数据结构讲义第1章绪论PPT课件.ppt

数据结构 DATA STRUCTURE; ;目录;C语言相关知识回顾;第一章 绪论;?非数值问题;1.1 什么是数据结构;1.2 基本概念和术语;1.2 基本概念和术语;1.2 基本概念和术语;1.2 基本概念和术语;1.2 基本概念和术语;1.2 基本概念和术语;1.2 基本概念和术语;1.2 基本概念和术语;1.2 基本概念和术语;1.2 基本概念和术语;1.2 基本概念和术语;1.2 基本概念和术语;1.2 基本概念和术语;1.2 基本概念和术语;1.2 基本概念和术语;1.2 基本概念和术语;1.2 基本概念和术语;1.2 基本概念和术语;1.2 基本概念和术语;小结;1.3 抽象数据类型的表示与实现;例： ADT Triplet{ 数据对象：D={e1，e2,e3 |e1,e2,e3∈Elemset(定义了关系运算的某个集合)} 数据关系：R1={〈e1,e2,e2,e3〉 基本操作： InitTriplet(T,v1,v2,v3) DestroyTriplet（T） Get（T,i,e） Put(T,i,e) }ADT Triplet ;数据元素的表示 数据类型 typedef 定义???类型 算法的描述 类C语言 函数;1.3 抽象数据类型的表示与实现;1.3 抽象数据类型的表示与实现;1.3 抽象数据类型的表示与实现;1.4 算法和算法分析;1.4.2 算法设计的要求 要设计一个好的算法通常要考虑以下的要求。 ⑴正确性(Correctness )算法应满足具体问题的需求。 ⑵可读性(Readability)算法应该好读。以有利于阅读者对程序的理解。 ⑶健壮性(Robustness)算法应具有容错处理。 ⑷效率与低存储量要求 效率指的是算法执行的时间；存储量需求指算法执行过程中所需要的最大存储空间。一般，这两者与问题的规模有关。 ;1.4.3 算法效率的度量 算法执行时间分析方法的分类： 事后统计 事前分析 度量方法 采用时间复杂度来估计算法的算法的执行时间 T(n)=O(f(n)) 即：如果存在两个正常数c和n0，对于所有的n≥n0，有︱T(n) ︳≤c｜f(n) ︳ 它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作渐近时间复杂度（Asymptotic Time Complexity），简称时间复杂度。;时间复杂度的求法： 基本操作（原操作） 语句的频度：语句执行的次数 定理：若A(n)=amn m +am-1nm-1+…+a1n+a0是一个m次多项式，则A(n)=O(nm) 方法： 确定基本操作，求各语句的频度之和，根据定理求出最后结果。;示例:;示例: (b) for (i=1;i=n;++i) {++x;s+=x;} (c) for (j=1;j=n;++j) for (k=1;k=n;k++) {++x;s+=x;};常用的时间复杂度关系： O(1)O(logn)O(n)O(nlogn)O(n2)O(n3) … ? O(2n)O(n!)O(nn) 若算法中基本操作重复执行的次数随问题输入数据集不同而不同，这时可计算最坏情况下的时间复杂度或平均时间复杂度。;logn;1.4.3 时间复杂度;1.4.4算法的存储空间需求 空间复杂度:算法所需存储空间的度量，记作: S(n)=O(f(n)) 其中n为问题的规模(或大小) 一般只考查算法所需的辅助空间的大小作为算法所需空间的度量。; 1．4 空间复杂度;解法2 # define N 100 float evaluate (float coef[ ], float x , int n ) { float f; int i; for (f = coef[n], i=n-1; i=0; i --) f=f*x+coef[i]; return(f); } 时间复杂度为O(n). 空间复杂度为O(1)