20172315 2018-2019-1 《程序設計與數據結構》第一週學習總結

20172315 2018-2019-1 《程序設計與數據結構》第一週學習總結

教材學習內容總結

第一章

• 正確性：軟件遵照其特定要求的程度。
• 可靠性：軟件故障的頻率和重要性。
• 健壯性：很好地處理錯誤狀況的程度。
• 可用性：用戶能夠輕鬆地在軟件中學習和執行任務。
• 可維護性：能夠輕鬆地對軟件進行更改。
• 可重用性：在開發其餘軟件系統時能夠輕鬆地重用軟件組件。
• 可移植性：軟件組件能夠輕鬆地在多個計算機環境中使用。
• 運行效率：軟件在不浪費資源的狀況下實現其目的的程度。

• 數據結構
  程序=數據結構+算法，軟件=程序+軟件工程
  數據結構：計算機存儲、組織數據的方式。

  第二章

• 算法效率
  算法效率一般用CPU的使用時間表示，算法分析是從效率的角度對算法進行分類
• 增加函數
  咱們但願最優化的值：時間複雜度-CPU的使用時間，空間複雜度-內存空間，
  一般關注的比較可能是CPU的使用時間
  增加函數表示問題大小（n）與但願優化的值之間的關係。
• 大O記法：經常使用大O表示法表示時間複雜性，注意它是某一個算法的時間複雜性。

• 時間複雜度的計算規則：加法準則，乘法準則，特例情形

教材學習中的問題和解決過程

• 問題1：不懂書上P6上的散列表（hash table）是什麼意思
• 問題1解決方案：查詢資料得知:哈希表（Hash table，也叫散列表），是根據關鍵碼值(Key value)而直接進行訪問的數據結構。也就是說，它經過把關鍵碼值映射到表中一個位置來訪問記錄，以加快查找的速度。這個映射函數叫作散列函數，存放記錄的數組叫作散列表。資料
• 問題2：空間複雜度與時間複雜度的區別

• 問題2解決方案：時間複雜度是同一問題可用不一樣算法解決，而一個算法的質量優劣將影響到算法乃至程序的效率。空間複雜度(Space Complexity)是對一個算法在運行過程當中臨時佔用存儲空間大小的量度，記作S(n)=O(f(n))。參考資料

  課後習題

• EX2.1 下列增加函數的階次是多少？
  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 請肯定下面代碼段的增加函數和階次

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

該循環外層循環n次，內層循環n/2次，由乘法準測可得增加函數爲：F(n)=(n^2)/2，即階次是O(n^2)。

• EX 2.5 請肯定下面代碼段的增加函數和階次

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

該循環外層循環n次，內層循環log2 n（2^x = n,x=log2 n),因此增加函數是nlog2n，階次是O(nlog2n)。

結對及互評

點評過的同窗博客和代碼

• 本週結對學習狀況
  • 20172318
  • 結對學習內容
    • 第一章
    • 第二章

學習進度條

	代碼行數（新增/累積）	博客量（新增/累積）	學習時間（新增/累積）	重要成長
目標	5000行	30篇	400小時
第一週	0/0	1/1	10/10

參考資料

• 資料

• 參考資料