数据结构之我见
1. 4基本概念和术语
数据：是描述客观事物的符合，是计算机中可以操作的对象，是能被计算机识别，并输入给计算机处理的符号集合
数据元素： 是组成数据的、有一定意义的基本单位，在计算机中通常作为整体处理，也被称为记录。
数据项：一个数据元素可以由若干个数据项组成 数据项是数据不可分割的最小单位
数据对象：是性质相同的数据元素的集合，是数据的子集
数据结构：是相互之间存在一种或多种特定关系的数据元素的集合
分析：数据、数据元素、数据项、数据对象的介绍和理解
1.5.数据结构和物理结构
1.5.1 逻辑结构
逻辑结构是指数据对象中数据元素之间的相互关系。
集合结构中的数据元素除了同属一个集合外，他们之间没有其他的关系。
线性结构中的数据元素之间是一对一的关系
树形结构中的数据元素之间存在一对多的层次关系
图形结构中的数据元素是多对多的关系
1.5.2 物理结构（存储结构）
物理结构指数据的逻辑结构在计算机中的存储形式
顺序存储结构：是把数据元素存放在地址连续的存储单元里，其数据间的逻辑关系和物理关系是一致的
链式存储结构：是把数据元素存放在任意的存储单元里，这组存储单元可以是连续的，也可以是不连续的
2.5算法的特性
输入、输出、有穷性、确定性、可行性
2.6算法设计的要求
正确性、可读性、健壮性、时间效率高和存储量低
2.7算法效率的度量方法
事前分析估算方法
2.8函数的渐近增长
给定两个函数f(n)和g(n)，如果存在一个整数N，使得对于所有的n>N,f(n)总是比g(n0大，那么，我们说f(n)的增长渐近快于g(n)
结论
判断一个算法的效率时，函数中的常数和其他次要项常常可以忽略，而更应该关注主项的阶数
2.9算法时间复杂度
在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。
算法的时间复杂度，也就是算法的时间量度，记作：T(n)=O(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，称作算法的渐近时间复杂度，简称时间复杂度。（其中）f(n)是问题规模n的某个函数。
我们用大写的O()来提现算法时间复杂度的记法，我们称之为大O记法。
一般情况，随着n的增长，T(n)增长最慢的算法为最优算法。
O(1):常数阶
O(n):线性阶
O(n2)平方阶
2.9.2推导大O阶方法
1.用常数1取代运行时间中的所有加法常数。
2.在修改后的运行次数函数中，只保留最高阶项
3.如果最高阶项存在且不是1，则去除这个项相乘的常数
2.9.3常数阶
不会随着n的变大而发生变化，所其时间复杂度都是O(1)
2.9.4线性阶
需要确定某个特定语句集运行的次数，关键是要分析循环结构的运行情况
2.9.5对数阶
2X=n x=log2n
所以时间复杂度O(logn)
2.9.6平方阶
2.10常见的时间复杂度
2.1最坏情况和平均情况
平均时间复杂度
最坏时间复杂度
（一般在没有特殊说明的情况下，都是指最坏时间复杂度）
2.12算法空间复杂度
算法的空间复杂度通过计算算法所需的存储空间实现，算法空间复杂度的计算公式记作：s(n)=O(f(n)),其中，n为问题的规模，f（n)为语句关于n所占存储空间的函数。
2.13总结回顾
第3章 线性表
线性表：零个或多个数据元素的有限序列