李峰

数据结构课程在计算机专业课中属于难度较大的课程，再加上高职学生的高等数学课程教学内容简单，离散数学也没有开设，导致学习效果很差。学生主要反映内容抽象难懂，理论概念难于理解。笔者经过多年的教学总结出了一些心得体会，下面以算法分析部分为例，谈谈教学内容的组织，希望起到抛砖引玉的作用。

一、算法分析部分的传统教学

算法分析在数据结构课程中主要是计算算法时间复杂度，也就是算法耗费的时间。这一部分因为设计到数学知识，学生尤其不易掌握。

传统的教学步骤是，先给出时间复杂度的计算规则，然后使用数学公式进行推导。学生看到这些得出的数学式子，也是没有实际的概念。一般将问题规模n取值从小到大，以說明为什么考虑“当n充分大时”的时间耗费。如图1所示。

二、从实验到理论的逆向教学法

1重视实践教学

对于高职高专学生来说，具体的数值比抽象的n更容易接受。为了更好的理解和认识算法的效率，我们首先让学生上机实验，通过实验得出的数据来理解关于问题规模n的概念。

比如，采用判断素数的实验，实验要求学生在程序中增加一个计数器以统计关键语句的重复次数。实验输出的结果更直观，这就有了通俗直白的理解基础。

2 精选实验内容

我们还精心选择实验内容，这部分的实验内容要具备两点：一是要简单，代码只有十来行，算法思路也直观;二是大家熟悉的问题求解，易于理解。一方面对算法的效率有直观的认识，另一方面也体现了求解同一问题采用不同算法的效率差别。

例如，计算两个数的最大公约数实验。先从定义出发，写出算法，如图3所示。然后采用辗转相除算法，如图4所示，使用类似这样的测试数据（1 000 005，1 000 000），学生发现后者只需执行2次取模运算，而前者需要10次运算才能找到最大公约数。学生震惊之时正好告诉他们：这是特殊情况，一般的效率还得进行数学推导。

三、结论

实验数据不是用来评价和对比算法的，但它使学生对算法的效率问题有了直观感受，反过来再理解数学式子，符合理论指导实践，实践证明理论的认知规律。事实证明，学生对此有良好的反映，教师在不断的探索教学中收获了认同。