数据结构学科：研究非数值计算的程序设计问题中的操作对象，以及它们之间的关系和操作等；
程序设计 = 数据结构 + 算法
数据：描述客观事物的符号；数据可以输入到计算机中进行处理；图像，音频等数据可以通过编码转换为字符数据；
数据元素：组成数据的,有一定意义的基本单位，也叫记录；计算机将数据元素当做一个整体进行处理；
数据项：一个数据元素由若干个数据项组成；数据项是数据不可分割的最小单位；
结构：不同的数据元素之间不是相互独立的，而是存在特定的关系，这种关系称为结构；
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；
- 逻辑结构：数据对象中数据元素之间的关系；几何结构，线性结构，树形结构，图形结构；
- 物理结构/存储结构：数据的逻辑结构在计算机中的存储形式；
存储结构:
- 顺序存储结构：把数据元素存放在地址连续的存储单元里，数据的逻辑关系与物理关系一致；
- 链式存储结构：把数据元素存放在任意的存储单元里，该组存储单元可以连续，也可以不连续；
算法：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，每条指令表示一个或多个操作；
算法特征:
- 输入输出：有零个或多个输入，至少有一个或多个输出；
- 有穷性：算法在执行有限的步骤之后自动结束而不会出现无限循环，且每个步骤在可接受的时间内完成；
- 确定性：算法的每个步骤都具有明确的含义，不会出现二义性；
- 可行性：算法的每一步都必须是可行的；
算法设计的要求:
- 正确性：算法至少应该具有输入输出和加工处理无歧义性，能正确反映问题的需求，能得到问题的正确答案；
- 可读性：便于阅读,理解和交流；
- 健壮性：输入不合法时，算法也能做出相关处理，而不会产生异常或莫名其妙的结果；
- 时间效率高，存储量低；
算法效率的度量:
- 事后统计方法；
- 事前分析估算；
函数的渐进增长:
给定2个函数f(n)和g(n)，如果存在一个整数N，使得对于所有的n > N，f(n)总是比g(n)大，则认为f(n)的渐近增长快于g(n)；
判断一个算法的效率时，函数中的常数和其他次要项可以忽略，而更应该关注主项(最高阶项)的阶数；
算法时间复杂度:
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；
T(n) = O(f(n))，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，称作算法的渐近时间复杂度，简称时间复杂度；f(n)是问题规模n的某个函数；
分析算法的时间复杂度，关键是分析循环结构的运行情况；
一般说算法的时间复杂度是指最坏时间复杂度，而不是平均时间复杂度；
推导大O阶:
- 用常数1取代运行时间中的所有加法常数；
- 在修改后的运行次数函数中，只保留最高阶项；
- 如果最高阶项存在且不是1，则去除与这个项相乘的常数；
常见的时间复杂度:
O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)