关于编程解决问题时的问题定位和数据结构的选择

假设现在面对一个实际的算法问题，则需要从以下两个方面进行思考。

1. 问题的分析思路

首先，我们要明确目标。 即用尽可能低的时间复杂度和空间复杂度，解决问题并写出代码；
接着，我们要定位问题。 目的是更高效地解决问题。这里定位问题包含很多内容。
例如：

• 这个问题是什么类型(排序、查找、最优化)的问题；
• 这个问题的复杂度下限是多少，即最低的时间复杂度可能是多少；
• 采用哪些数据结构或算法思维，能把这个问题解决。

为了方便理解，下面我们来举一个例子，在一个包含 n 个元素的无序数组 a 中，输出其最大值 max_val。

显然，要输出的最大值 max_val，也是原数组的元素之一。因此，这个问题的类型是，在数据中基于某个条件的查找问题。

关于查找问题，我们学习过二分查找，其复杂度是 O(logn)。但可惜的是，二分查找的条件是输入数据有序，这里并不满足。这就意味着，我们很难在 O(logn) 的复杂度下解决问题。

但是，继续分析你会发现，某一个数字元素的值会直接影响最终结果。这是因为，假设前 n-1 个数字的最大值是 5，但最后一个数字的值是否大于 5，会直接影响最后的结果。这就意味着，这个问题不把所有的输入数据全都过一遍，是无法得到正确答案的。要把所有数据全都过一遍，这就是 O(n) 的复杂度。

小结一下就是，因为该问题属于查找问题，所以考虑用 O(logn) 的二分查找。但因为数组无序，导致它并不适用。又因为必须把全部数据过一遍，因此考虑用 O(n) 的检索方法。这就是复杂度的下限。

当明确了复杂度的下限是 O(n) 后，你就能知道此时需要一层 for 循环去寻找最大值。那么循环的过程中，就可以实现动态维护一个最大值变量。空间复杂度是 O(1)，并不需要采用某些复杂的数据结构。这个问题我们在前面的课时 1 中写过的代码如下：

public void s1_3() {
   
	int a[] = {
    1, 4, 3 };
	int max_val = -1;
	int max_inx = -1;
	for (int i = 0; i < a.length; i++) {
   
		if (a[i] > max_val) {
   
			max_val = a[i];
			max_inx = i;
		}
	}
	System.out