前言与复杂度

1.数据结构的定义

数据结构(Data Structure)是计算机 存储、组织数据 的方式，指相互之间存在一种或多种特定关系的数据元素的集合。
数据项(data field)是指用于描述数据的数据实体,也就是数据的记录或元数据。
数据元素(data element)是指数据项的名称,可以是文本、图像、音频、视频等。
数据对象(data object)是指由一组数据元素组成的实体,可以用于表示一种特定的概念或行为。例如,一个订单对象包含多个数据元素,如商品名称、数量、单价等。
数据结构(data structure)是指数据的组织方式,可以是数组、链表、树形结构等不同的方式。它们可以用来表示不同类型的数据以及它们之间的关系。

2.算法的定义

算法(Algorithm):定义良好的计算过程，取一个或一组值为输入，产生出一个或一组值作为输出。算法就是一系列的计算步骤，用来将输入数据转化成输出结果。

3.算法的复杂度

算法在编写成可执行程序后，运行时需要耗费时间资源和空间(内存)资源 。
衡量一个算法的好坏，一般是从时间和空间两个维度来衡量的，即时间复杂度和空间复杂度。
时间复杂度主要衡量一个算法的运行快慢，而空间复杂度主要衡量一个算法运行所需要的额外空间。
在计算机发展的早期，计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的迅速发展，计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复杂度。

3.1时间复杂度

1.定义

在计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。一个算法执行所耗费的时间，从理论上说是不能算出来的，只有把程序放在机器上才能知道。但是都上机测试很麻烦，所以有了时间复杂度这个分析方式。一个算法所花费的时间与其中语句的执行次数成正比例，算法中的基本操作的执行次数，为算法的时间复杂度。
即：找到某条基本语句与问题规模N之间的数学表达式，就是算出了该算法的时间复杂度

2.表示法

大O符号（Big O notation）：是用于描述函数渐进行为的数学符号。
推导大O阶方法：
1、用常数1取代运行时间中的所有加法常数。
2、在修改后的运行次数函数中，只保留最高阶项。
3、如果最高阶项存在且不是1，则去除与这个项目相乘的常数。得到的结果就是大O阶。

3.例题

1.O（N）
2.分类
O(N+M)
N>>M—O(N)
N==M—O(N)或O（M）
N<<M—O(M)

void Func3(int N, int M)
{
int count = 0;
for (int k = 0; k < M; ++ k)
{
++count;
}
for (int k = 0; k < N ; ++ k)
{
++count;
}
printf("%d\n", count);
}

3.O(1)–常数次

4.O（N）

5.最坏O（N^2）
最好O（N）
F(N)=N-1+N-2+…+2+1==（N^2-N)/2

void BubbleSort(int* a, int n)
{
assert(a);
for (size_t end = n; end > 0; --end)
{
int exchange = 0;
for (size_t i = 1; i < end; ++i)
{
if (a[i-1] > a[i])
{
Swap(&a[i-1], &a[i]);
exchange = 1;
}
}
if (exchange == 0)
break;
}
}

6.最坏O（logN）
最好O（1）

int BinarySearch(int* a, int n, int x)
{
assert(a);
int begin = 0;
int end = n-1;
while (begin < end)
{
int mid = begin + ((end-begin)>>1);
if (a[mid] < x)
begin = mid+1;
else if (a[mid] > x)
end = mid;
else
return mid;
}
return -1;
}

假设折半查找了x次，则除了x次2，==》2^x=N； x = logN

7.O（N）

8.O（2^N）

4.总结

冒泡排序：最坏O（N^2） 最好O（N）
二分查找：最坏O（logN） 最好O（1）
阶乘：O（N）
斐波那契：O（2^N）

3.2空间复杂度

1.定义

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 。

空间复杂度不是程序占用了多少bytes的空间，因为这个也没太大意义，所以空间复杂度算的是变量的个数。

空间复杂度计算规则使用大O渐进表示法。

注意：函数运行时所需要的栈空间(存储参数、局部变量、一些寄存器信息等)在编译期间已经确定好了，因
此空间复杂度主要通过函数在运行时候显式申请的额外空间来确定。

2.例题

1.共创建4个数据–O（1）

void BubbleSort(int* a, int n)
{
assert(a);
for (size_t end = n; end > 0; --end)
{
int exchange = 0;
for (size_t i = 1; i < end; ++i)
{
if (a[i-1] > a[i])
{
Swap(&a[i-1], &a[i]);
exchange = 1;
}
}
if (exchange == 0)
break;
}
}

2.O（N）
堆空间开辟了n+1个数据

返回斐波那契数列的前n项
long long* Fibonacci(size_t n)
{
if(n==0)
return NULL;
long long * fibArray = (long long *)malloc((n+1) * sizeof(long long));
fibArray[0] = 0;
fibArray[1] = 1;
for (int i = 2; i <= n ; ++i)
{
fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
}
return fibArray;
}

3.O（N）
阶乘递归Fac


4.O(N)



类型个数同即可，即f2的a写成b也行

3.总结

冒泡排序：
时间：最坏O（N^2） 最好O（N）
空间：O（1）

阶乘：
O（N）
O（N）

斐波那契：
O（2^N）
O（N）

4.复杂度量级与应用

4.1量级

4.2应用

1.消失的数字
2.轮转数组