主要记录学习算法的道路上的一点一滴，同时希望通过记录能加深理解。
数据结构相关概念
一、逻辑结构。
1.集合结构
这种结构是一种表示一组无关的数据元素的集合，在这个集合里，各个元素之间也没有任何关系，它们的共同点就是同属某一个集合。
2.线性结构
线性结构中数据元素之间是一对一的关系。比如单项链表，每一个元素除了自己的数据之外，还有一个指针指向下一个元素。
3.树形结构
树形结构的元素之间存在一种一对多的层次关系。比如二叉树，每个元素除了自己的数据之外，还存在两个指针指向子节点元素。
4.图形结构
图形结构的元素之间是多对多的关系。
二、物理结构。数据结构是指数据的逻辑结构在计算机中的存储形式。
1.顺序结构存储。
是把数据存放在地址连续的存储单元里。比如数组，数组之间的元素在内存地址上是连续的。主要的逻辑结构表现形式就是上面的集合结构。
2.链式存储结构。
是把数据元素存放在任意的的存储单元里，这组存储单元可以是连续的，也可以是不连续的。在这种情况下，各个元素的存储关系并不能代表反映其逻辑关系，所以需要有存放和其有关系的元素的地址，用来查找其它元素。主要的逻辑结构表现形式是除了集合结构之外的所有逻辑结构。
时间复杂度和空间复杂度
谈起算法不得不提的两个东西就是，时间复杂度和空间复杂度，它们是算法效率高低的指标。一般情况下我们都会比较不同算法的时间复杂度，然后选取更优的算法来作为解决问题的手段。
1.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，记作：T(n)=O(f(n))。它表示随着问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进复杂度，简称为时间复杂度。其中f(n)是问题规模n的某个函数。
一般情况下使用大写O来体现时间复杂度的记法，我们称之为大O记法。
时间复杂度的推导方法
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.如果最高阶项目存在且不是1，则去除与这个项相乘的常数。
常见的时间复杂度
常用的时间复杂度所耗费的时间从小到大依次是：
2.空间复杂度
算法的时间复杂度通过计算算法所需的存储空间实现，算法时间复杂度的计算公式及作：S(n)=O(f(n))，n为问题的规模，f(n)为语句相关的n所占的存储空间的函数。
通常我们都使用时间复杂度来指算法的运行时间的需求，使用空间复杂度来表示空间需求。当不限定词的使用复杂度时，通常是时间复杂度，所以我们的学习重点一般都是以时间复杂度为主。
文章已于修改南宁治疗白癜风的医院北京哪家医院白癜风好