SUN数据结构第1节绪论(第1-2讲补充结构体).ppt

数据结构课程的主要内容 数据结构在程序设计中的地位： 程序设计 = 算法 + 数据结构 数据结构是关于数据组织和处理的基本技术的一门学科，是程序设计的中级课程，主要培养我们分析数据、组织数据的能力，告诉我们如何编写效率高、结构好的程序。 物理结构（存储结构）：数据结构在计算机中的存储表示。它包括数据元素的表示和关系的表示。 基本物理结构 顺序存储结构 链式存储结构 索引存储结构 散列存储结构 算法的定义 算法：对特定问题求解步骤的一种描述，是指令的有限序列。其中每一条指令表示一个或多个操作。 算法应具有的特性 有穷性：算法总在执行有穷步后结束，且每一步都在有穷时间内完成。 确定性：不存在二义性，且相同的输入一定得到相同的输出。 可行性：算法描述的操作都可通过已经实现的基本运算执行有限次来实现。 输入：一个算法有零个或多个输入。 输出：一个算法有一个或多个输出。 算法的描述方法 算法评价与分析 “好”算法设计的要求 正确性：算法应满足具体问题的需求。 可读性：便于理解、调试和维护。 健状性：算法应具有容错处理。当输入非法数据时，算法应对其作出反应，而不是产生莫名其妙的输出结果。 高效性和存储量需求：求解同一问题若有多种算法，则执行时间短的算法效率更高，占用存储空间少的算法较好。 算法效率的度量——时间复杂度 算法效率的度量——时间复杂度 算法效率的度量——时间复杂度 算法效率的度量 ——时间复杂度 算法效率的度量 ——时间复杂度 算法效率的度量 ——空间复杂度 算法的时间复杂度 是指算法运行从开始到结束所需要的时间； 是对算法运行时间长短的相对度量； 是用算法包含的简单操作的次数度量，是问题规模的一个函数。 在实际应用中，往往放弃复杂的函数来表示确切的时间复杂度，而采用一些简单的函数来近似表示时间性能，这就是渐近时间复杂度，简称时间复杂度。 例:求下列算法的时间复杂度 main() { int a,b,c; c=a+b; printf(“the end is:%d”,c); } 时间复杂度为Ｏ(1)，即常量阶。 例：求下列算法的时间复杂度： int sum(int n) ｛ int i,s=0; for(i=1;i=n;i++) s+=i; return s; ｝ 时间复杂度为Ｏ(n)，即线性阶。 例:计算f=1！+2！+3！+…+n！ void factorsum（int n） { int i,j,f,w； f=0； for（i=1;i=n;i++） { w=1； for（j=1;j=i;j++） w=w*j； f=f+w； } return； } 时间复杂度为Ｏ(n2)。 例：for(I=1,I=n;++I) for(j=1;j=n;++j) { c[I][j]=0; for(k=1;k=n;++k) c[I][j]+=a[I][k]*b[k][j]; } 时间复杂度为Ｏ(n3)。 for(I=n-1，change=1;I1 change;--I) { change=0; for(j=0;jI;++j) if (a[j]a[j+1]) { a[j] ←→a[j+1]; change=1；} } 该程序中的操作次数依据输入数据的不同而不同，通常这种情况下以最坏的情况为依据计算时间复杂度为:O(n2) 常见的渐进时间复杂度按数量级递增 排列为： Ο(1)Ο(log2n)Ο(n)Ο(nlog2n) Ο(n2)Ο(n3)Ο(2n) 算法效率的度量 ——时间复杂度 考虑自己编的程序的时间复杂度，设计一个时间效率高的算法： 36砖36人搬，男搬4，女搬3，两小孩搬1砖，男女小孩皆参加，要1次全搬完，问各需若干？ 编程举例： 算法的空间复杂度 S(n) = O(g(n)) 表示随着问题规模n的增大，算法运行所需存储量的增长率与g(n)的增长率相同。 算法的存储量包括: 1．输入数据所占空间; 2．程序本身所占空间； 3．辅助变量所占空间。 1．数据的逻辑结构、数据的存储结构及数据的运算三方面构成一个数据结构的整体。 2．数据结构研究的是数据的表示和数据之间的关系。从逻辑上讲，数据有集合、线性、树和图四种结构。从存储结构上讲，数据有顺序结构、链接结构、索引结构和散列结构四种。理论上，任一种数据逻辑结构都可以用任一种存储结构来实现。