持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第8天，点击查看活动详情
第一章 基本概念 1.1 数据关系 数据项→→数据元素→→数据对象→→数据
数据项：数据项组成数据元素，数据项是不可分割的最小单位 数据元素：组成数据的基本单位 数据对象：性质相同的数据元素的集合 数据：描述客观事物的符合
数据结构：相互之间存在一种或多种特定关系的数据元素的集合
1.2 逻辑结构和物理结构 逻辑结构：数据对象中数据元素的相互关系
逻辑结构包括：集合结构、线性结构、树形结构、图形结构 物理结构：数据的逻辑结构在计算机中的存储形式，也就是将数据元素存储到存储器
物理结构包括：顺序存储结构、链式存储结构
顺序存储结构：把数据元素存放在地址连续的存储单元，数据间逻辑关系和物理关系是一样的
链式存储结构：把数据元素存储到任意存储单元中，这些单元可以是连续的也可以是不连续的
链式存储很灵活，不用在意存储的位置，只要有一个存放地址的指针就好了。
第二章 算法 算法是解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，且每条指令表示一个或多个操作。
2.1 算法特性 输入、输出、有穷性、确定性、可行性
输入输出：算法具有输入和输出 有穷性：算法不会出现无限循环，并且每个步骤可在可接受时间内完成 确定性：每个步骤都有确定的含义 可行性：算法的每一步都是可行的，也就是每一步都能够通过执行的有限次完成 2.2 算法设计的要求： 正确性 可读性 健壮性 时间效率高、存储量低 2.3 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)随着n的变化情况而确定T(n)的数量级。
时间复杂度，也就是算法的时间度量，表示岁问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同。
一般情况下，随着n的增大，T(n)增大最慢的方法是最优算法
用大写的O()来体现算法复杂度的记法，称为大O法。
如何推导时间复杂度：
1、常数阶：O(1)
2、线性阶：O(n)
关键在于分析循环结构内部情况，下面程序复杂度为O(n)
int i for (i=0;i<n;i++) { //时间复杂度为O（1）的程序 } 1 2 3 4 5 3、对数阶：O(log n)
int count=1; while(count<n) { count=count2 //时间复杂度为O（1）的程序 } 1 2 3 4 5 由于每次count2以后，就距离n更近了，也就是说有多少个2相乘后大于n，则会退出循环，2x=n−>x=log2n2x=n−>x=log2n，所以时间复杂度为O(log n)
4、平方阶：O(n^2)
int i,j; for(i=0;i<n;i++) { for(j=0;j<n;j++) { //时间复杂度为O（1）的程序 } } 1 2 3 4 5 6 7 8 相当于循环了n*n次，时间复杂度为O(n^2)，如果外部循环m次，时间复杂度为O(n^m)
总结：时间复杂度为循环体的复杂度乘以该循环运行次数
