学java第六天

接下来看看算法

从时间复杂度开始

时间复杂度的计算

确定基本操作

首先，确定算法中的基本操作，即算法中重复执行次数最多的操作。这通常是赋值、比较、循环体内的操作等。

计算基本操作执行次数

然后，计算基本操作执行次数与输入规模（通常用n表示）之间的关系。这通常涉及到对算法中循环结构的分析。

• 对于循环，需要确定循环体执行的次数。这可能与输入规模n直接相关，也可能与循环内部的条件判断有关。
• 对于递归，需要找出递归的递推关系式，并确定递归的深度和每层递归中基本操作执行的次数。

忽略低阶项和常数项

在计算得到基本操作执行次数与n的关系后，通常可以忽略掉关于n的低阶项和常数项，因为它们对于算法执行时间随n增长的趋势影响较小。

使用大O表示法

最后，将计算得到的基本操作执行次数与n的关系，转换为大O表示法。大O表示法会给出算法执行时间随n增长的上界。

示例

假设有一个算法，它包含了一个循环，循环体内的基本操作执行了n次，然后是另一个循环，循环体内的基本操作执行了n^2次。该算法的时间复杂度可以这样计算：

• 总的基本操作次数为 n + n^2。
• 忽略低阶项n，得到 n^2。
• 使用大O表示法，表示为 O(n^2)。

常见的时间复杂度

• O(1)：常数时间复杂度，算法执行时间不随输入规模n的增长而增长。
• O(log n)：对数时间复杂度，常见于二分查找等算法。
• O(n)：线性时间复杂度，算法执行时间与输入规模n成正比。
• O(n log n)：常见于归并排序、快速排序等排序算法。
• O(n^2)、O(n^3)、...：多项式时间复杂度，算法执行时间随输入规模n的幂次方增长。
• O(2^n)、O(n!)：指数时间复杂度和阶乘时间复杂度，这类算法通常不适合处理大规模数据。

接下来用汉诺塔问题开始举例子 

设将n个圆盘从一根柱子移动到另一根柱子所需的最少移动次数为T(n)。

1. 基本情况：当只有一个圆盘时（n=1），显然只需要移动一次，即T(1) = 1。

2. 递归关系：对于n个圆盘，我们可以将其分解为三个步骤：

   • 将n-1个圆盘从A移动到B（使用C作为辅助柱子），这一步需要T(n-1)次移动。
   • 将剩下的最大圆盘（第n个）从A移动到C，这一步需要1次移动。
   • 将n-1个圆盘从B移动到C（使用A作为辅助柱子），这一步又需要T(n-1)次移动。

   因此，总的移动次数为 T(n) = 2*T(n-1) + 1。

3. 求解递归关系：
   这个递归关系实际上是一个等比数列的求和问题，其中公比为2，首项为1（当n=1时）。
   通过数学归纳法或观察法，我们可以得到通项公式为：T(n) = 2^n - 1。

4. 汉诺塔问题的时间复杂度是O(2^n)，其中n是圆盘的个数。

正在研究其他算法ing，还没搞懂 一天搞一点点，进度有点稍快了