软考中级数据结构与算法基础 「算法」就是解决问题的方法或者过程。如果我们把问题看成是函数，那么算法就是将输入转换为输出的过程。「数据结构」是数据的计算机表示和相应的一组操作。「程序」则是算法和数据结构的具体实现。
如果我们把「程序设计」比作是做菜的话，那么「数据结构」就是食材和调料，「算法」则是不同的烹饪方式，或者可以看作是菜谱。不同的食材和调料，不同的烹饪方式，有着不同的排列组合。同样的东西，由不同的人做出来，味道自然也是千差万别。
至于为什么要学习算法和数据结构？
还是拿做菜举例子。我们做菜，讲究的是「色香味俱全」。程序设计也是如此，对于待解决的问题，我们追求的是：选择更加合适的「数据结构」，使用花费时间更少、占用空间更小的「算法」。
我们学习算法和数据结构，是为了学会在编程中从时间复杂度、空间复杂度方面考虑解决方案，训练自己的逻辑思维，从而写出高质量的代码，以此提升自己的编程技能，获取更高的工作回报。
当然，这就像是做菜，掌握了食材和调料，学会了烹饪方式，并不意味着你就会做出一盘很好吃的炒菜。同样，掌握了算法和数据结构并不意味着你就会写程序。
1 什么是数据结构？
数据结构是数据的组织、管理和存储格式，其使用目的是为了高效的访问和修改数据。
数据结构是算法的基石。如果把算法比喻成美丽灵动的舞者，那么数据结构就是舞者脚下广阔而坚实的舞台。
2 物理结构和逻辑结构的区别？
物理结构就像人的血肉和骨骼，看得见，摸得着，实实在在，如数组、链表。
逻辑结构就像人的思想和精神，它们看不见、摸不着，如队列、栈、树、图。
3 线性存储结构和非线性存储结构的区别？
- 线性：元素之间的关系是一对一的，如栈、队列。
- 非线性：每个元素可能连接0或多个元素，如树、图。
算法基础
1 什么是算法？
- 数学：算法是用于解决某一类问题的公式和思想。
- 计算机：一系列程序指令，用于解决特定的运算和逻辑问题。
2 如何衡量算法好坏？
- 时间复杂度：运行时间长短。
- 空间复杂度：占用内存大小。
3 怎么计算时间复杂度？
大O表示法（渐进时间复杂度）：把程序的相对执行时间函数T(n)简化为一个数量级，这个数量级可以是n、n^2、logN等。
推导时间复杂度的几个原则：
- 如果运行时间是常数量级，则用常数1表示。
- 只保留时间函数中的最高阶项。
- 如果最高阶项存在，则省去最高项前面的系数。
时间复杂度对比：O(1) > O(logn) > O(n) > O(nlogn) > O(n^2)。
