一、 什么是数据结构？

数据结构就是计算机存储、组织数据的方式。它指的是相互之间存在一种或多种特定关系的数据元素的集合。简单的说，数据结构阐述的就是数据与数据之间的关系。

在编写程序时，我们需要将大量同类型的数据组织在一起。如果手动定义大量独立的变量，不仅可读性极差，还容易导致数据丢失或操作困难。借助数组、链表等数据结构，我们可以高效地将数据管理起来，并对其进行任意的增删改查操作。

从本质上讲，一个完整的数据结构包含三个核心部分：

1. 逻辑结构：反映数据元素之间的存在逻辑关系（如一对一、一对多、多对多），它是独立于计算机的抽象数学模型。

2. 物理结构（存储结构）：是逻辑结构在计算机内存中的实际映射。常见的有顺序存储（如数组）和链式存储（如指针连接）。

3. 数据的运算：定义在该数据结构上的一组基本操作（如初始化、插入、删除、遍历等）。

 二、 数据的四大逻辑结构

根据数据元素之间逻辑关系的不同，我们可以将数据结构分为四种基本类型：

1.集合结构：元素之间除了同属于一个集合外，没有任何其他关系。

线性结构：元素之间存在“一对一”的先后关系。例如排队、通讯录等，每个节点最多有一个前驱和一个后继。

2.树形结构：元素之间存在“一对多”的层次关系。就像电脑里的文件夹目录或是家族族谱，具有明显的层级特征。

3.图形（网状）结构：元素之间存在“多对多”的任意关系。这是最复杂的结构，常用于描述社交网络、交通路线规划等问题。

 三、 什么是算法及其评价标准

如果说数据结构是存放数据的容器，那么算法就是解决问题的具体步骤。算法是一个定义良好的计算过程，它接收输入，经过一系列明确的计算步骤，最终产生输出结果。

如何衡量一个算法的好坏呢？除了需要具备正确性、可读性和健壮性（即面对非法输入时不会崩溃）之外，最核心的指标是它的执行效率。这通常通过两个维度来度量：

时间复杂度：衡量算法运行的快慢。随着问题规模 $n$ 的增大，算法执行时间的增长率通常用大O渐近表示法来描述。

空间复杂度：衡量算法运行过程中额外占用的内存空间。在现代计算机内存充裕的背景下，我们通常更关注时间复杂度。