前言
之前買了兩本書，一本《大話設計模式》，一本《大話數據結構》，其實這兩本書都被我看完了，但是看完之後一臉懵逼，看的快，忘得疾。之前老師都教過我們，好記性不如賴筆頭。於是決定還是再看一遍順便做個筆記。本專欄筆記內容來自《大話數據結構》。
數據的基本概念和術語
此處我用圖表的方式表示出來，如下圖：
邏輯結構的分類圖示：
物理結構分類圖示：
抽象數據類型
數據類型：
是指一組性質相同的值的集合及定義在此集合上的一些操作的總稱。
在C語言中，按照取值的不同，數據類型可以分爲兩類:
- 原子類型: 是不可以再分解的基本類型，包括整型、實型、字符型等。
- 結構類型:由若千個類型組合而成，是可以再分解的。例如，整型數組是由若干整型數據組成的。
抽象數據類型
抽象數據類型(Abstract Data Type, ADT):是指一個數學模型及定義在該模型上的一組操作。抽象數據類型的定義僅取決於它的一組邏輯特性，而與其在計算機內部如何表示和實現無關。
總結：
算法
定義
算法是解決《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，並且每條指令表示一個或多個操作。
算法的特性
算法的設計要求
算法的度量方法
函數的漸近增長
給定兩個函數f(n)和g(n),如果存在一個整數N,使得對於所有的n> N, f(n)總是比g(n)大，那麼，我們說f(n)的增長漸近快於g (n)。
算法的時間複雜度
在進行算法分析時，語句總的執行次數T (n)是關於問題規模n的函數，進而分析T(n)隨n的變化情況並確定T(n)的數量級。算法的時間複雜度，也就是算法的時間量度，記作: T(n)= 0(f(n)。它表示隨問題規模n的增大，算法執行時間的增長率和f(n)的增長率相同，稱作算法的漸近時間複雜度，簡稱爲時間複雜度。其中f(n)是問題規模n的某個函數。
這樣用大寫O()來體現算法時間複雜度的記法，我們稱之爲大O記法。
推導大O階方法
1.用常數1取代運行時間中的所有加法常數。
2.在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數。得到的結果就是大O階。
常數階
執行次數恆定，記作O(1).
線性階
循環體中的代碼須要執行n次，記作O(n)
對數階
int count = 1;
while (count < n)
{
coutn = count * 2;/*時間複雜度爲0(1)的程序步驟序列*/
}
由於每次count乘以2之後，就距離n更近了一分。也就是說，有多少個2相乘後大於n,則會退出循環。由2x=n 得到x=log2n。 所以這個循環的時間複雜度爲O(logn)。
平方階
int i,j;
for ( i=0 ; i<n ; i++ )
{
for( j=0 ;j <n ;j ++)
{
/*時間複雜度爲0(1)的程序步驟序列*/
}
}
而對於外層的循環，不過是內部這個時間複雜度爲0(n)的語句，再循環n次。所以這段代碼的時間複雜度爲0(n2)。
常見的時間複雜度
