1 數據 ->數據結構
數據（操作對象）：描述客觀事物的符號，能被計算機識別，並輸入給計算機處理的符號集合
- 數據元素(建立數據結構的着眼點)：組成數據的、有一定意義的基本單位
- 數據項：不可分割的最小單位
- 數據對象：性質相同的數據元素的集合，是數據的子集
數據結構：相互之間存在一種或多種特定關係的數據元素的集合
目的是分析待處理對象的特性以及各處理對象之間存在的關係
- 邏輯結構：數據對象中數據元素之間的相互關係（集合、線性、樹形、圖形）->面向問題
- 物理結構：數據存儲形式（順序、鏈式）->面向計算機，將數據及其邏輯關係存儲到計算機
數據類型：一組性質相同的值的集合，以及在此集合上的一些操作的總稱
抽象數據類型（ADT）：一個數學模型以及定義在該模型上的一組操作
- 目的：問題分解、抽象、信息隱藏
- 組成：包括數據對象、數據對象中各數據元素之間關係、對數據元素的操作
2 算法
2.1 算法
對特定問題求解步驟的描述，在計算機中表現爲指令的有限序列，每條指令表示一個或多個操作。
算法特點：
- 輸入輸出
- 有窮性（有限步驟、可接受時間）
- 確定性
- 可行性
算法設計要求：
- 正確性：四個層次
- 沒有語法錯誤
- 對於合法輸入能夠產生滿足要求的輸出結果
- 對於非法輸入能夠得出滿足規格說明的結果
- 對於精心挑選的所有測試數據都有滿足要求的輸出結果
- 可讀性
- 健壯性：對輸入數據不合法的情況作合適的處理
- 時間效率高和存儲量低
2.2 算法效率
度量：事前分析估算方法
效率影響因素：
- 算法採用的策略和方法
- 編譯產生的代碼質量（軟件）
- 問題的輸入規模
- 機器執行指令的速度（硬件）
主要因素就是算法的好壞和輸入規模的大小。
分析算法效率的基本思路即將算法基本操作的數量（一系列步驟執行的次數）表示成輸入規模n的函數，而且函數的常數項和其他次要項都可以忽略，更應該關注主項的階數。
由此，引出算法時間複雜度的概念。
時間複雜度：
語句執行次數T(n)是關於問題規模n的函數，若有某個輔助函數f(n)，使得當n趨近於無窮大時，T（n)/f(n)的極限值爲不等於零的常數，則稱f(n)是T(n)的同數量級函數，記作T(n)=O(f(n))，它稱爲算法的漸進時間複雜度，簡稱時間複雜度。
推導大O階：
推導大O階，我們可以按照如下的規則來進行推導，得到的結果就是大O表示法：
1. 用常數1來取代運行時間中所有加法常數。
2. 修改後的運行次數函數中，只保留最高階項
3. 如果最高階項存在且不是1，則去除與這個項相乘的常
常用的時間複雜度按照耗費的時間從小到大依次是：
O(1)<O(logn)<O(n)<O(nlogn)<O(n²)<O(n³)<O(2ⁿ)<O(n!)