資料結構是幹什麼的？為什麼它總是跟演算法扯上關係？概括的說，要用計算機求解實際問題需要做兩件事：第一，
把實際問題用計算語言描述
；第二，
用計算機語言求解這個問題
。第一件事情是資料結構幹的，第二件事情就是演算法幹的。有乙個著名的公式：
程式 = 資料結構 + 演算法
非常形象的描述了它們之間的關係。
通常，我們都是介紹一種資料結構，然後介紹對應於這種結構的演算法。
1.先看資料結構。舉乙個例子：學生的資訊。有人可能覺得，學生的資訊儲存很簡單啊，把學號、姓名、年齡、性別等等做成乙個結構體，然後做成乙個陣列不就行了麼？但是你是否考慮過一下問題：第一，萬一有人退學、插班，條換專業，那麼這個陣列中元素的順序如何管理？第二，學校有幾萬人，陣列要求連續存放，你能保證有這麼大的連續儲存空間麼？也許你為這個看似複雜的問題想破了腦袋，都沒有想出來怎麼解決，但是如果你學過資料結構，就能迎刃而解了，用乙個鍊錶就能實現：每個乙個學生中都有乙個指標，指向它的下乙個元素，依次類推。這樣既不需要連續的空間，也可以靈活的進行插入、刪除等操作。
可見，資料結構是對現實中問題的高度抽象。那麼世界上的問題千奇百怪，抽象出來的資料結構有多少種呢？答案只有3中：線性結構、樹、圖。通常，如果是把資料放在一起，而不考慮它們之間的關係的話，使用線性結構就可以了，比如我們的學生資訊；而對於那些互相連續的資料，也許就需要樹來表示了，比如：乙個學校分成了很多學院、每個學院又分成了多個專業，每個專業又分成了幾個班；最後，如果前兩個種結構都沒法解決，我們就要用到圖了。比如有a、b、c、d、e、f、g七個地方，它們之間有的相通，有的不相通，我想從乙個地方到達另乙個地方，走那條路最近。
2.再看演算法：有的演算法比較簡單，比如鍊錶的插入，刪除之類的，有的演算法卻異常複雜，比如那個求最短路徑的問題（如果我沒有記錯，維特比演算法就是解決這類問題的方法之一，這個演算法在卷積碼解碼、隱馬爾科夫鏈等等領域有重要應用。這裡就不展開說了）。很多人寫**也經常寫演算法，那麼到底什麼是演算法呢？就是解決問題的方法步驟，它必須包含以下要求：
1.有輸入。它能夠處理你讓它處理的資料。
2.有輸出。它能夠訴你計算的結果。
3.有窮性。這裡的有窮不是數學上的有窮，每個演算法總是針對於特定應用的。如果對於這個應用來說，演算法太慢了也不行。比如，對乙個實時監控系統，我們希望檢測畫面內是否有運動目標。如果你的演算法過了一天才能計算出結果，那也不行。
4.每一步都是明確的。
5.每一步可實現。
那麼如何評價演算法呢？演算法是在電腦上算的，所以演算法好不好得電腦說了算。那無非就是兩種：算的快不快，占用的記憶體多不多。後一種很好理解，前一種就要費點腦筋了。我們不能簡單把程式搬到電腦上執行來比較快慢，因為各個電腦的差別是很明顯的：配置不同，新舊不同等等。我們通常採用數學的方法來估計執行演算法大約需要多少步驟。當你的演算法與問題規模的增長速度相同時，你的演算法複雜度就稱為o(n)。比如如果你的演算法中主要的工作是乙個for迴圈執行了n次;如果你的演算法中是兩個巢狀的for迴圈，那麼就是o(n^2)。這裡使用的是高等數學中無窮小的階數的概念，也不多說了。
其實，完整的評價乙個演算法考慮的因素很多，有的演算法很精細，但是執行速度慢，有的演算法計算效果一般，但是執行速度很快；還有的演算法，雖然又快又好，但是健壯性很差；甚至有些演算法很好，但是由於理論過於高深，在很長是一段時間內都沒有被大家接受。所以，咱們還是不要貿然評價別人的演算法了吧，時間會證明一切。
Swift資料結構引言
了解不同資料結構的優劣，對我們今後的程式設計工作將十分有幫助 至於有什麼幫助，可以自行，也可以翻書 作為這個系列的第一篇部落格，我們將重新複習一下swift中幾種內建的基本資料結構。通常情況下，從元素之間的關係上來講，我們習慣上將資料結構分為兩種基本型別 順序儲存資料結構和連式儲存資料結構。順序儲存...
資料結構和演算法
判斷乙個演算法的效率時，函式中的常數和其它次要項常常可以忽略，而更應該關注主項 最高項 的階數。演算法時間複雜度的定義 在進行演算法分析時，語句中的執行次數t n 是關於問題規模n的函式，進而分析t n 隨n的變化情況並確定t n 的數量級。演算法的時間複雜度，也就是演算法的時間量度，記作 t n ...
資料結構和演算法
程式是什麼？好多書上都寫著 程式 資料結構 演算法。可是怎麼去理解呢？好多程式設計人員對資料結構和演算法說不上熟悉，因為在他們所從事的工作中很少用到這些知識點。但並不表示他們不重要。還有一些人是這樣的想法 大公司才會注重這些知識點，小公司可能就不注重了。寫這篇文章之前我也是持這種想法的。但是，此時此...