数据结构与算法 基础 1

简介: 数据结构与算法 基础

数据结构和算法的概念

数据结构概念(逻辑结构和物理结构)

数据结构概念:把数据元素按照一定的关系组织起来的集合,用来组织和存储数据


数据结构分类:数据结构分为逻辑结构和物理结构两大类


逻辑结构分类:集合结构、线性结构、树形结构、图形结构


a.集合结构:集合结构中数据元素除了属于同一个集合外,他们之间没有任何其他的关系


b.线性结构:线性结构中的数据元素之间存在一对一的关系


c.树形结构:树形结构中的数据元素之间存在一对多的层次关系


d. 图形结构:图形结构的数据元素是多对多的关系

物理结构分类:逻辑结构在计算机中真正的表示方式(又称为映像)称为物理结构,也可以叫做存储结构。常见的物理结构有顺序存储结构、链式存储结构。


a.顺序存储结构:把数据元素放到地址连续的存储单元里面,其数据间的逻辑关系和物理关系是一致的 ,比如我们常用的数组就是顺序存储结构。

b.链式存储结构:是把数据元素存放在任意的存储单元里面,这组存储单元可以是连续的也可以是不连续的。此时,数据元素之间并不能反映元素间的逻辑关系,因此在链式存储结构中引进了一个指针存放数据元素的地址,这样通过地址就可以找到相关联数据元素的位置

顺序存储结构--查询块,增删慢


链式存储结构--查询慢,增删块


算法概念

算法概念:根据一定的条件,对些数据进行计算,得到需要的结果


       在生活中,我们如果遇到某个问题,常常解决方案不是唯一的。

       例如从西安到北京,如何去?会有不同的解决方案,我们可以坐飞机,可以坐火车,可以坐汽车,甚至可以步行,不同的解决方案带来的时间成本和金钱成本是不一样的,比如坐飞机用的时间最少,但是费用最高,步行费用最低,但时间最长。


       再例如在北京二环内买一套四合院,如何付款?也会有不同的解决方案,可以一次性现金付清,也可以通过银行做按揭。这两种解决方案带来的成本也不一样,一次性付清,虽然当时出的钱多,压力大,但是没有利息,按揭虽然当时出的钱少,压力比较小,但是会有利息,而且30年的总利息几乎是贷款额度的一倍,需要多付钱。


       在程序中,我们也可以用不同的算法解决相同的问题,而不同的算法的成本也是不相同的。总体上,一个优秀的算法追求以下两个目标:


1. 花最少的时间完成需求;

2.占用最少的内存空间完成需求;

        有关算法时间耗费分析,我们称之为算法的时间复杂度分析,有关算法的空间耗费分析,我们称之为算法的空间复杂度分析。

数据结构与算法的关系

       数据结构就像是一个工具,算法使用数据结构这一工具完成一定的运算,但是要合理使用,不能拿一个铁锤拧螺丝


经典案例

排序

冒泡排序

排序原理:


1.比较相邻的元素。如果前一个元素比后一个元素大,就交换这两个元素的位置。

2.对每一对相邻元素做同样的工作,从开始第一对元素到结尾的最后一对元素。最终最后位置的元素就是最大值

代码实现:

import java.util.Arrays;
public class BubbleSort {
  public static void main(String[] aaa) {
    int[] a=new int[]{5,2,4,3,1,8,6,7};
    sort(a);
    System.out.print(Arrays.toString(a));
  }
  public static void sort(int[] a) {
    for(int i=0;i<a.length-1;i++)
    {     
      for(int j=0;j<a.length-1-i;j++)
      {
        if(a[j]>a[j+1])
        {
          int temp=a[j];
          a[j]=a[j+1];
          a[j+1]=temp;
        }
      }
    }
  }
}

时间复杂度分析:

       冒泡排序使用了双层for 循环,其中内层循环的循环体是真正完成排序的代码,所以,

我们分析冒泡排序的时间复杂度,主要分析一下内层循环体的执行次数即可。

在最坏情况下,也就是假如要排序的元素为{6,5,4,3,2,1} 逆序,那么:

元素比较的次数为: (N-1)+(N-2)+(N-3)+...+2+1=((N-1)+1)*(N-1)/2=N^2/2-N/2;

元素交换的次数为: (N-1)+(N-2)+(N-3)+...+2+1=((N-1)+1)*(N-1)/2=N^2/2-N/2;

总执行次数为:(N^2/2-N/2)+(N^2/2-N/2)=N^2-N;

按照大 O 推导法则,保留函数中的最高阶项那么最终冒泡排序的时间复杂度为 O(N^2)

选择排序

排序原理:


每一次遍历的过程中,都假定第一个索引处的元素是最小值,和其他索引处的值依次进行比较,如果当前索引处的值大于其他某个索引处的值,则假定其他某个索引出的值为最小值,最后可以找到最小值所在的索引

交换第一个索引处和最小值所在的索引处的值

代码实现:

import java.util.Arrays;
public class SearchSort {
  public static void main(String[] aaa) {
    int[] a=new int[]{5,2,4,3,1,8,6,7};
    sort(a);
    System.out.print(Arrays.toString(a));
  }
  public static void sort(int[] a) {
    //第一层循环,控制遍历次数
    for(int i=0;i<a.length-1;i++)
    {
      //min记录最小的数
      int min=a[i];
      //minNum记录最小的数的下标,用于下面的交换
      int minNum=i;
      //第二层循环,遍历比较出最小值
      for(int j=i+1;j<a.length;j++)
      {
        if(min>a[j])
        {
          min=a[j];
          minNum=j;
        }
      }
      //将最小值移动到最前面
      a[minNum]=a[i];
      a[i]=min;
    }
  }
}


时间复杂度分析:


选择排序使用了双层 for循环,其中外层循环完成了数据交换,内层循环完成了数据比较,所以我们分别统计数据交换次数和数据比较次数:

数据比较次数:(N-1)+(N-2)+(N-3)+...+2+1=((N-1)+1)*(N-1)/2=N^2/2-N/2;

数据交换次数:N-1

总执行次数为:N^2/2-N/2+ ( N-1 ) =N^2/2+N/2-1;

根据大 O 推导法则,保留最高阶项,去除常数因子,时间复杂度为 O(N^2)

插入排序

排序原理:


1.把所有的元素分为两组,已经排序的和未排序的;

2.找到未排序的组中的第一个元素,向已经排序的组中进行插入;

3.倒叙遍历已经排序的元素,依次和待插入的元素进行比较,直到找到一个元素小于等于待插入元素,那么就把待插入元素放到这个位置,其他的元素向后移动一位;

代码实现:

import java.util.Arrays;
public class InsertSort {
  public static void main(String[] aaa) {
    int[] a=new int[]{1,3,12,5,3,123,5,4676,54};
    System.out.println(Arrays.toString(a));
    sort(a);
    System.out.println(Arrays.toString(a));
  }
  public static void sort(int[] a)
  {
    for(int i=1;i<a.length;i++)
    {
      for(int j=i;j-1>=0;j--)
      {
        if(a[j-1]>a[j])
        {
          int temp=a[j-1];
          a[j-1]=a[j];
          a[j]=temp;
        }
        else break;
      }
    }
  }
}


时间复杂度分析:


插入排序使用了双层 for循环,其中内层循环的循环体是真正完成排序的代码,所以,我们分析插入排序的时间复杂度,主要分析一下内层循环体的执行次数即可。

最坏情况,也就是待排序的数组元素为 {12,10,6,5,4,3,2,1} ,那么:

比较的次数为: (N-1)+(N-2)+(N-3)+...+2+1=((N-1)+1)*(N-1)/2=N^2/2-N/2;

交换的次数为: (N-1)+(N-2)+(N-3)+...+2+1=((N-1)+1)*(N-1)/2=N^2/2-N/2;

总执行次数为:(N^2/2-N/2)+(N^2/2-N/2)=N^2-N;

按照大 O 推导法则,保留函数中的最高阶项那么最终插入排序的时间复杂度为 O(N^2)

快速排序

快速排序是对冒泡排序的一种改进。它的基本思想是:通过一趟排序将要排序的数据分割成独立的两部分,其中一部分的所有数据都比另外一部分的所有数据都要小,然后再按此方法对这两部分数据分别进行快速排序,整个排序过程可以递归进行,以此达到整个数据变成有序序列。

排序原理


1.首先设定一个分界值,通过该分界值将数组分成左右两部分。

2.将大于或等于分界值的数据放到到数组右边,小于分界值的数据放到数组的左边。此时左边部分中各元素都小于或等于分界值,而右边部分中各元素都大于或等于分界值。

3.然后,左边和右边的数据可以独立排序。对于左侧的数组数据,又可以取一个分界值,将该部分数据分成左右两部分,同样在左边放置较小值,右边放置较大值。右侧的数组数据也可以做类似处理。

4.重复上述过程,可以看出,这是一个递归定义。通过递归将左侧部分排好序后,再递归排好右侧部分的顺序。当左侧和右侧两个部分的数据排完序后,整个数组的排序也就完成了。

切分原理:

    把一个数组切分成两个子数组的基本思想:

1.找一个基准值,用两个指针分别指向数组的头部和尾部;

2.先从尾部向头部开始搜索一个比基准值小的元素,搜索到即停止,并记录指针的位置;

3.再从头部向尾部开始搜索一个比基准值大的元素,搜索到即停止,并记录指针的位置;

4.交换当前左边指针位置和右边指针位置的元素;

5.重复2,3,4步骤,直到左边指针的值大于右边指针的值停止;

代码实现:

import java.util.Arrays;
public class QuickSort {
  public static void main(String[] args) {
    int[] a=new int[]{50,23,88,35,65,53,90,13,52,42,16,18,73,25,77,66};
    System.out.println(Arrays.toString(a));
    sort(a,0,a.length-1);
    System.out.println(Arrays.toString(a));
  }
  public static void sort(int[] a,int b,int e)
  {
    if(b>=e) return;
    int i=b;
    int j=e;
    while(i<j) {
      if(a[i]>a[i+1]) {
        int temp=a[i];
        a[i]=a[i+1];
        a[i+1]=temp;
        i++;
      }else {
        int temp=a[j];
        a[j]=a[i+1];
        a[i+1]=temp;
        j--;
      }
    }
    sort(a,b,i-1);
    sort(a,i+1,e);
  }
}

时间复杂度分析:


快速排序的一次切分从两头开始交替搜索,直到 left 和 right 重合,因此,一次切分算法的时间复杂度为 O(n),但整个快速排序的时间复杂度和切分的次数相关。

最优情况:每一次切分选择的基准数字刚好将当前序列等分。

如果我们把数组的切分看做是一个树,那么上图就是它的最优情况的图示,共切分了logn次,所以,最优情况下快速排序的时间复杂度为O(nlogn);


最坏情况:每一次切分选择的基准数字是当前序列中最大数或者最小数,这使得每次切分都会有一个子组,那么总共就得切分 n 次,所以,最坏情况下,快速排序的时间复杂度为 O(n^2);

平均情况:每一次切分选择的基准数字不是最大值和最小值,也不是中值,这种情况我们可以用数学归纳法证明,快速排序的时间复杂度为 O(nlogn);


目录
相关文章
|
7天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
6天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
321 130
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
|
18天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1331 8
|
5天前
|
监控 JavaScript Java
基于大模型技术的反欺诈知识问答系统
随着互联网与金融科技发展,网络欺诈频发,构建高效反欺诈平台成为迫切需求。本文基于Java、Vue.js、Spring Boot与MySQL技术,设计实现集欺诈识别、宣传教育、用户互动于一体的反欺诈系统,提升公众防范意识,助力企业合规与用户权益保护。
|
17天前
|
机器学习/深度学习 人工智能 前端开发
通义DeepResearch全面开源!同步分享可落地的高阶Agent构建方法论
通义研究团队开源发布通义 DeepResearch —— 首个在性能上可与 OpenAI DeepResearch 相媲美、并在多项权威基准测试中取得领先表现的全开源 Web Agent。
1412 87
|
6天前
|
人工智能 Java API
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
本文介绍AI大模型的核心概念、分类及开发者学习路径,重点讲解如何选择与接入大模型。项目基于Spring Boot,使用阿里云灵积模型(Qwen-Plus),对比SDK、HTTP、Spring AI和LangChain4j四种接入方式,助力开发者高效构建AI应用。
312 122
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
|
5天前
|
JavaScript Java 大数据
基于JavaWeb的销售管理系统设计系统
本系统基于Java、MySQL、Spring Boot与Vue.js技术,构建高效、可扩展的销售管理平台,实现客户、订单、数据可视化等全流程自动化管理,提升企业运营效率与决策能力。
|
6天前
|
弹性计算 安全 数据安全/隐私保护
2025年阿里云域名备案流程(新手图文详细流程)
本文图文详解阿里云账号注册、服务器租赁、域名购买及备案全流程,涵盖企业实名认证、信息模板创建、域名备案提交与管局审核等关键步骤,助您快速完成网站上线前的准备工作。
253 82
2025年阿里云域名备案流程(新手图文详细流程)