数据结构是指相互之间存在一种或多种特定关系的数据元素的集合，它主要研究数据的逻辑结构、存储结构以及操作（算法）-优快云博客

本文链接：https://blog.youkuaiyun.com/blog_programb/article/details/148544576

数据结构

定义：数据结构是指相互之间存在一种或多种特定关系的数据元素的集合，它主要研究数据的逻辑结构、存储结构以及操作（算法）。

一、逻辑结构

数据元素之间的逻辑关系，与存储无关，是面向问题的抽象描述。

集合结构：数据元素同属一个集合，无其他特殊关系。
线性结构：元素之间存在一对一关系，如链表、数组、栈、队列。
树形结构：元素之间存在一对多关系，如二叉树、堆。
图状结构：元素之间存在多对多关系，如社交网络模型。

二、存储结构（物理结构）

数据元素在计算机中的存储方式，决定了数据的访问和操作效率。

顺序存储：用连续的内存空间存储元素，通过下标访问（如数组）。
优点：访问速度快；缺点：插入/删除需移动大量元素。
链式存储：用节点（包含数据和指针）存储元素，节点可分散存储（如链表）。
优点：插入/删除灵活；缺点：访问需遍历指针，速度较慢。
索引存储：额外建立索引表，通过索引快速定位元素（如数据库索引）。
散列存储（哈希存储）：通过哈希函数将元素映射到特定位置（如哈希表）。

三、常见数据结构

数据结构	特点	典型应用场景
数组	顺序存储，随机访问快	缓存、矩阵运算
链表	链式存储，动态灵活	动态数据缓冲
栈	后进先出（LIFO）	函数调用、表达式求值
队列	先进先出（FIFO）	任务调度、消息队列
树（二叉树）	层次化结构，递归性强	文件系统、搜索算法
图	多对多关系	路径规划、社交网络
哈希表	快速查找和插入	缓存、数据库键值对

算法

定义：算法是为解决特定问题而设计的有限步骤的操作序列，具有有穷性、确定性、可行性、输入、输出五大特性。

一、算法的衡量标准

时间复杂度：算法运行所需时间的度量，用大O符号表示（如O(1)、O(n)、O(n²)）。
- 常见时间复杂度从低到高：
  O(1)（常数阶）< O(logn)（对数阶）< O(n)（线性阶）< O(n logn) < O(n²)（平方阶）< O(2ⁿ)（指数阶）。
空间复杂度：算法运行所需额外内存空间的度量，同样用大O符号表示（如O(1)、O(n)）。

二、常见算法类型

查找算法
- 顺序查找：逐个遍历元素，时间复杂度O(n)。
- 二分查找：仅适用于有序数组，每次排除一半元素，时间复杂度O(logn)。
- 哈希查找：通过哈希表直接定位，平均时间复杂度O(1)。

排序算法

算法	时间复杂度	空间复杂度	稳定性	特点
冒泡排序	O(n²)	O(1)	稳定	相邻元素交换，简单但效率低
插入排序	O(n²)	O(1)	稳定	类似打牌时整理手牌
选择排序	O(n²)	O(1)	不稳定	每次选最小元素交换
快速排序	O(n logn)	O(logn)~O(n)	不稳定	分治思想，平均效率高
归并排序	O(n logn)	O(n)	稳定	分治+合并，占用额外空间
堆排序	O(n logn)	O(1)	不稳定	基于堆结构实现

图算法
- 深度优先搜索（DFS）：递归遍历图，用于寻找连通分量、拓扑排序。
- 广度优先搜索（BFS）：层序遍历图，用于最短路径、最小生成树（如Prim算法、Kruskal算法）。
递归与分治算法
- 递归：函数自身调用，需注意终止条件（如计算阶乘）。
- 分治：将问题分解为子问题，合并结果（如归并排序、快速排序）。
动态规划
- 存储子问题结果避免重复计算，适用于优化问题（如斐波那契数列优化、背包问题）。

数据结构与算法的关系

相辅相成：数据结构是算法处理的对象，算法依赖数据结构实现；
优化目标：合理选择数据结构可降低算法复杂度（如用哈希表优化查找效率）；
应用场景：例如，操作系统用队列管理进程调度，编译器用栈处理函数调用，搜索引擎用图算法分析网页链接。

学习建议：从基础数据结构（数组、链表）入手，理解算法思想（如贪心、动态规划），通过刷题（如LeetCode）强化应用能力。