（一）数据结构与算法--前篇

数据结构

1.概念

　　数据：在计算机里面，数据基本上可以理解为信息，无论是人和事物，或者是对人和事物的描述(比如数量,颜色，大小等)，都可以当作数据；
　　而计算机主要是完成对数据存储和运算的功能，那么也就可以理解为，凡是计算机所要存储和运算的东西，都能称之为数据。
　　
　　结构：百度百科中对结构的解释是，组成整体和各部分的搭配和安排。
　　一般情况下，如果用到结构这个概念，那么绝对不会是单个存在的事物，而是多个事物共同存在，那么这些事物如果之间有一定的关系，那么所有事物之间的整体上的这种关系就可以理解为结构。
　　大体上的关系分为一对一、一对多和多对多的关系。
　　
　　数据结构：简而言之就是计算机所要存储的多个数据之间的关系。常见的数据结构有队列、栈、树等等
　　
2.举例
　　(1) 队列：这种结构就是现实生活中的排队，比如排队买火车票，每一个人就是一个数据，人和人之间是排队的关系，它的特点是，先来先买，先买先走，后来后买，后买后走
　　(2) 栈：这种结构最形象的就是手枪的弹匣里的子弹，子弹与子弹之间的关系就是栈结构，这种结构的特点是先压进去的子弹最后射出，后压进去的子弹，最早射出，这个也是和队列结构的区别
　　(3) 树形结构：日常生活中，一家公司的人员与人员之间的上下级关系，就是树形结构。董事长下面有副董事长、副董事长下面有各部门经理、各部门经理下面有各个组长、组长下面有一些员工。树形结构由很多种，左斜树、右斜树、二叉树、平衡二叉树等等。
　　除此之外还有其它结构，比如链表结构、图状结构等等，
　　另外，如果数据和数据之间没有关系，那么也能称之为结构，比如说高中数学中学到的集合的概念，在集合中的数据和数据之间，可以说是除了在同一集合里存储之外，没有任何的关系，但也是一种数据结构
　
　　但总的来说，可大致分为线性结构和非线性结构

算法

1.概念
　　算法理解起来非常简单，就是解决问题的方式方法，在计算机里面，并且在数据结构里面，算法就可以理解为操作数据的方法。
　　计算机不仅要存储数据，还要操作数据，比如添加、删除、修改。
　　
2.举例
　　之前玩过一个小游戏，从1~100之间随机抽取一个数字，然后来猜测这个数字是几，每猜测一次会提示是偏大还是偏小，5次机会。
　　常用的方法就是先猜50，然后看提示是大还是小，无论大小，第二次猜就取剩下的一半，一直猜到第五次，如果还没猜出，那么就会说出心里觉得可能性最大的数字。
　　这种折半猜的方法，就是一种算法。
　　不同的数据存储方式，会有不同的算法
　　比如在一堆书中找一本书，如果这堆书是非常散乱的扔在一起，那么找书就要一本一本的拿起来看，直到找到位置，虽然效率慢，但也是一种算法；
　　也可以首先把书分类，比如学习的一类、小说的一类、漫画的一类，然后找书时就去符合所要找的书的分类中查找，那么效率就会提高很多，这也是一种算法。
　　
3.评判标准

　　(1) 时间复杂度
　　时间复杂度并不是该程序所要执行的时间，而是所要执行的次数。
　　因为，不同的计算机，不同的操作系统，会造成同一种算法执行时间不同，比如拿一个算法运行在windows95系统，286处理器上，那么执行的时间就会比较长，但不能说这个算法就不好。
　　而执行的次数也不是单位时间内大概需要执行几次，而是该算法的最核心功能部分大概需要执行几次，也可以理解为大概需要执行几次，才能达到目的。很难非常精准的测出次数，所以用大概次数
　　用刚才找书的例子，比如有100本书，如果一个一个找，那么就完全有可能找到第100本才是所要找的数，那么该算法就要执行100次，
　　如果先把100本书分类，比如学习类的有60本，小说类的有30本，漫画类的有10本(我是不是特别爱学习 @_@!)，那么如果所要找的书是学习类的，该算法要执行60次，如果是小说类的就要找30次，如果是漫画类的，就要找10次。
　　用这个执行次数的标准来衡量，就会比较准确。
　　拿一个算法A来用在一个配置比较高的机器上执行了100次才达到结果，用了10秒钟，和另一个的算法B在一个配置非常低的机器上执行了1次就达到结果，用了30秒钟，那么明显的B算法比较好。
　　
　　(2) 空间复杂度
　　该算法在执行时大概占用的最大内存
　　
　　(3) 难易程度
　　如果有一个非常非常牛逼的算法，全世界就他一个人会，其他人怎么学也学不会看不懂，那么这个算法也就一般
　　
　　(4) 健壮性
　　一个算法执行次数少、占用内存小、并且简单易懂，但如果一个人给了个非法的数据，造成程序崩溃，那么这个算法就不是那么好
　　
　　大概的评判标准是这么四种，但主要的是前两种。