 1 5 85 1 6 83 8 1 65 8 2 95 8 3 72 8 4 78 8 5 80 8 6 79 … … … 关联 存储结构3 * * 特点： 存储空间：少。 算法时间：中。 算法简洁性：好。 最佳方案 * * 数据结构 算法 数据类型 i j k 求解问题编写程序的代码：i＊j＊k种 优 选 最佳方案 本课程的目标: 确定求解问题的最佳方案 * * 思考题： 　　学习第1章有什么体会？ * * 本章小结 本章介绍了数据结构的基本概念,主要学习要点如下： (1) 数据结构的定义,数据结构包含的逻辑结构、存储结构和运算三方面的相互关系。 (2) 各种逻辑结构即线性结构、树形结构和图形结构之间的差别。 * * (3) 数据结构和数据类型的差别和联系。 (4) 算法的定义及其特性。 (5) 算法的时间复杂度和空间复杂度分析。 　熟悉VC++6.0环境 * * * 在事前分析中，只限于确定与所使用的机器及其他环境因素无关的频率计数，依此建立一种理论上分析模型。 * 根据符号O的定义，用它评估算法的复杂性，得到的只是当规模充分大时的一个上界，这个上界的阶越低则评估就越精确，结果就越有价值。所以试图求出最小的g(n)，使得f(n) = Ο(g(n))。 * 指数时间算法只有在n取值非常小时才实用。 当数据集的规模（即n的取值）很大时，在现代计算机上运行具有比O（nlogn）复杂度还高的算法往往是很困难的。尤其是指数时间算法。 数量级 语句的数量级：语句的执行频率。例：1，n ，n2 算法的数量级：算法包含所有语句的执行频率之和。 算法的数量级从本质上反映了一个算法的执行特性。 例：求解同一问题的三个算法分别具有n, n2 , n3数量级。 若n=10，则可能的执行时间将分别是10，100，1000 个单位时间——与环境因素无关。 * * 2.1.5. 计算时间的渐近表示 记：算法的计算时间为f(n) 数量级限界函数为g(n) 其中， n是输入或输出规模的某种测度。 f(n)表示算法的“实际”执行时间—与机器及语言有关。 g(n)是形式简单的函数，如nm，logn，2n，n!等。是事前分析中通过对计算时间或频率计数统计分析所得的与机器及语言无关的函数。 以下给出算法执行时间：上界（О）、下界（Ω）、“平均”（ ）的定义。 * 渐进意义下的记号：O,?, 定义1.1 如果存在两个正常数c和N0,对于所有的N≥N0，有|f(N)|≤C|g(N)|，则记作：f(N)= O(g(N))。 N0 f(N) g(N) 当说一个算法具有O(g(n))的计算时间时，指的 就是如果此算法用n值不变的同一类数据在某台 机器上运行时，所用的时间总是小于g(n)的一个 常数倍。 g(n)是计算时间f(n)的一个上界函数，f(n)的数 量级就是g(n)。 * Example 因为对所有的N≥1有3N≤4N，所以有3N=O(N); 因为当N≥1时有N+1024≤1025N，所以有N+1024=O(N); 因为当N≥10时有2N2+11N-10≤3N2,所以有 2N2+11N-10=O(N2) 因为对所有N≥1有N2≤N2,我们有N2=O(N2) 作为一个反例N3≠O(N2),因为若不然，则存在正的常数C和自然数N0,使得当N≥N0，有N3≤CN2,即N≤C。显然，当取N=max{N0,C+1}时这个不等式不成立，所以N3≠O(N2) * * 多项式定理: 定理1.1 若A(n) = amnm+…+a1n+a0是一个m次多项 式，则有A(n)=Ο(nm) 即：变量n的固定阶数为m的任一多项式，与此多 项式的最高