数据结构是计算机科学中至关重要的基础课程，主要探讨如何有效地组织和存储数据，以便高效地进行访问和操作。《清华大学严蔚敏数据结构》课件是深入学习这一领域的宝贵资源，由知名计算机科学家严蔚敏教授编著。课程涵盖了数据结构的基本概念、抽象数据类型及其实现、算法设计与分析等多个方面。
1.1 什么是数据结构
数据结构是研究数据的逻辑结构、物理结构及其相互关系的学科。在实际应用中，如电话号码查询系统，数据结构的选择直接影响到解决问题的算法设计和执行效率。例如，电话簿中的名字和电话号码可以用二维数组、表结构或向量等不同的数据结构来表示，每种结构都有其特点，适用于不同的查询和操作场景。
1.2 基本概念和术语
- 数据(Data)：是信息的符号表示，是计算机程序处理的对象。
- 数据元素(Data Element)：数据的基本单位，可以作为一个整体处理。
- 数据项(Data Item)：数据的不可分割的最小单位。
- 数据对象(Data Object)：性质相同的数据元素集合。
- 数据结构(Data Structure)：是数据元素间存在特定关系的集合，包括逻辑结构和物理结构。逻辑结构主要有集合、线性结构、树型结构和图状结构。
数据结构的逻辑结构描述了数据元素之间的关系，而物理结构则关注数据在内存中的存储方式。数据结构的形式定义是一个二元组，如复数数据结构定义为一个包含复数实部和虚部的集合，以及定义在这个集合上的关系。
1.3 抽象数据类型与实现
抽象数据类型(ADT)是逻辑上的数据结构，不涉及具体实现细节，只描述数据的操作和属性。实现是将ADT转化为具体的编程语言代码，如链表、数组等。
1.4 算法与算法分析
- 算法：是解决问题或完成特定任务的精确步骤序列。
- 算法设计要求：清晰性、正确性、可行性、效率和健壮性。
- 算法效率的度量：通常用时间复杂度和空间复杂度来衡量。
- 算法的存储空间需求：除了计算资源，还需要考虑算法运行时所需的内存空间。
通过学习严蔚敏教授的数据结构课程，学生可以掌握如何选择合适的数据结构来解决各种问题，设计高效的算法，以及理解数据结构在计算机内存中的实现方式，这些都是软件开发中不可或缺的基础技能。对于计算机专业的学生和从业人员来说，这门课程的内容深入且实用，有助于提升编程能力和解决实际问题的能力。
