结尾
这不止是一份面试清单,更是一种”被期望的责任“,因为有无数个待面试者,希望从这篇文章中,找出通往期望公司的”钥匙“,所以上面每道选题都是结合我自身的经验于千万个面试题中经过艰辛的两周,一个题一个题筛选出来再次对好答案和格式做出来的,面试的答案也是再三斟酌,深怕误人子弟是小,影响他人仕途才是大过,也希望您能把这篇文章分享给更多的朋友,让他帮助更多的人,帮助他人,快乐自己,最后,感谢您的阅读。
由于细节内容实在太多啦,在这里我花了两周的时间把这些答案整理成一份文档了,在这里只把部分知识点截图出来粗略的介绍,每个小节点里面都有更细化的内容!
使用方法
- 用常数1取代运行时间中的所有加法常数
- 在修改后的运行次数函数中,只保留最高阶项
- 如果最高阶项存在且不为1,则去除与这个项目相乘的常数
如某个算法的基本操作次数为 F(N) = N^2^ + 2*N + 10
,用大 O 的渐进表示法为:O(N)
3. 练习
在这里放入两个递归函数的练习,我们来试着推导其的时间复杂度
练习一:计算阶乘递归 factorial 的时间复杂度
long factorial(int N) {
return N < 2 ? N : factorial(N-1) * N;
}
这题很简单,结果为:O(N)
练习二:计算斐波那契递归 fibonacci 的时间复杂度
int fibonacci(int N) {
return N < 2 ? N : fibonacci(N-1)+fibonacci(N-2);
}
这题可以结合画图类似于二叉树去思考,结果为:O(N2)
注意
递归的时间复杂度 = 递归的次数 * 每次递归内容要执行的次数
1. 概念
空间复杂度是对一个算法在运行过程中临时占用存储空间大小的量度,它不是计算程序占用了多少 byte 的空间,而是计算变量的个数。(空间复杂度也使用大 O 的渐进表示法)
2. 练习
练习一:计算 bubbleSort 的空间复杂度
void bubbleSort(int[] array) {
for (int end = array.length; end > 0; end–) {
boolean sorted = true;
for (int i = 1; i < end; i++) {
if (array[i - 1] > array[i]) {
Swap(array, i - 1, i);
sorted = false;
}
}
if (sorted == true) {
break;
}
}
}
因为只使用了常数个额外空间,故结果为:O(1)
练习二:计算 fibonacci 的空间复杂度
int[] fibonacci(int n) {
long[] fibArray = new long[n + 1];
fibArray[0] = 0;
fibArray[1] = 1;
for (int i = 2; i <= n ; i++) {
fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
}
return fibArray;
}
因为动态开辟了 N 个空间,故结果为:O(N)
结语
小编也是很有感触,如果一直都是在中小公司,没有接触过大型的互联网架构设计的话,只靠自己看书去提升可能一辈子都很难达到高级架构师的技术和认知高度。向厉害的人去学习是最有效减少时间摸索、精力浪费的方式。
我们选择的这个行业就一直要持续的学习,又很吃青春饭。
虽然大家可能经常见到说程序员年薪几十万,但这样的人毕竟不是大部份,要么是有名校光环,要么是在阿里华为这样的大企业。年龄一大,更有可能被裁。
送给每一位想学习Java小伙伴,用来提升自己。
本文到这里就结束了,喜欢的朋友可以帮忙点赞和评论一下,感谢支持!
结束了,喜欢的朋友可以帮忙点赞和评论一下,感谢支持!