“算法与数据结构”-基本概念.pptVIP

数 据 结 构 主讲人：李志芳 主讲单位：软件技术教研室 时间：2008~2009第二学期 第一章 绪论 知 识 点 数据结构中常用的基本概念和术语 算法描述和分析方法 难 点 算法复杂性的分析方法 要 求 了解数据的逻辑结构和物理结构，算法的基本概念，它们对于程序设计的重要性以及相互关系 掌握算法复杂性的概念及分析方法 基本概念 数据结构 用计算机解决一个具体问题时，大致需要经过下列几个步骤： 基本概念 数据结构可以应用于问题的整个解决过程即分析过程和实 施过程。 首先分析过程中有一个步骤：数据的分析与设计，为了更好地对问题的数据进行组织和处理，常常要借助于数据结构的思想来完成。 例：汽车的故障诊断系统 餐饮管理系统 人机对弈问题 其次在具体的实施过程当中，经常需要对数据进行处理， 在数据结构课程当中，给出了各种数据的各种处理方法。 基本概念 基本概念 数据结构(Data structure)：数据之间的相互关系，即数据 的组织形式。 数据结构根据数据元素之间关系的不同特征，通常有下列 4类基本结构：集合、线性结构、树形结构、图或网状结构，通 常这几类结构称为逻辑结构。 研究数据结构，是指研究数据的逻辑结构和物理结构 数据的逻辑结构：数据元素之间的逻辑关系。 数据的物理结构：数据元素在计算机存储器中是如何存储的，所以又叫做存储结构。 运算：解决问题的算法。 基本概念 基本概念 算法(Algorithm)：对特定问题求解步骤的一种描述，它是指令的有限序列，其中每一条指令表示一个或多个操作。 特征：1）有穷性 2）确定性 3）可行性 4）输入 5）输出 算法是一个有穷的规则序列，这些规则决定了解决某一特定问题的一系列运算。 由此问题相关的一定输入，计算机依照这些规则进行计算和处理，经过有限的计算步骤后能得到一定的输出。 算法的评价原则 一个好的算法应考虑达到以下目标： 正确性：算法应能正确地实现处理要求 。 易读性：有助于对算法的理解，便于纠正和扩充 。 简单性：使证明其正确性比较容易，对算法进行修改也比较方便。 健壮性：算法应该具有纠错的能力，当输入非法数据时，算法应适当做出反应或进行处理。 高效率：达到所需的时、空性能。 算法效率的度量 算法的复杂性包括时间复杂性（所需运算时间）和空间复杂性（所占存储空间），重点是时间复杂性 。 一个算法所需的运算时间通常与所解决问题的规模大小、书写程序的语言等有关。 算法的时间的度量是以问题当中的原操作的重复执行的次数来计算的。 用n 表示问题规模的量 ，算法中基本操作执行的次数是问题规模的某个函数f(n)，算法的时间度量记作： 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，称作算法的时间复杂度。 算法效率的度量 (a) { ++x;s=0} (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;} 以上三个程序段含操作“x增1”的语句的执行次数分别为1、n、n2则这3个程序段的时间复杂度分别为 O(1)、O(n)、 O(n2) ，分别称为常量阶、线性阶和平方阶。 算法的时间复杂度考虑的只是对于问题规模n的增长率，在难以精确计算基本操作次数的情况下，只需要求出他关于n的增长率即可。 for(I=2;I=n;++i) for(j=2;j=i-1;++j) {++x; a[i][j]=x} T(n)=O(n2) 算法效率的度量 当T(n)为多项式时,可只取其最高次幂项,且它的系数也可略去不写。 一般地，对于足够大的n，常用的时间复杂性存在以下顺序： O(1) O(logn) O(n) O(n*logn) O(n2) O(n3)…O(2n)O(3n)…O(n!) 其中,O(1)为常数数量级,即算法的时间复杂性与输入规模n无关。 算法效率的度量 算法的运行时间