《大话数据结构》看书笔记--算法

最新推荐文章于 2021-10-14 08:30:00 发布

Imflash

最新推荐文章于 2021-10-14 08:30:00 发布

阅读量181

点赞数

分类专栏：看书笔记

本文链接：https://blog.csdn.net/Imflash/article/details/100747881

版权

6 篇文章 0 订阅

订阅专栏

1+2+3+…+n=?

暴力方法

public long sum(long n){
	long sum = 0L;
	for(long i =1; i<= n; i++){
		sum =sum + i;
    }
    return sum;
}

合适方法

public long sum(long n){
    return (n + 1)*n / 2;
}

事后统计方法: 通过设计好的测试程序和数据, 利用计算机计时器对不同算法编程的程序的运行时间进行比较,从而确定算法效率的高低;缺陷太大不考虑这种
事前分析估算方法: 在计算机程序编程前,依据统计方法对算法进行估算;
- 一个程序的运行时间,依赖于算法的好坏和问题的输入规模;所谓问题输入规模是指输入量的多少
- 在分析程序的运行时间时,最重要的是把程序看成是独立于程序设计语言的算法或一系列步骤

在进行算法分析是,语句总的执行次数T(n)是关于问题规模n的函数,进而分析T(n)随n的变化情况并确定T(n)的数量级; 算法的时间复杂度, 也就是算法的时间量度, 记作: T(n) = O(f(n)); 它表示随问题规模n的增大, 算法执行时间的增长率和f(n)的增长率相同, 称为算法的渐近时间复杂度, 简称为时间复杂度; 其中f(n)是问题规模n的某个函数
- 这样用大小O()来体现算法时间复杂度的记法称为大O记法
推导大O阶方法
- 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是1,则去除与这个项相差的常数
常数阶: 与n的大小无关,执行时间恒定的算法,我们称之为具有O(1)的时间复杂度
线性阶:O(n)
平方阶:O(n^2)

在这里插入图片描述

常见的时间复杂度所消耗的时间排序
- O(1) < O(logn) < O(n) < O(nlogn) < 0(n^2 ) < 0(n^3 ) < 0(2^n) < O(n!) < O(n^n)

算法的空间复杂度通过计算算法所需的存储空间实现，算法空间复杂度的计算公式记作: S(n)= O(f(n)) ，其中， n为问题的规模， f(n)为语句关于n所占存储空间的函数
若算法执行时所帘的辅助空间相对于输入数据量而言是个常数，则称此算法为原地工作，空间复杂度为 0(1);

f(n)) ，其中， n为问题的规模， f(n)为语句关于n所占存储空间的函数

关注

专栏目录