数据结构与算法（从入门到上坟）

00-算法的基本概念

1. 算法：通俗来说，就是解题步骤
2. 算法的分类（按照实现策略）
   - 暴力法：其实就是穷举
   - 增量法：比如插入排序
   - 分治法：
   - 贪心算法
   - 动态规划法
   - 回溯法
   - 分支界限法
3. 如何区分算法优劣
   • 时间复杂度：执行算法所需要的计算工作量
   • 空间复杂度：算法需要消耗的内存空间
4. 考虑时间复杂度的必要性
   • 不同的机器计算速度不一样
   • 计算机资源有限，输入数据量很大的情况下，不同算法消耗时间差极大
5. 基本指令：它是程序执行消耗的时间单位
   • 算术指令：加减乘除等
   • 数据移动指令：赋值，拷贝等
   • 控制指令：if,while,return等语句
   • 计算以下代码的运行时间为3N+2

for (int i = 0; i < N; i++)
{
    cout << "hello" << endl;
}
// int i = 0; 赋值操作，执行1次
// i<N判断操作，执行N+1次
// cout，打印操作，执行N次
// i++自增操作，执行N次
// 故总共N+1次

5. T(n)的提出
   • 不同的输入，算法执行消耗的时间是不同的。
   • 我们不需要分析一个算法在某种输入情况下，其消耗时间是多少
   • 我们直接将其消耗的时间表示成输入规模n的函数：T(n)
   • 不同的算法，消耗的时间T(n)随着输入规模n的增长速度，是不同的

int a = 1;
int b = 2;
int c = 3;
// T(n) = 3

for (int i = 0; i < n; i++)
{
    cout << "hello" << endl;
}
// T(n) = 3n + 2

for (int i = 0; i < n; i++)
{
    for (int j = 0; j < n; j++)
    {
        cout << "hello" << endl;
    }
}
// T(n) = 3n^2 + 4n +2

时间复杂度详解

1. 复杂度的大O(n)表示法
   • 对于给定的函数g(n)，用O(g(n))来表示以下集合： O(g(n)) = f(n)
     • 其中，存在正常量c和N，使得所有的大于等于N的n值，
     • 均有0 = <f(n) <= cg(n)
   • 算法分析中，一般有大O符号来表示函数的渐进上界
   • 其含义是：当数据量达到一定程度是，g(n)的增长速度不会超过O(g(n))的限定范围
   • 可见，大O表示法，表示的是算法的时间随规模n的增长速度
2. 常用的时间复杂度
   • O(1)
   • O(log(n))
   • O(n的开方)
   • O(n)
   • O(nlog(n))
   • O(n^2)
   • O(e^n)
   • O(n!)

空间复杂度

1. 有时间递归调用，需要计算调用栈所需要的内存空间

算法的分类：暴力法

1. 暴力法其实就是穷举法

算法的分类：增量法

1. 应用场景：
   • 插入排序

算法的分类：分治法

1. 分而治之

   • 问题的规模越小，越容易解决
   • 把复杂问题不断分成相同或相似的问题，直到每个子问题可以简单地进行求解
   • 将所有子问题的解合并起来，就是原问题的解

2. 分治和递归

   • 产生的子问题往往和原问题相同，它只是原问题的较小规模的表达
   • 使用递归手段求解子问题，可以容易地将子问题的解合并，得到原问题的解

3. 应用场景

   • 二分搜索
   • 大整数乘法
   • 归并排序
   • 快速排序
   • 棋盘覆盖问题
   • 循环赛日程表问题
   • 汉诺塔问题

   算法的分类：贪心算法

   1. 定义：不从整体考虑，只考虑眼前，得到局部最优解。总是做出当前看来是最好的选择
      • 要保证最终得到的是全局最优法，贪心策略必须具有无后效性
   2. 适用场景：
      • 用贪心法直接求解全局最优，条件比较苛刻
      • 哈夫曼编译

01-数组

02-链表

03-栈

04-队列

05-字符串

06-树

07-图

08-查找和排序