前言
之前买了两本书，一本《大话设计模式》，一本《大话数据结构》，其实这两本书都被我看完了，但是看完之后一脸懵逼，看的快，忘得疾。之前老师都教过我们，好记性不如赖笔头。于是决定还是再看一遍顺便做个笔记。本专栏笔记内容来自《大话数据结构》。
数据的基本概念和术语
此处我用图表的方式表示出来，如下图：
逻辑结构的分类图示：
物理结构分类图示：
抽象数据类型
数据类型：
是指一组性质相同的值的集合及定义在此集合上的一些操作的总称。
在C语言中，按照取值的不同，数据类型可以分为两类:
- 原子类型: 是不可以再分解的基本类型，包括整型、实型、字符型等。
- 结构类型:由若千个类型组合而成，是可以再分解的。例如，整型数组是由若干整型数据组成的。
抽象数据类型
抽象数据类型(Abstract Data Type, ADT):是指一个数学模型及定义在该模型上的一组操作。抽象数据类型的定义仅取决于它的一组逻辑特性，而与其在计算机内部如何表示和实现无关。
总结：
算法
定义
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，并且每条指令表示一个或多个操作。
算法的特性
算法的设计要求
算法的度量方法
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(n)大，那么，我们说f(n)的增长渐近快于g (n)。
算法的时间复杂度
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)= 0(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，简称为时间复杂度。其中f(n)是问题规模n的某个函数。
这样用大写O()来体现算法时间复杂度的记法，我们称之为大O记法。
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,则去除与这个项相乘的常数。得到的结果就是大O阶。
常数阶
执行次数恒定，记作O(1).
线性阶
循环体中的代码须要执行n次，记作O(n)
对数阶
int count = 1;
while (count < n)
{
coutn = count * 2;/*时间复杂度为0(1)的程序步骤序列*/
}
由于每次count乘以2之后，就距离n更近了一分。也就是说，有多少个2相乘后大于n,则会退出循环。由2x=n 得到x=log2n。 所以这个循环的时间复杂度为O(logn)。
平方阶
int i,j;
for ( i=0 ; i<n ; i++ )
{
for( j=0 ;j <n ;j ++)
{
/*时间复杂度为0(1)的程序步骤序列*/
}
}
而对于外层的循环，不过是内部这个时间复杂度为0(n)的语句，再循环n次。所以这段代码的时间复杂度为0(n2)。
常见的时间复杂度
