数据结构与算法 #003_代码效率优化，方法论实战！

❤️阅文后请用一句话总结您的心得和建议！动心请点赞❤️

• 博客更新&阅读指南(想了解更多最新信息，请点击！)

整理自课程《重学数据结构与算法》

1、优化的最终目标

• 采用尽可能低的时间复杂度和空间复杂度，去完成一段代码的开发。

2、时间和空间的比较

• 假设一段代码经过优化后，虽然降低了时间复杂度，但依然需要消耗非常高的空间复杂度

  • 举例：对于固定数据量的输入，这段代码需要消耗几十 G 的内存空间，很显然普通计算机根本无法完成这样的计算。如果一定要解决的话，一个最简单粗暴的办法就是，购买大量的高性能计算机，来弥补空间性能的不足。

• 假设一段代码经过优化后，依然需要消耗非常高的时间复杂度。

  • 举例：对于固定数据量的输入，这段代码需要消耗 1 年的时间去完成计算。如果在跑程序的 1 年时间内，出现了断电、断网或者程序抛出异常等预期范围之外的问题，那很可能造成 1 年时间浪费的惨重后果。很显然，用 1 年的时间去跑一段代码，对开发者和运维者而言都是极不友好的。

• 发现问题：

  • 如果是缺少计算空间，花钱买服务器就可以了。这是个花钱就能解决的问题。相反，如果是缺少计算时间，只能投入宝贵的人生去跑程序。即使你有再多的钱、再多的服务器，也是毫无用处。相比于空间复杂度，时间复杂度的降低就显得更加重要了。

• 结论：空间廉价，时间昂贵

3、数据结构连接时空

• 引例：假定在不限制时间、也不限制空间的情况下，你可以完成某个任务的代码的开发。这就是通常我们所说的暴力解法，更是程序优化的起点。

  在 100 以内的正整数中，找到同时满足以下两个条件的最小数字：

  (1)能被 3 整除
  (2)除 5 余 2

• 暴力解法：从 1 开始到 100，每个数字都做一次判断。如果这个数字满足了上述两个条件，则返回结果。这是一种不计较任何时间复杂度或空间复杂度的、最直观的暴力解法。

• 程序优化降低复杂度：

  • 最直观的想法：梳理程序，看其流程中是否有无效的计算或者无效的存储。
  • 降低时间复杂度：递归、二分法、排序算法、动态规划等。
  • 降低空间复杂度：核心思路就是，能用低复杂度的数据结构能解决问题，就千万不要用高复杂度的数据结构。
  • 时空转换思想：通过某种方式，把时间复杂度转移到空间复杂度的话，就可以把无价的东西变成有价了。
  • 举例：马路上的十字路口，所有车辆在通过红绿灯时需要分批次通行。这样，就消耗了所有车辆的通行时间。如果要降低这里的时间损耗，人们就想到了修建立交桥。修建立交桥后，每个可能的转弯或直行的行进路线，都有专属的一条公路支持。这样，车辆就不需要全部去等待红绿灯分批通行了。最终，实现了用空间换取时间。
  • 思想迁移：程序开发可以借鉴这里的思想。在程序开发中，连接时间和空间的桥梁就是数据结构。对于一个开发任务，如果你能找到一种高效的数据组织方式，采用合理的数据结构的话，那就可以实现时间复杂度的再次降低。同样的，这通常会增加数据的存储量，也就是增加了空间复杂度。

• 总结：程序优化的核心思路

  • 1、暴力解法。 在没有任何时间、空间约束下，完成代码任务的开发。

  • 2、无效操作处理。 将代码中的无效计算、无效存储剔除，降低时间或空间复杂度。

  • 3、时空转换。 设计合理数据结构，完成时间复杂度向空间复杂度的转移。

4、实例分析

• 题目一：假设有任意多张面额为 2 元、3 元、7 元的货币，现要用它们凑出 100 元，求总共有多少种可能性。
• 首先，来个暴力求解：

public void s2_1() {
   
	int count = 0;
	for (int i = 0; i < (100 / 7); i++) {
   
		for (int j = 0; j < (100 / 3); j++