1.什么是数据结构：
用于存储和组织数据的。
2.数据结构的分类：逻辑结构和物理结构。
逻辑结构：结构元素之间关系。
物理结构：计算机中的存储方式。
逻辑结构有四种：集合结构（元素之间属于同一个集合），线性结构（元素之间一对一的关系），树形结构（元素之间一对多的关系），图形结构（元素之间多对多的关系）。
物理结构：按照计算机上的真正的存储结构。顺序存储结构（数组），链式存储结构。
顺序存储结构：数据单元所占用的内存是连续的，具有索引，插入效率低（引入链式存储结构）。
链式存储结构：数据单元所占用的内存可连续，可不连续。数据单元之间应用指针进行指向，查找效率低，但插入效率高。
3.什么是算法：根据一定的条件，对某一些数据进行计算，得到需要的结果。
设计要求：花最少的时间完成需求，占用最少的内存空间。
例如：计算n!，可以应用递归的方式进行计算，但是调用函数时会占用栈中开辟的内存，执行n次，会占用n块内存，占用内存空间大。
4.时间复杂度分析：（程序的运行时间），事前分析法，事后分析法。
事后分析法：程序运行前记时，程序运行后记时。该方法受处理器影响大，且后天测试过程中若发现该程序运行时间过久，则代码浪费。
事后分析法：取决于：
*算法采用的策略和方法（A方案，B方案）
*编译产生的代码质量（编译器人为无法更改）
*问题的输入规模（输入大小人为可控）
*机器执行指令的速度（硬件）
分析算法复杂度时，为了让算法分析更具有调理，忽略条件语句，只关心核心操作次数f(n)和输入规模（n）之间的关系。
5.函数渐进增大：给定f(n),g(n),存在N，对于所有n＞N，f(n)总是大于g(n),则称f(n)的增长渐进快于g(n).（影响算法增长速率的因素）
1.随着输入规模的增大，算法的常数操作可以忽略不记。
2.随着输入规模的增大，最高次幂的常数因子可以忽略不记。
3.随着最高次幂的降低，输入规模增大，算法效率越高。
时间复杂度表示方法：大O法，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。
T(n)＝o(f(n))
推导大O阶法规则：
*用常数一代替运行时间中的所有加法常数。
*修改后的运行次数中，只保留高阶项。
*如果最高阶项存在且常数因子不为一，则去除与这个项目相关的常数。
常见的大O阶有：
线性阶（随着输入规模n时间复杂度呈线性变化），平方阶，立方阶，对数阶，常数阶。
函数调用时间复杂度分析，且需要考虑最坏的情况。
6.空间复杂度分析：计算机被访问的方式是一次一个字节（8位）。
S(n)＝O(f(n))