数据结构学习的 5 个层次。
- 对数据结构与算法核心地位的充分理解与认同；
- 从软件视角对处理器、存储器、显示器等硬件资源的透彻理解；
- 通过编程以软件方式实现数据结构与算法的能力；
- 基于恰当的数据结构与算法设计并实现大型结构化组件及其之�通讯接口的能力；
- 运用软件工程原理与技术确保软件鲁棒性、可靠性及其面向特定目标受众的针对性的能力。
- 第 1 章（入门）
- 计算与算法的一般性概念；
- 确立时空复杂度的度量标准；
- 以递归为例介绍算法设计的一般模式；
- 第 2 章 —— 第 7 章（研读重点）
- 基础部分：序列、树、图、初级搜索树；
- 基本数据结构及其算法的实现和性能分析；
- 第 8 章 —— 第 10 章（关注计算效率）
- 进阶部分：高级搜索树、词典、优先级队列；
- 第 11 章 —— 第 12 章（优化及调校）
- 串排序、高级排序算法；
- 深入理解各类数据结构与算法在不同实际环境中适用性的微妙差异。
注重整体认识，着眼系统思维。
强化计算思维 (computational thinking)。
从 方法论 的角度掌握利用计算求解问题的一般规律和方法。
从 逻辑结构 的角度，将数据结构分为 3 个层次。
- 线性；
- 半线性；
- 非线性。
以遍历算法为线索，点明不同层次之间相互转换的技巧。
从 算法策略 的角度。
- 动态规划；
- 减而治之；
- 分而治之；
将人所擅长的概括化简思维方式与计算机强大的枚举迭代能力结合，高效求解实际应用问题。
从 数据元素 访问形式的角度。
- 循秩访问；
- 循位置访问；
- 循连接访问；
- 循关键码访问；
- 循值访问；
- 循优先级访问；
对各种数据结构进行归类，并指明它们之间的联系与区别。
代数判定树模型以及对应的下界。
如何针对具体计算模型确定特定问题的复杂度下界？
本科毕业生的要求：
- 计算机技术可以做什么？(possibilities)
- 如何做？
- 不能做什么？(limitations)
- 为什么不能做？
尊重认知规律，放眼拓展提升。
学有所乐，学有所获。
计算机科学有其独特的认知规律。
- 记忆 (remember)；
- 理解 (understand)；
- 应用 (apply)；
- 分析 (analyze)；
- 评估 (evaluate)；
- 创造 (create)。
学习方法。
- 插图：知识点具体化、形象化；
- 对比：认识更加全面而深刻；
- 应用：行胜于言；
- 分析与评估：掌握典型的分析技巧和方法论；
习题是强化和提升学习效果的必由之途，否则无异于 “入宝山而空返”。
该部分一共有 270 多道习题。
好的习题不限于对知识的重复堆砌，更多地侧重拓展与反思。
- 对数据结构接口的扩充；
- 对算法性能的改进；
- 通过查阅文献资料补充相关的知识点；
- 难度极大或过程繁琐的内容，以习题的形式进行一步探讨；
求知求真的过程中，质疑与批判是难能可贵的精神。
反诘与反思是创造创新的起点。
从吸收到反思，在某种意义上就是学习 (learning) 与反学习 (unlearning) 反复迭代、不断上升的过程。