這里，我們 來說一說C#的數據結構了。

①什么是數據結構。數據結構，字面意思就是研究數據的方法，就是研究數據如何在程序中組織的一種方法。數據結構就是相互之間存在一種或多種特定關系的數據元素的集合。 程序界有一點很經典的話，程序設計=數據結構+算法。用源代碼來體現，數據結構，就是編程。他有哪些具體的關系了，

(1) 集合(Set)：如圖 1.1(a)所示，該結構中的數據元素除了存在“同屬于一個集合”的關系外，不存在任何其它關系。 集合與數學的集合類似，有無序性，唯一性，確定性。

(2) 線性結構(Linear Structure)：如圖 1.1(b)所示，該結構中的數據元素存在著一對一的關系。我們.net程序員做的最多的工作就是對數據庫的表crud，二表的最小的數據單元是行。每行數據是最明顯的線性結構。 
(3) 樹形結構(Tree Structure)：如圖 1.1(c)所示，該結構中的數據元素存在著一對多的關系。現實中，家族關系中是最明顯的樹形結構。如圖所示

而對于我們.net程序員來說，操作的樹形控件是也是最明顯的樹形結構

(4) 圖狀結構(Graphic Structure)：如圖 1.1(d)所示，該結構中的數據元素存在著多對多的關系。在現實中，圖應用的太多了，如圖所示：

對于我們。net程序員應用的較少，當你用C++作一些底層應用，如搜索引擎，地圖導航應用的蠻多的。

以上是針對數據結構的介紹。

做過開發的人員都知道這個道理，算法與數據結構和程序的關系非常密切。 進行程序設計時，先確定相應的數據結構，然后再根據數據結構和問題的需要設計相應的算法。

②那什么是算法了？算法，就是計算的方法了，就是解決問題的方案，就是對某一特定類型的問題的求解步驟的一種描述， 是指令的有限序列。 用源代碼體現，算法就是編程的體現。一個算法應該具備以下 5個特性：

1、有窮性(Finity)：一個算法總是在執行有窮步之后結束，即算法的執行時間是有限的。我們初學.net時候，經常寫著死循環，這不是算法，因為這是無窮的。 
2、確定性(Unambiguousness)：算法的每一個步驟都必須有確切的含義，即無二義，并且對于相同的輸入只能有相同的輸出。對于我們.net程序員寫出二義性的源代碼，編譯器根本讓你通不過。 
3、輸入(Input)：一個算法具有零個或多個輸入。它即是在算法開始之前給出的數據結構這些輸入是某數據結構中的數據對象。編程是解決問題的，如果不能輸入的話，怎么解決問題了。 
4、 輸出(Output)：一個算法具有一個或多個輸出，并且這些輸出與輸入之間存在著某種特定的關系。 編程就是解決了生活中問題，你不讓用戶看到最后的結果，這就失去了編程的意義。
5、 能行性(realizability)：算法中的每一步都可以通過已經實現的基本運算的有限次運行來實現。這與有窮性息息相關。

那算法的評價標準又是什么了？

評價一個算法優劣的主要標準如下：1、 正確性(Correctness)。2、可讀性(Readability)3、健壯性(Robustness)。4、運行時間(Running Time)。5、占用空間(Storage Space)。

前3個性質，我們很好拿捏。與我們程序員息息相關的是運行時間與占用空間。然而，隨著硬件越來越便宜，面對占用空間，我們無非增加硬件。面對海量數據，我們尤為關心是運行時間(Running Time)。這此時的計算機的運行時間由以下因素決定：

1、硬件條件。包括所使用的處理器的類型和速度（比如，使用雙核處理器還是單核處理器） 、可使用的內存（緩存和 RAM）以及可使用的外存等。
2、實現算法所使用的計算機語言。實現算法的語言級別越高，其執行效率相對越低。
3、所使用的語言的編譯器/解釋器。一般而言，編譯的執行效率高于解釋，但解釋具有更大的靈活性。
4、所使用的操作系統軟件。操作系統的功能主要是管理計算機系統的軟件和硬件資源，為計算機用戶方便使用計算機提供一個接口。各種語言處理程序如編譯程序、解釋程序等和應用程序都在操作系統的控制下運行。

 評價運行時間就是一個算法時間復雜度，  一個算法的時間復雜度(Time Complexity)是指該算法的運行時間與問題規模的對應關系。

算法中的基本操作一般是指算法中最深層循環內的語句，因此，算法中基本操作語句的頻度是問題規模n的某個函數f(n)，記作：T(n)=O(f(n))。其中“O”表示隨問題規模n的增大，算法執行時間的增長率和f(n)的增長率相同，或者說，用“O”符號表示數量級的概念。  這些 都只是一些理論的概念，我們這里用計時器來證明這個理論概念。

如：

①x=n; /*n>1*/
y=0;
while(y < x)
{
y=y+1; ①
}

從理論上分析這是一重循環的程序，while 循環的循環次數為 n，所以，該程序段中語句①的頻度是 n，則程序段的時間復雜度是 T(n)=O（n） 。

從程序上驗證，當n=10時，運行結果如圖所示：

當n=100000時，運行結果如圖所示

由此證明，其中算法的時間復雜度確實是接近于O(n)

②

for(i=1；i<n；++i) {
for(j=0；j<n；++j)
{
A[i][j]=i*j; ①
}
}

理論上解釋為這是二重循環的程序，外層for循環的循環次數是n，內層for循環的循環次數為n，所以，該程序段中語句①的頻度為n*n，則程序段的時間復雜度
為T(n)=O（n²） 。

從程序上證明，當n=10,其運行效果如圖所示：

當n=100000,其運行效果如圖所示：

由此證明，其中算法的時間復雜度確實是接近于O(n²)

③x=n; /*n>1*/
y=0;
while(x >= (y+1)*(y+1))
{
y=y+1; ①
}

這是一重循環的程序，while 循環的循環次數為 n，所以，該程序段中語句①的頻度是 n，則程序段的時間復雜度是 T(n)=O（√n） 。

從程序證明：當n=10時，運行效果如圖所示：

當n=100000時，運行效果如圖所示：

由此證明，其中算法的時間復雜度確實是接近于O(√n)

本文一介紹了數據結構的基本概念 而介紹了算法的基本概念，并且重點討論了算法時間復雜度，并且用程序予以證明。