一、什么是数据结构?什么是算法?
从广义上讲,数据结构就是指一组数据的存储结构。算法就是操作数据的一组方法。
20 个最常用的、最基础数据结构与算法:
-
10 个数据结构:数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树;
-
10 个算法:递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法。
二、复杂度分析
复杂度分析是整个算法学习的精髓。
大 O 复杂度表示法
所有代码的执行时间 T(n) 与每行代码的执行次数 n 成正比。
其中,T(n) 表示代码执行的时间;n 表示数据规模的大小;f(n) 表示每行代码执行的次数总和;O 表示代码的执行时间 T(n) 与 f(n) 表达式成正比。
时间复杂度分析
大 O 时间复杂度实际上并不具体表示代码真正的执行时间,而是表示代码执行时间随数据规模增长的变化趋势。
空间复杂度分析
空间复杂度分析表示算法的存储空间与数据规模之间的增长关系。
最坏情况时间复杂度
代码在最理想情况下执行的时间复杂度。
最好情况时间复杂度
代码在最坏情况下执行的时间复杂度。
平均时间复杂度
用代码在所有情况下执行的次数的加权平均值表示。
代码在不同情况下复杂度出现量级差别,则用代码所有可能情况下执行次数的加权平均值表示。
均摊时间复杂度
在代码执行的所有复杂度情况中绝大部分是低级别的复杂度,个别情况是高级别复杂度且发生具有时序关系时,可以将个别高级别复杂度均摊到低级别复杂度上。基本上均摊结果就等于低级别复杂度。
两个条件满足时使用:
-
1)代码在绝大多数情况下是低级别复杂度,只有极少数情况是高级别复杂度;
-
2)低级别和高级别复杂度出现具有时序规律。均摊结果一般都等于低级别复杂度。
“本文转载自 linkedkeeper.com (文/张松然)”