数据结构：导论

---

一，数据结构的研究内容

数据结构是计算机科学的核心基础，其研究内容可概括为三大维度：

• 数据组织形式：探索如何将现实世界中的信息（如文本、图像、网络关系）转化为计算机可处理的逻辑结构，包括线性结构（链表、栈、队列）与非线性结构（树、图）。
• 操作体系设计：定义针对数据结构的标准操作，例如数组的查找与排序、树的遍历与插入，这些操作直接影响程序的效率。
• 性能优化理论：通过时间复杂度（如O(n)、O(log n)）和空间复杂度分析，评估不同数据结构在实际场景中的适用性，如数据库索引选择B+树而非二叉搜索树。

二，基本概念与术语

（一）数据、数据元素、数据项与数据对象

• 数据：计算机处理的所有符号的集合，例如数字123、字符'A'、图像像素矩阵。
• 数据元素：数据的基本单位，可由多个数据项组成。如学生信息表中“张三”是一个数据元素，包含姓名、年龄、成绩等数据项。
• 数据项：数据的最小不可分割单位，如学生年龄20。
• 数据对象：具有相同性质的数据元素的集合，例如全体整数、所有英文字母。

（二）数据结构

数据结构是数据元素之间的逻辑关系、存储方式及操作的集合，分为：

• 逻辑结构：描述数据元素间的抽象关系，如：
  • 线性结构：元素按顺序排列（链表、数组）；
  • 树形结构：层次化关系（二叉树、堆）；
  • 图状结构：多对多关系（社交网络模型）。
• 存储结构：数据在计算机中的物理表示，包括：
  • 顺序存储（数组）：连续内存空间，访问高效但插入删除低效；
  • 链式存储（链表）：离散内存块通过指针连接，灵活但访问需遍历。

（三）数据类型与抽象数据类型

• 数据类型：限定数据取值范围和操作，如C语言中的int（取值-2^31~231-1，支持加减乘除）。
• 抽象数据类型（ADT）：将数据和操作封装为独立单元，仅暴露接口（如栈的push/pop），隐藏实现细节，体现面向对象思想。

️ 三，抽象数据类型的表示与实现

以栈（Stack）为例：

1. ADT定义：

   ADT Stack {
       数据：有限线性序列，支持后进先出（LIFO）  
       操作：InitStack(), Push(), Pop(), IsEmpty()  
   }
   

2. 顺序栈实现：用数组存储，通过指针top标记栈顶，时间复杂度：
   • 初始化：O(1)
   • 入栈/出栈：O(1)（仅修改指针）
3. 链栈实现：用单链表存储，头节点为栈顶，插入/删除时间复杂度O(1)，空间动态分配更灵活。

⚙️ 四，算法与算法分析

⚖️ （一）算法的定义及特性

算法是解决问题的有限步骤序列，需满足：

• 有穷性：步骤有限，不会无限循环；
• 确定性：每一步操作明确无歧义；
• 可行性：可通过基本运算实现；
• 输入/输出：0个或多个输入，1个或多个输出。

（二）评价算法优劣的基本标准

• 正确性：能解决问题并返回正确结果；
• 可读性：代码逻辑清晰，便于维护（如注释、变量命名）；
• 健壮性：对非法输入（如空指针）能合理处理；
• 效率：时间与空间复杂度低，是核心优化目标。

⏱️ （三）算法的时间复杂度

• 大O表示法：忽略低阶项和常数，描述最坏情况下的时间增长趋势。
  • 例：冒泡排序（O(n²)）、快速排序（平均O(n log n)）。
• 常见复杂度级别（由低到高）：

  O(1) < O(log n) < O(n) < O(n log n) < O(n²) < O(2ⁿ) < O(n!)
  

• 计算示例：

  int sum = 0, i;  
  for (i = 0; i < n; i++) {       // 循环n次  
      sum += i;                    // O(1)操作  
  }
  // 总时间复杂度：O(n)
  

（四）算法的空间复杂度

指算法运行时占用的额外内存空间，与输入规模的关系：

• 例1：数组排序（原地排序如快速排序，空间复杂度O(log n)；非原地如归并排序，O(n)）。
• 例2：递归算法（栈空间消耗等于递归深度，如二叉树遍历递归实现为O(h)，h为树高）。

章结

数据结构是算法的“骨架”，而算法是数据结构的“灵魂”。从基础概念到ADT设计，再到复杂度分析，这套体系支撑着搜索引擎、区块链、AI模型等复杂系统的底层逻辑。理解它们，如同掌握计算机科学的“通用语言”，为解决实际问题提供理论基石。