关于java:为什么要学习数据结构和算法你了解数据结构和算法吗

前言

为什么要学习数据结构和算法，这里我举个简略的例子。

编程好比是一辆汽车，而数据结构和算法是汽车外部的变速箱。一个开车的人不懂变速箱的原理也是能开车的，同理一个不懂数据结构和算法的人也能编程。然而如果一个开车的人懂变速箱的原理，比方升高速度来取得更大的牵引力，或者通过升高牵引力来取得更快的行驶速度。那么爬坡时应用 1 档，便能够取得更大的牵引力；下坡时便应用低档限度车的行驶速度。

回到编程而言，比方将一个班级的学生名字要长期存储在内存中，你会抉择什么数据结构来存储，数组还是 ArrayList，或者 HashSet，或者别的数据结构。如果不懂数据结构的，可能轻易抉择一个容器来存储，也能实现所有的性能，然而前期如果随着学生数据量的增多，轻易抉择的数据结构必定会存在性能问题，而一个懂数据结构和算法的人，在理论编程中会抉择适当的数据结构来解决相应的问题，会极大的进步程序的性能。

数据结构

数据结构是计算机存储、组织数据的形式，指相互之间存在一种或多种特定关系的数据元素的汇合。

通常状况下，精心抉择的数据结构能够带来更高的运行或者存储效率。数据结构往往同高效的检索算法和索引技术无关。

1、数据结构的基本功能

• 如何插入一条新的数据项
• 如何寻找某一特定的数据项
• 如何删除某一特定的数据项
• 如何迭代的拜访各个数据项，以便进行显示或其余操作

2、罕用的数据结构

这几种构造优缺点如下：先有个大略印象，前面会具体解说！！！

对于数组，你们所说的查找快，我想只是随机查找快，因为晓得数组下标，能够按索引获取任意值。然而你要查找某个特定值，对于无序数组，还是须要遍历整个数组，那么查找效率是 O（n），效率是很低的（有序数组依照二分查找算法还是很快的）。

插入快，是在数组尾部进行插入，获取到数组的最初一个索引下标，加 1 进行赋值就能够了。

删除慢，除开尾部删除，在任意两头或者后面删除，前面的元素都要整体进行平移的，所以也是比较慢的。

综上所述：对于数组，随机查找快，数组尾部增删快，其余的操作效率都是很低的。

算法

算法简略来说就是解决问题的步骤。

在 Java 中，算法通常都是由类的办法来实现的。后面的数据结构，比方链表为啥插入、删除快，而查找慢，均衡的二叉树插入、删除、查找都快，这都是实现这些数据结构的算法所造成的。前面咱们讲的各种排序实现也是算法领域的重要畛域。

1、算法的五个特色

• 有穷性：对于任意一组非法输出值，在执行又穷步骤之后肯定能完结，即：算法中的每个步骤都能在无限工夫内实现。
• 确定性：在每种状况下所应执行的操作，在算法中都有确切的规定，使算法的执行者或阅读者都能明确其含意及如何执行。并且在任何条件下，算法都只有一条执行门路。
• 可行性：算法中的所有操作都必须足够根本，都能够通过曾经实现的基本操作运算无限次实现之。
• 有输出：作为算法加工对象的量值，通常体现在算法当中的一组变量。有些输入量须要在算法执行的过程中输出，而有的算法外表上能够没有输出，实际上已被嵌入算法之中。
• 有输入：它是一组与“输出”有确定关系的量值，是算法进行信息加工后失去的后果，这种确定关系即为算法性能。

2、算法的设计准则

• 正确性：首先，算法该当满足以特定的“规定阐明”形式给出的需要。其次，对算法是否“正确”的了解能够有以下四个档次：

1. 程序语法错误。
2. 程序对于几组输出数据可能得出满足需要的后果。
3. 程序对于精心抉择的、典型、刻薄切带有刁难性的几组输出数据可能得出满足要求的后果。
4. 程序对于所有非法的输出数据都能失去满足要求的后果。

PS：通常以第 三 层意义的正确性作为掂量一个算法是否合格的规范。

• 可读性：算法为了人的浏览与交换，其次才是计算机执行。因而算法应该易于人的了解；另一方面，艰涩难懂的程序易于暗藏较多的谬误而难以调试。
• 健壮性：当输出的数据非法时，算法该当失当的做出反馈或进行相应解决，而不是产生莫名其妙的输入后果。并且，解决出错的办法不应是中断程序执行，而是该当返回一个示意谬误或谬误性质的值，以便在更高的抽象层次上进行解决。
• 高效率与低存储量需要：通常算法效率值得是算法执行工夫；存储量是指算法执行过程中所须要的最大存储空间，两者都与问题的规模无关。

后面三点 正确性，可读性和健壮性置信都好了解。对于第四点算法的执行效率和存储量，咱们晓得比拟算法的时候，可能会说“A 算法比 B 算法快两倍”之类的话，但实际上这种说法没有任何意义。因为当数据项个数发生变化时，A 算法和 B 算法的效率比例也会发生变化，比方数据项减少了 50%，可能 A 算法比 B 算法快三倍，然而如果数据项缩小了 50%，可能 A 算法和 B 算法速度一样。

所以形容算法的速度必须要和数据项的个数分割起来。也就是“大 O”表示法，它是一种算法复杂度的绝对示意形式，这里我简略介绍一下，前面会依据具体的算法来形容。

绝对(relative)：你只能比拟雷同的事物。你不能把一个做算数乘法的算法和排序整数列表的算法进行比拟。然而，比拟 2 个算法所做的算术操作（一个做乘法，一个做加法）将会通知你一些有意义的货色；

示意 (representation)：大 O(用它最简略的模式) 把算法间的比拟简化为了一个繁多变量。这个变量的抉择基于察看或假如。

例如，排序算法之间的比照通常是基于比拟操作(比拟 2 个结点来决定这 2 个结点的绝对程序)。这外面就假如了比拟操作的计算开销很大。然而，如果比拟操作的计算开销不大，而替换操作的计算开销很大，又会怎么样呢？这就扭转了先前的比拟形式；

复杂度(complexity)：如果排序 10,000 个元素破费了我 1 秒，那么排序 1 百万个元素会花多少工夫？在这个例子里，复杂度就是绝对其余货色的度量后果。

而后咱们在说说算法的存储量，包含：

程序自身所占空间；

输出数据所占空间；

辅助变量所占空间；

一个算法的效率越高越好，而存储量是越低越好。

总结

本篇文章咱们简略的介绍了数据结构和算法的概念，算法是解决问题的步骤，而数据结构的实现离不开算法，可能了解起来比拟含糊，不必放心，前面咱们会在具体的数据结构和算法实现过程中具体解说。

写在最初

欢送大家关注我的公众号【惊涛骇浪如码】，海量 Java 相干文章，学习材料都会在外面更新，整顿的材料也会放在外面。

感觉写的还不错的就点个赞，加个关注呗！点关注，不迷路，继续更新！！！