下载文档原格式
数据结构在生物信息学中的应用生物信息学是一门将生物学与信息科学相结合的学科，其研究内容主要包括基因组学、蛋白质组学、生物网络和生物序列分析等等。
在生物信息学的研究过程中，数据结构起到了重要的作用。
本文将介绍数据结构在生物信息学中的应用，并分析其对生物信息学研究的影响和意义。
一、哈希表哈希表是一种高效的数据结构，能够快速地进行元素的查找和插入。
在生物信息学中，哈希表常常被用于存储和查找生物序列的信息。
例如，在基因组学研究中，我们可以使用哈希表存储基因序列的信息，并通过哈希函数将基因序列快速映射到哈希表中的位置，从而实现对基因序列的快速查找。
二、树树是一种重要的数据结构，在生物信息学中有广泛的应用。
例如，在蛋白质结构预测中，我们常常使用二叉树来表示蛋白质的结构。
通过将蛋白质的氨基酸序列作为树的节点，并将蛋白质之间的相互作用关系作为树的边，我们可以通过遍历树的方式来预测蛋白质的结构。
另外，在构建生物网络的过程中，我们也常常使用树这种数据结构来表示生物之间的关系。
三、图图是生物信息学中常用的数据结构之一，可以用于表示和分析生物网络。
生物网络是一种复杂的网络结构，可以用图来表示。
例如，在基因调控网络研究中，我们可以使用图来表示基因之间的调控关系。
图的节点表示基因，边表示基因之间的调控关系，通过对图的分析，我们可以了解基因之间的调控机制，找到相关的生物信息。
四、队列和栈队列和栈是两种重要的线性数据结构，在生物信息学中也得到了广泛的应用。
例如，在基因序列比对的过程中，我们可以使用队列来存储待比对的序列，通过出队和入队的操作来进行序列的比对。
另外，在生物序列分析中，我们也常常使用栈来实现基因序列的反转和互补操作。
综上所述，数据结构在生物信息学中扮演着重要的角色。
哈希表的高效查找和插入操作、树的递归遍历操作、图的关系分析以及队列和栈等线性数据结构的应用，都为生物信息学的研究提供了强大的工具和方法。
数据结构的合理选择和应用，对于生物信息学研究的进展具有不可替代的意义。
数据结构学习心得(精选5篇)数据结构学习心得篇1标题：深入理解数据结构：一次学习心得的旅程在我作为一名软件开发工程师的职业生涯中，我遇到了各种各样的数据结构问题，从基础的线性表到复杂的图和树结构。
这个过程充满了挑战和收获，让我更深入地理解了数据结构的魅力和威力。
最初接触数据结构时，我对其强大的组织能力和如何解决复杂问题的影响力感到惊讶。
我明白了，数据结构不仅仅是编程中的一个概念，而是我们如何理解和处理数据的底层逻辑。
学习数据结构的过程是一个充满疑问、思考和探索的过程，我从中收获了宝贵的学习方法。
学习数据结构的过程并非一帆风顺。
我曾遇到许多问题，如对基本数据结构的理解不深刻，对算法复杂度的分析不准确，以及对实际应用场景的混淆。
这些问题让我意识到，理解数据结构需要扎实的基础知识，同时也需要大量的实践和反思。
学习数据结构也让我认识到团队合作的重要性。
当我与他人合作时，我学会了如何有效地分享知识，如何清晰地表达自己的观点，以及如何与团队成员共同解决问题。
这些技能对我个人的职业发展产生了深远影响。
通过学习数据结构，我也发现了一些乐趣。
例如，通过分析数据结构，我发现了图和树结构在游戏设计中的广泛应用，如游戏AI、经济模型和决策树等。
此外，我还学会了如何使用数据结构来解决实际问题，如优化搜索、处理大数据等。
总的来说，学习数据结构的过程对我来说是一次充满挑战和收获的旅程。
我不仅学会了如何理解、设计和应用数据结构，还学会了如何与他人协作，以及如何将数据结构应用到实际问题的解决中。
这些经验将对我未来的职业生涯产生深远影响，并帮助我更好地理解和应用数据结构。
数据结构学习心得篇2数据结构学习心得自从我接触数据结构以来，我一直试图理解这些算法如何运作，以及它们在实际应用中的用法。
以下是我对数据结构学习的几点心得。
1.理解基础：数据结构的核心在于理解基本概念。
我花了大量时间去理解节点、链表、队列、栈、图和树等基本概念，以及它们的工作原理。
数据结构在现实生活中的应用数据结构在现实生活中的应用⒈序言本文档旨在介绍数据结构在现实生活中的应用。
数据结构是计算机科学中非常重要的概念之一，它提供了存储和组织数据的方式和方法。
虽然数据结构通常与计算机程序相关联，但它们也在我们的日常生活中起到重要作用。
⒉数组(Array)的应用⑴数据存储：数组被广泛用于存储和管理数据。
例如，我们可以使用数组来存储学生的成绩、员工的工资等信息。
⑵图像处理：图像可以由像素数组组成。
通过操作数组中的元素，我们可以对图像进行处理，例如修改亮度、调整对比度等。
⑶数学模型：数组可以用于表示和处理数学模型。
例如，我们可以使用数组来存储和计算矩阵。
⒊链表(Linked List)的应用⑴链表结构：链表结构在许多现实生活中的情况下很有用。
例如，我们可以使用链表来表示地铁线路，每个节点表示一个站点，节点之间的表示站点之间的连接。
⑵数据处理：链表可以用于处理大量的数据。
它们允许动态的插入和删除操作，这在某些情况下是很有用的。
例如，在社交网络中，我们可以使用链表来存储和管理用户之间的关系。
⒋栈(Stack)和队列(Queue)的应用⑴符号匹配：使用栈可以判断括号是否匹配。
在编译器和解释器中，栈被广泛用于处理符号匹配问题。
⑵计算表达式：栈可以用于计算中缀表达式和后缀表达式。
它们还可以用于实现逆波兰表达式和算术表达式的求值。
⑶进程调度：队列可以用于进程调度。
操作系统使用队列来管理进程，并按照一定的策略对它们进行分配和执行。
⒌树(Tree)的应用⑴文件系统：文件系统通常使用树的结构来组织和管理文件和目录。
每个节点表示一个文件或目录，节点之间的表示它们之间的层次关系。
⑵数据搜索：二叉搜索树是一种常用的数据结构，用于高效地搜索和插入数据。
它们广泛用于数据库和搜索引擎中。
⑶组织结构：树可以用于表示组织结构。
例如，一家公司的组织架构可以被表示为一个树，根节点表示公司，子节点表示部门和员工。
⒍图(Graph)的应用⑴网络路由：图可以用于网络路由算法。
数据结构学院：班级：学号：姓名：一、摘要数据结构是计算机专业最基础也是最重要的学科之一。
它和程序设计一起未计算科学其他后继课程的学习奠定了基础。
在计算机广泛普及的今天，其应用几乎涵盖了人类社会的所有领域，而且在航空航天、军事、科学计算、信息检索、生产线控制等一些关键领域已经高度依赖计算机系统，而数据结构在其中起着无可替代的应用。
其实生活中也有好多应用数据结构的小事，只要留心观察，它无处不在。
例如：我们的家族图谱，遗传病图谱，公司成员职位一览表都应用到了数据结构中的树；还有我们小的时候玩的丢手绢游戏其实也用到了数据结构中的循环列表，而且在换人时用到了循环列表的插入和删除。
所以说，数据结构与我们的生活息息相关，学习和掌握好数据结构对我们处理日常生活中遇到的问题一定会有很大的帮助。
关键字数据结构，计算机专业，学科，应用,逻辑结构,存储结构,算法优化。
二、什么是数据结构数据结构在计算机科学界至今没有标准的定义。
个人根据各自的理解的不同而有不同的表述方法：Satartia Sahibah在他的《数据结构、算法与应用》一书中称：“数据结构是数据对象，以及存在于该对象的实例和组成实例的数据元素之间的各种联系。
这些联系可以通过定义相关的函数来给出。
”他将数据对象（data object）定义为“一个数据对象是实例或值的集合”。
Clifford A.Shaffer在《数据结构与算法分析》一书中的定义是：“数据结构是ADT（抽象数据类型Abstract Data Type）的物理实现。
”Robert L.Ruse在《数据结构与程序设计》一书中，将一个数据结构的设计过程分成抽象层、数据结构层和实现层。
其中，抽象层是指抽象数据类型层，它讨论数据的逻辑结构及其运算，数据结构层和实现层讨论一个数据结构的表示和在计算机内的存储细节以及运算的实现。
数据结构具体指同一类数据元素中，各元素之间的相互关系，包括三个组成成分，数据的逻辑结构，数据的存储结构和数据运算结构。
数据结构——数据结构在生活中的应用专业：学号：姓名：数据结构在生活中的应用数据结构是计算机存储、组织数据的方式。
数据结构是指相互之间存在一种或多种特定关系的数据元素的集合。
通常情况下，精心选择的数据结构可以带来更高的运行或者存储效率。
数据结构往往同高效的检索算法和索引技术有关。
数据结构是指同一数据元素类中各数据元素之间存在的关系。
数据结构分别为逻辑结构、存储结构（物理结构）和数据的运算。
数据结构包括的主要内容有数组(Array) 栈(Stack) 队列(Queue) 链表(Linked List)树(Tree) 图(Graph) 堆(Heap) 散列表(Hash)等。
数据结构在生活中的很多地方又有应用，在我们的日常生活中，应用到数据结构的地方有很多地方，实例到处都是，比如说，做搜索引擎，对字符串的各种查找、索引的算法就有很高要求；做人工智能，对模式识别、搜索的要求就很高；做数据库设计，对字典、内外排序、搜索与索引以及数据的连接方式都有很高要求；做通讯密码，对数论、Fourier分析有要求；等等。
具体内容的应用也有很多，例如：抽象数据类型可以使我们更容易描述现实世界。
例：用线性表描述学生成绩表，用树或图描述遗传关系等;。
栈是数据结构中重要的线性结构，是一种特殊的线性表，只允许在表的一端进行插入或删除操作的线性表。
表中允许进行插入、删除操作的一端称为栈顶，另一端称为栈底。
栈项的当前位置是动态的，对栈顶当前位置的标记称为栈项指针。
当栈中没有数据元素时，称为空栈。
栈的插入操作称为进栈或入栈，栈的删除操作称为退栈或出栈。
栈的应用非常广泛，在日常生活中，有许多类似栈的例子，如刷洗盘子时，依次把每个洗净的盘子放到洗好的盘子上。
相当于进栈；取用盘子时，从一摞盘子上一个接一个地向下拿，相当于出栈。
在计算机中进行算术表达式的计算是通过栈来实现的。
除此之外，栈还在游戏中应用到，例如迷宫问题。
队列（Queue）是运算受到限制的一种线性表。
数据结构与算法的实际应用场景引言：数据结构与算法是计算机科学中的重要基础，它们的实际应用场景涵盖了各个领域。
在本文中，我们将探讨一些数据结构与算法的实际应用场景，并了解它们在现实世界中的作用。
一、图的最短路径算法在交通规划中的应用图是一种常用的数据结构，它由节点和边组成。
图的最短路径算法可以帮助我们找到两个节点之间的最短路径。
在交通规划中，我们可以将城市看作节点，道路看作边，利用最短路径算法来确定最佳的行车路线。
这不仅可以提高交通效率，还可以减少交通拥堵和节约时间。
二、哈希表在数据库中的应用哈希表是一种高效的数据结构，它可以将键映射到值。
在数据库中，哈希表被广泛应用于索引的构建。
通过将数据的关键字段作为键，将数据的位置作为值，数据库可以快速地定位和检索数据。
这大大提高了数据库的查询效率，并且可以处理大规模的数据。
三、树的遍历算法在文件系统中的应用树是一种常用的数据结构，它由节点和分支组成。
树的遍历算法可以帮助我们访问树中的每个节点。
在文件系统中，文件和文件夹可以被组织成一棵树。
通过使用树的遍历算法，我们可以快速地遍历文件系统中的所有文件和文件夹，实现文件的查找和管理。
四、排序算法在搜索引擎中的应用排序算法是一种将数据按照一定规则进行排序的算法。
在搜索引擎中，排序算法被广泛应用于搜索结果的排序。
通过对搜索结果进行排序，搜索引擎可以根据相关性和权重来展示最相关的结果。
这样，用户可以更快地找到他们需要的信息。
五、动态规划算法在金融领域中的应用动态规划是一种通过将问题分解成子问题并存储子问题的解来解决复杂问题的算法。
在金融领域中，动态规划算法被广泛应用于投资组合优化和风险管理。
通过使用动态规划算法，金融机构可以制定最佳的投资策略，并管理风险。
六、图像处理中的图算法应用图算法是一种用于处理图像的算法。
在图像处理中，图算法可以用于图像分割、图像识别和图像压缩等方面。
通过使用图算法，我们可以提取图像中的特征，识别图像中的物体，并压缩图像的大小。
数据结构的重要性及应用数据结构是计算机科学中非常重要的概念，它是指数据元素之间的关系，以及数据元素本身的存储结构。
在计算机科学中，数据结构是指数据的组织、管理和存储方式，是计算机存储、组织数据的基础。
数据结构的设计直接影响到算法的效率，因此对于计算机科学专业的学生来说，深入理解数据结构的原理和应用是至关重要的。
首先，数据结构的重要性体现在以下几个方面：1. 提高算法效率：数据结构的设计直接影响到算法的效率。
合适的数据结构可以使算法更加高效，降低时间复杂度和空间复杂度，提高程序的执行效率。
比如，使用合适的数据结构可以在海量数据中快速查找目标数据，提高搜索的效率。
2. 提高程序的可读性和可维护性：良好的数据结构设计可以使程序的逻辑结构更加清晰，代码更加易读易懂。
合理的数据结构设计可以降低程序的复杂度，减少代码的冗余，提高程序的可维护性。
3. 促进代码的复用：合适的数据结构设计可以使代码更具通用性，提高代码的复用率。
通过封装数据结构和算法，可以实现代码的模块化设计，方便在不同的项目中重复使用。
4. 支持更复杂的应用场景：数据结构的设计可以支持更复杂的应用场景。
不同的数据结构适用于不同的问题，通过合理选择和组合数据结构，可以解决各种复杂的计算问题，实现更多样化的功能。
其次，数据结构在实际应用中有着广泛的应用：1. 数组（Array）：数组是最基本的数据结构之一，它可以存储相同类型的数据元素，并通过下标来访问元素。
数组在存储和访问数据时具有较高的效率，常用于存储静态数据和实现简单的数据结构。
2. 链表（Linked List）：链表是一种动态数据结构，它通过指针将数据元素连接起来。
链表可以实现高效的插入和删除操作，常用于实现队列、栈等数据结构。
3. 栈（Stack）和队列（Queue）：栈和队列是两种常用的数据结构，它们分别遵循“先进后出”和“先进先出”的原则。
栈和队列在计算机科学中有着广泛的应用，比如实现函数调用、表达式求值等。
数据结构在现实生活中的应用数据结构在现实生活中的应用1. 概述数据结构是一种用于组织和管理数据的方法，它能够提供有效的存储和访问数据的方式。
在现实生活中，数据结构被广泛应用于各个领域，包括计算机科学、工程、医疗、金融等。
本文将详细介绍数据结构在各个领域中的应用。
2. 数组数组是最基本的数据结构之一，它可以使用连续的内存空间来存储相同类型的数据。
在现实生活中，数组经常用于存储一组固定大小的数据，例如学绩、身高体重等。
此外，数组还可用于图像和音频处理，例如像素数组和音频采样。
3. 链表链表是由节点组成的数据结构，每个节点包含数据和指向下一个节点的指针。
链表在现实生活中的应用较为广泛，例如电影院排队系统、火车站售票系统等。
另外，链表还常用于实现其他数据结构，如栈和队列。
4. 栈栈是一种遵循“后进先出”（LIFO）原则的数据结构，只能在表的一端进行插入和删除操作。
在现实生活中，栈的应用包括函数调用和返回、表达式求值、浏览器的前进后退功能等。
5. 队列队列是一种遵循“先进先出”（FIFO）原则的数据结构，只能在一端插入元素，另一端删除元素。
队列在现实生活中的应用包括银行排队系统、消息传递、操作系统的任务调度等。
6. 树树是一种非线性的数据结构，由节点和边组成。
树在现实生活中的应用包括文件系统、组织结构、编译器中语法分析、中的决策树等。
7. 图图是一种由节点和边组成的数据结构，在现实生活中被广泛应用于社交网络、路网规划、电力网络等领域。
8. 散列表散列表是一种使用散列函数将数据存储在数组中的数据结构，可以提供快速的插入和查找操作。
在现实生活中，散列表的应用包括数据库索引、加密算法、缓存等。
9. 算法数据结构和算法是相辅相成的，算法是指解决问题的明确步骤和规则。
在现实生活中，各种算法被广泛应用于诸如排序、搜索、最短路径、图像处理等问题的求解。
10. 附件本文档附带的附件包括代码示例、图表和相关文献的，以供进一步阅读和研究。
数据结构与算法在实际项目中的应用在计算机科学领域中，数据结构与算法是两个基础且至关重要的概念。
数据结构是指数据的组织、管理和存储方式，而算法则是解决问题的方法和步骤。
在实际项目开发中，合理地运用数据结构与算法可以提高程序的效率、减少资源消耗，从而更好地满足用户需求。
本文将探讨数据结构与算法在实际项目中的应用，并分析其重要性和优势。
一、数据结构在实际项目中的应用1. 数组(Array)数组是最基本的数据结构之一，它可以存储相同类型的数据，并通过索引进行访问。
在实际项目中，数组被广泛应用于存储一组数据，比如学生成绩、员工信息等。
通过数组，我们可以方便地对数据进行查找、排序和统计，提高程序的效率和可读性。
2. 链表(Linked List)链表是一种线性数据结构，由节点组成，每个节点包含数据和指向下一个节点的指针。
在实际项目中，链表常用于实现队列、栈等数据结构，也可以用于处理大规模数据的存储和操作。
由于链表的插入和删除操作效率高，因此在某些场景下比数组更加适用。
3. 栈(Stack)与队列(Queue)栈和队列是两种常见的数据结构，它们分别遵循“先进后出”和“先进先出”的原则。
在实际项目中，栈和队列被广泛应用于表达式求值、任务调度等场景。
通过合理地运用栈和队列，可以简化程序逻辑，提高代码的可维护性。
4. 树(Tree)与图(Graph)树和图是非线性数据结构，它们在实际项目中扮演着重要的角色。
树结构常用于实现文件系统、数据库索引等，而图结构则常用于网络拓扑、路径规划等。
通过树和图，我们可以更好地组织和管理数据，实现复杂的功能和算法。
二、算法在实际项目中的应用1. 查找算法查找算法是一类常见的算法，用于在数据集中查找指定元素的位置或值。
在实际项目中，查找算法被广泛应用于数据库查询、搜索引擎等场景。
常见的查找算法包括线性查找、二分查找、哈希查找等，通过选择合适的查找算法可以提高程序的效率和响应速度。
2. 排序算法排序算法是对一组数据按照特定顺序进行排列的算法。
数据结构的实际应用数据结构是计算机科学中非常重要的一个概念，它主要涉及如何组织和存储数据以实现高效的访问和操作。
在计算机科学的各个领域，数据结构都有着广泛的实际应用。
本文将探讨数据结构在实际问题中的应用，包括但不限于算法设计、数据库管理、图像处理和网络通信等方面。
一、算法设计在算法设计中，数据结构是构建高效算法的基础。
例如，树和图这两种常见的数据结构，可以用来解决搜索、排序和最短路径等问题。
通过合理选择和应用数据结构，可以大大提高算法的效率和运行速度。
例如，通过使用二叉搜索树，可以在O(log n)的时间复杂度内快速查找一个元素，而不必遍历整个数据集。
二、数据库管理数据库是存储和管理大量数据的关键系统。
数据结构在数据库管理中起着至关重要的作用。
例如，关系型数据库中的B树和哈希表等数据结构，用来加快查询和增删改操作的速度。
它们能够将数据存储在有序结构中，使得数据库管理系统可以高效地根据关键字进行索引和搜索。
三、图像处理在图像处理领域，数据结构用于表示和处理图像数据。
例如，二维数组和矩阵可以用来表示图像的像素点，并进行各种图像处理操作，如滤波、增强和压缩等。
此外，数据结构中的队列和栈等数据结构，也常被用于处理图像处理中的图像序列或处理步骤。
四、网络通信在网络通信中，数据结构用于在不同的计算机之间传输和存储数据。
例如，链表和二进制树等数据结构，可以用来表示和管理网络中的数据包。
通过适当选择和应用数据结构，可以提高网络通信的效率和可靠性。
此外，数据结构还可以用于设计和优化路由算法，以及实现网络中的数据缓存和负载均衡等功能。
总结数据结构是计算机科学中的重要概念，其在实际应用中扮演着重要角色。
在本文中，我们探讨了数据结构在算法设计、数据库管理、图像处理和网络通信等领域的实际应用。
通过合理选择和应用数据结构，可以达到提高效率、节省空间和增加系统可靠性等目的。
因此，深入理解和掌握数据结构，对于计算机科学的学习和实践都具有重要意义。
数据结构——数据结构在生活中的应用专业：学号：姓名：数据结构在生活中的应用数据结构是计算机存储、组织数据的方式。
数据结构是指相互之间存在一种或多种特定关系的数据元素的集合。
通常情况下，精心选择的数据结构可以带来更高的运行或者存储效率。
数据结构往往同高效的检索算法和索引技术有关。
数据结构是指同一数据元素类中各数据元素之间存在的关系。
数据结构分别为逻辑结构、存储结构（物理结构）和数据的运算。
数据结构包括的主要内容有数组(Array) 栈(Stack) 队列(Queue) 链表(Linked List)树(Tree) 图(Graph) 堆(Heap) 散列表(Hash)等。
数据结构在生活中的很多地方又有应用，在我们的日常生活中，应用到数据结构的地方有很多地方，实例到处都是，比如说，做搜索引擎，对字符串的各种查找、索引的算法就有很高要求；做人工智能，对模式识别、搜索的要求就很高；做数据库设计，对字典、内外排序、搜索与索引以及数据的连接方式都有很高要求；做通讯密码，对数论、Fourier分析有要求；等等。
具体内容的应用也有很多，例如：抽象数据类型可以使我们更容易描述现实世界。
例：用线性表描述学生成绩表，用树或图描述遗传关系等;。
栈是数据结构中重要的线性结构，是一种特殊的线性表，只允许在表的一端进行插入或删除操作的线性表。
表中允许进行插入、删除操作的一端称为栈顶，另一端称为栈底。
栈项的当前位置是动态的，对栈顶当前位置的标记称为栈项指针。
当栈中没有数据元素时，称为空栈。
栈的插入操作称为进栈或入栈，栈的删除操作称为退栈或出栈。
栈的应用非常广泛，在日常生活中，有许多类似栈的例子，如刷洗盘子时，依次把每个洗净的盘子放到洗好的盘子上。
相当于进栈；取用盘子时，从一摞盘子上一个接一个地向下拿，相当于出栈。
在计算机中进行算术表达式的计算是通过栈来实现的。
除此之外，栈还在游戏中应用到，例如迷宫问题。
队列（Queue）是运算受到限制的一种线性表。
只允许在表的一端进行插入，而在另一端进行删除元素的线性表。
队尾（rear）是允许插入的一端。
队头（front）是允许删除的一端。
空队列是不含元素的空表。
在日常生活中有许多“队列“的例子，如车站售票口买票的队伍，排在前面的人先买到票离开队伍，后来的人则加入队伍的末尾等候买票；其特点是“先进先出”(First In First Out)或“后进后出”(Last In Last Out)。
队列还可以很好地异步处理数据传送和存储，当你频繁地向数据库中插入数据、频繁地向搜索引擎提交数据，就可采取队列来异步插入。
另外，还可以将较慢的处理逻辑、有并发数量限制的处理逻辑，通过消息队列放在后台处理，例如FLV视频转换、发送手机短信、发送电子邮件等。
（数据结构里最重要的两个结构就是树和图。
比如一个公司由上到下的成员职位、一天中要做的事、一生的计划、你的目标可以分为一个个小的目标等等都是相当于数据结构中的树的应用。
图是描述事物之间关系的，当你询问GPS时，GPS系统为什么能给指出一条两地之间的路线，这就是利用了图的存储和遍历运算，求出最优解。
在现实生活中很多复杂的关系都可以用图来描述并利用图去解决一些问题。
数据结构是计算机软件和计算机应用专业的核心课程之一，在众多的计算机系统软件和应用软件中都要用到各种数据结构。
因此，仅掌握几种计算机语言是难以应付众多复杂的课题的。
要想有效地使用计算机，还必须学习数据结构的有关知识。
数据结构解决的实际应用问题：1．计算机处理问题的分类（1）数值计算问题在计算机发展初期，人们使用计算机主要是处理数值计算问题。
（2）非数值性问题随着计算机应用领域的扩大和软、硬件的发展，"非数值性问题"越来越显得重要。
据统计，当今处理非数值性问题占用了90%以上的机器时间，这类问题涉及到的数据结构更为复杂，数据元素之间的相互关系一般无法用数学方程式加以描述。
因此，解决此类问题的关键已不再是分析数学和计算方法，而是要设计出合适的数据结构，才能有效地解决问题。
2．非数值问题求解著名的瑞士计算机科学家沃思（N.Wirth）教授曾提出：算法+数据结构=程序数据结构：是指数据的逻辑结构和存储结构算法：是对数据运算的描述例如电话号码查询问题：编一个查询某个城市或单位的私人电话号码的程序。
要求对任意给出的一个姓名，若该人有电话号码，则迅速找到其电话号码；否则指出该人没有电话号码。
要解此问题首先构造一张电话号码登记表。
表中每个结点存放两个数据项：姓名和电话号码。
要写出好的查找算法，取决于这张表的结构及存储方式。
最简单的方式是将表中结点顺序地存储在计算机中。
查找时从头开始依次查对姓名，直到找出正确的姓名或是找遍整个表均没有找到为止。
这种查找算法对于一个不大的单位或许是可行的，但对一个有成千上万私人电话的城市就不实用了。
若这张表是按姓氏排列的，则可另造一张姓氏索引表，采用如下图所示的存储结构。
那么查找过程是先在索引表中查对姓氏，然后根据索引表中的地址到电话号码登记表中核查姓名，这样查找登记表时就无需查找其它姓氏的名字了。
因此，在这种新的结构上产生的查找算法就更为有效。
又比如田径赛的时间安排问题：假设某校的田径选拔赛共设六个项目的比赛，即跳高、跳远、标枪、铅球、100米和200米短跑，规定每个选手至多参加三个项目的比赛。
现有五名选手报名比赛，选手所选择的项目如参赛选手比赛项目表所示。
现在要求设计一个竞赛日程安排表，使得在尽可以短的时间内安排完比赛。
（1）为了能较好地解决这个问题，首先应该选择一个合适的数据结构来表示它。
2表示该问题的数据结构模型图如右下图（图中顶点代表竞赛项目，在所有的两个不能同时进行比赛的项目之间连上一条边）。
显然同一个选手选择的几个项目是不能在同一时间内比赛的，因此该选手选择的项目中应该两两有边相连。
（2）竞赛项目的时间安排问题可以抽象为对无向图进行"着色"操作：即用尽可能少的颜色去给图中每个顶点着色，使得任意两个有边连接的相邻顶点着上不同的颜色。
每一种颜色表示一个比赛时间，着上同一种颜色的顶点是可以安排在同一时间内竞赛的项目。
由此可得：只要安排4个不同的时间竞赛即可。
时间1内可以比赛跳高（A）和标枪（C），时间2内可以比赛跳远（B）和铅球（D），时间3和时间4内分别比赛100米（E）和200米（F）。
在游戏中,链表主要应用在有大规模删除,添加的应用上。
不过,它也有相应的缺点,就是查询是顺序查找,比较耗费时间,并且存储密度较小,对空间的需求较大。
如果通过对游戏数据的一些控制,限定大规模的添加,也就是确定了内存需求的上限,可以应用顺序表来代替链表,在某些情况下,顺序表可以弥补链表时间性能上的损失。
当然,应用链表,顺序表还是主要依靠当时的具体情况。
栈和队列是两种特殊的线性结构,在游戏当中,一般应用在脚本引擎,操作界面,数据判定当中。
在游戏中,大多数应用图的地方是路径搜索，在情节脚本中,描述各个情节之间的关系。
诸如此类的还有很多例子，数据结构与算法，在做游戏程序的时候用的最多了。
比如求迷宫的最短路径：现要求设计一个算法找一条从迷宫入口到出口的最短路径。
本算法要求找一条迷宫的最短路径，算法的基本思想为：从迷宫入口点（1,1）出发，向四周搜索，记下所有一步能到达的坐标点；然后依次再从这些点出发，再记下所有一步能到达的坐标点，…，依此类推，直到到达迷宫的出口点(m,n)为止，然后从出口点沿搜索路径回溯直至入口。
这样就找到了一条迷宫的最短路径，否则迷宫无路径。
有关迷宫的数据结构、试探方向、如何防止重复到达某点以避免发生死循环的问题与例3.2处理相同，不同的是：如何存储搜索路径。
在搜索过程中必须记下每一个可到达的坐标点，以便从这些点出发继续向四周搜索。
由于先到达的点先向下搜索，故引进一个“先进先出”数据结构------队列来保存已到达的坐标点。
到达迷宫的出口点(m,n)后，为了能够从出口点沿搜索路径回溯直至入口，对于每一点，记下坐标点的同时，还要记下到达该点的前驱点，因此，用一个结构数组sq[num]作为队列的存储空间，因为迷宫中每个点至多被访问一次，所以num 至多等于m*n。
sq的每一个结构有三个域：x,y和pre，其中x,y分别为所到达的点的坐标，pre为前驱点在sq中的坐标，是一个静态链域。
除sq外，还有队头、队尾指针：front和rear用来指向队头和队尾元素。
队的定义如下：typedef struct{ int x,y;int pre;}sqtype;sqtype sq[num];int front,rear;初始状态，队列中只有一个元素sq[１]记录的是入口点的坐标（１,１），因为该点是出发点，因此没有前驱点，pre域为－１，队头指针front和队尾指针rear 均指向它，此后搜索时都是以front所指点为搜索的出发点，当搜索到一个可到达点时，即将该点的坐标及front所指点的位置入队，不但记下了到达点的坐标，还记下了它的前驱点。
front所指点的８个方向搜索完毕后，则出队，继续对下一点搜索。
搜索过程中遇到出口点则成功，搜索结束，打印出迷宫最短路径，算法结束；或者当前队空即没有搜索点了，表明没有路径算法也结束。
算法如下：void path(maze，move)int maze[m][n]；/*迷宫数组*/item move[8]；/*坐标增量数组*/{ sqtype sq[NUM];int front,rear；int x,y,i,j,v;front=rear=0;sq[０].x=1; sq[０].y=1; sq[０].pre=-1; /*入口点入队*/maze[1,1]=-1;while (front<=rear) /*队列不空*/{ x=sq[front].x ; y=sq[front ].y ;for (v=0;v<8;v++){ i=x+move[v].x; j=x+move[v].y;if (maze[i][j]==0){ rear++;sq[rear].x=i; sq[rear].y=j; sq[rear].pre=front;maze[i][j]=-1;}if (i==m&&j==n){ printpath(sq,rear); /*打印迷宫*/restore(maze); /*恢复迷宫*/return 1;}} /*for v*/front++; /*当前点搜索完，取下一个点搜索*/} /*while*/return 0;} /*path*/void printpath(sqtype sq[],int rear) /*打印迷宫路径*/{ int i;i=rear;do { printf(＂(%d,%d)＂,sq[i].x , sq[i].y) ;i=sq[i].pre; /*回溯*/} while (i!=-1);} /*printpath*/学习数据结构课程除了要学习和研究已有的数据存储结构和数据处理算法之外，更重要的是根据自己解决实际问题的需要，进行有效的数据存储和数据处理。
