程序设计 = 数据结构 + 算法。

数据结构定义：

数据结构：相互之间存在一种或多种特定关系的数据元素的集合。

数据：描述客观事物的符号，是计算机中可以操作的对象，是能被计算机识别，并输入给计算机处理的符号的集合。例如：整型、实型等数值类型，还包括声音、字符、图像、视频等非数值类型。

总结：数据就是一种符号，这些符号必备两个前提，1：可以输入到计算机中；2：能够被计算机处理。

数据元素：是组成数据、有一定意义的基本单位，在计算机中通常做为整体处理，也被叫做记录。

数据项：一个数据可以由若干个数据项组成。数据项是数据不可分割的最小单位。

数据结构可根据不同角度分为逻辑结构和物理结构

逻辑结构（针对问题），分为以下4种：

1、集合结构：

特点：各数据元素“平等”；

2、线性结构：

特点：数据元素之间的关系是一对一。

3、树型结构：

特点：数据元素之间的关系是一对多；

4、图形结构：

特点：数据元素之间的关系是多对多；

物理结构（针对内存）

顺序存储

链式存储

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，并且每条指令表示为一个或多个操作。

算法的基本特性：

1、输入

2、输出

3、有穷性

4、确定性

5、可行性

算法的其它特性：

可读性

健壮性

判断算法的优劣可通过算法时间复杂度和算法空间复杂度来衡量。

算法时间复杂度

算法时间复杂度的大O表示法：

1、用常数1取代运行时间中的所有加法常数。3->1 O(1)

2、在修改后的运行次数函数中，只保留最高阶。n^3+2n^2+5 -> O(n^3)

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。2n^3 -> O(n^3)

时间复杂度术语:

 1. 常数阶

 2. 线性阶

 3. 对数阶

 4. 平方阶

 5. 立方阶

 6. nlog阶

 7. 指数阶(不考虑) O(2^n)或者O(n!) 除非是非常小的n,否则会造成噩梦般的时间消耗. 这是一种不切实际的算法时间复杂度. 一般不考虑!

常用的算法时间复杂度所耗费时间从小到大的排列依次是：

算法空间复杂度

定义：通过计算算法所需的存储空间实现。一般情况下，一个程序在机器上执行时，除了需要存储程序本身的指令、常数、变量、输入数据之外，还需要存储对数据操作的存储单元，即这个就是算法空间复杂度。也采用大O表示法。

通常，算法时间复杂度指运行时间的需求。空间复杂度指存储空间的需求。