20172315 2018-2019-1 《程序设计与数据结构》第一周学习总结

教材学习内容总结

第一章

• 正确性：软件遵守其特定要求的程度。
• 可靠性：软件故障的频率和重要性。
• 健壮性：很好地处理错误情况的程度。
• 可用性：用户可以轻松地在软件中学习和执行任务。
• 可维护性：可以轻松地对软件进行更改。
• 可重用性：在开发其他软件系统时可以轻松地重用软件组件。
• 可移植性：软件组件可以轻松地在多个计算机环境中使用。
• 运行效率：软件在不浪费资源的情况下实现其目的的程度。
• 数据结构

  程序=数据结构+算法，软件=程序+软件工程

  数据结构：计算机存储、组织数据的方式。

  第二章

• 算法效率

  算法效率通常用CPU的使用时间表示，算法分析是从效率的角度对算法进行分类

• 增长函数

  我们希望最优化的值：时间复杂度-CPU的使用时间，空间复杂度-内存空间，

  通常关注的比较多是CPU的使用时间

  增长函数表示问题大小（n）与希望优化的值之间的关系。

• 大O记法：常用大O表示法表示时间复杂性，注意它是某一个算法的时间复杂性。
• 时间复杂度的计算规则：加法准则，乘法准则，特例情形

教材学习中的问题和解决过程

• 问题1：不懂书上P6上的散列表（hash table）是什么意思
• 问题1解决方案：查询资料得知:哈希表（Hash table，也叫散列表），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。资料
• 问题2：空间复杂度与时间复杂度的区别
• 问题2解决方案：时间复杂度是同一问题可用不同算法解决，而一个算法的质量优劣将影响到算法乃至程序的效率。空间复杂度(Space Complexity)是对一个算法在运行过程中临时占用存储空间大小的量度，记做S(n)=O(f(n))。参考资料
  

  课后习题

• EX2.1 下列增长函数的阶次是多少？

  a.10n^2+100n+1000

  n的平方

  b.10n^3-7

  n的立方

  c.2^n+100n^3

  2的n次方

  d.n^2 ·log(n)

  n方乘以log（n）

• EX2.4 请确定下面代码段的增长函数和阶次

for(int count = 0 ; count < n ; count++)
    for(int count2 = 0 ; count2 < n ; count2 = count2 + 2)
        {
            System.out.println(count,count2);
        }
}

该循环外层循环n次，内层循环n/2次，由乘法准测可得增长函数为：F(n)=(n^2)/2，即阶次是O(n^2)。

• EX 2.5 请确定下面代码段的增长函数和阶次

for(int count = 0 ; count < n ; count++)
    for(int count2 = 1 ; count2 < n ; count2 = count2 * 2)
        {
            System.out.println(count,count2);
        }
}

该循环外层循环n次，内层循环log2 n（2^x = n,x=log2 n),所以增长函数是nlog2n，阶次是O(nlog2n)。

学习进度条

参考资料

• 资料
• 参考资料

原文地址：https://www.cnblogs.com/huzhitao/p/9614974.html