目录
1.数据结构前言
1.1 什么是数据结构?
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。
1.2 什么是算法 ?
算法(Algorithm):就是定义良好的计算过程,他取一个或一组的值为输入,并产生出一个或一组值作为 输出。简单来说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。
2. 算法的时间复杂度和空间复杂度
2.1 算法效率
2.1-1如何衡量一个算法的好坏
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资源。因此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,即时间复杂度和空间复杂度。
2.2 时间复杂度
2.2-1时间复杂度概念
时间复杂度的定义:在计算机科学中,算法的时间复杂度是一个数学函数,它定量描述了该算法的运行时间,其实就是求算法中的基本操作执行次数。
简单看一下下面案例时间复杂度:
// 请计算一下Func1中++count语句总共执行了多少次?
void Func1(int N)
{
int count = 0;
for (int i = 0; i < N ; ++ i)
{
for (int j = 0; j < N ; ++ j)
{
++count;
}
}
for (int k = 0; k < 2 * N ; ++ k)
{
++count;
}
int M = 10;
while (M--)
{
++count;
}
printf("%d\n", count);
}
能够看出来,执行次数F(n) = n^2 + 2*n +10
- n = 10 F(n) = 130
- n = 100 F(n) = 10210
- n = 1000 F(n) = 1002010
2.2-2 大O的渐进表示法
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。
使用大O渐进法表示以后,Func1的时间复杂度为:O(N^2)。
通过上面我们会发现大O 的渐进表示法 去掉了那些对结果影响不大的项 ,简洁明了的表示出了执行次数。
2.2-3常见时间复杂度计算举例
实例1:
// 计算Func2的时间复杂度?
void Func2(int N)
{
int count = 0;
for (int k = 0; k < 2 * N ; ++ k)
{
++count;
}
int M = 10;
while (M--)
{
++count;
}
printf("%d\n", count);
}
很容易能看出来,Func2的时间复杂度是O(N),舍去相系数与常数而得。
实例2:
// 计算Func3的时间复杂度?
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);
}
这里Func3的时间复杂度是O(M+N),这里不能确定M和N带量级关系,那么M和N都不能舍。
实例3:
// 计算BubbleSort的时间复杂度?
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;
}
}
冒泡排序,BubbleSort的运行次数是(N-1)+(N-2)+(N-3)+......+3+2+1次,是个等差数列,加起来就是N*(N-1)/2,而时间复杂度O(N^2)。
2.3 空间复杂度
空间复杂度也是一个数学表达式,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 。
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。
实例1:
// 计算Fibonacci的空间复杂度?
// 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;
}
这个案例空间复杂度就是O(N),简单来说就是函数创建了一个有n+1个元素的数组,函数内循环中创建了 i 变量,函数总共是有n+多个元素,所以空间复杂度舍去常数个,保留N。
实例2:
// 计算阶乘递归Fac的空间复杂度?
long long Fac(size_t N)
{
if(N == 0)
return 1;
return Fac(N-1)*N;
}
这个阶乘递归Fac空间复杂度是O(N)。N每次减1,都会开辟一块栈帧,减到0,最后就是开辟N块栈帧,所以是O(N)。