1.1数据结构的组成
数据结构：通过研究、分析数据本身的特点，利用这些特点提高数据表示和处理的效率。
PS：信息的表示和组织形式直接影响到数据处理的效率！
1.2数据结构的发展概况及地位
1.4抽象数据类型(ADT)
数据模型+一组操作
数据结构+一组操作
一个数据类型的实现一般分为三个阶段：
1.ADT阶段，又称为定义阶段。
2.虚拟数据类型阶段，有称为表示阶段。
3.物理数据类型阶段，又称为物理实现阶段。
数据结构、抽象数据类型、数据类型、存储结构的关系？
1.5算法的基础知识
一、算法的定义及特性
算法是解决问题的一种方法，即它给出了求解问题的步骤描述。
1.算法的特性或要素：有穷性、确定性、可行性、输入(0或多个)和输出(至少一个)。
2.算法与数据类型的关系
3.算法与程序的区别
二、算法的描述
1.自然语言描述：容易，但有时啰嗦、有二义性。
2.图示：直观清晰，但不宜实现
3.算法语言：严谨、简洁，易用程序实现。
4.程序设计语言：可以直接运行，但太严格。
三、算法的评价标准
正确性、易读性、健壮性、效率(时间以及空间)
PS：多写注释四、算法分析
算法分析：估量一个算法效率的方法
1.算法分析的方法
先验估计(事前估计)：根据算法的逻辑特征(基本操作的次数)来估算。
优点：可比性强。
缺点：不精确，仅仅只是估计。
经验测试(事后计算)：选择样本数据、运行环境运行算法计算出空间、时间。
优点：精确。
缺点：可比性差，效率低，成本高。
2.算法分析的一般步骤
语句频度：算法中一个基本操作执行的次数
1.计算出算法的各个语句的频度
2.统计出算法的语句频度和T(n) //n是问题的规模
3.给出T(n)的大O表示法 称算法的时间复杂度 T(n)=O(f(n))
3.最好时间复杂性、最坏时间复杂性、平均时间复杂性
对于有些算法，问题规模形同，如果输入集不同，其效率不同
4.O表示的含义——渐进算法分析
5.常见时间复杂度
O(1) O(log(2)n) O(n) O(nlog2n) O(n*n) O(n*n*n) O(2(n))
时间复杂度增大
6.渐进复杂性分析的重要性
计算机本身性能的提高不能带来求解问题规模的增益
复习小结
1.抽象数据类型的概念:
2.抽象数据类型的定义：
3.抽象数据类型的实现阶段：
4.算法的概念：
5.算法的特性
6.算法的评价
7.算法分析