数据结构 第一节课 4.13.

时间复杂度分析

常见类型：

0(1) < 0(log n) < 0(n) < 0(n log n) < 0() < 0() < 0(n!)

常数阶 0(1):

       数量大小与输入数据 n 大小无关

 线性阶 0(n)

      数量大小与输入数据n成正比

平方阶 0()

       数量大小与输入数据成平方关系

指数阶  0()

      数量每轮一分为二，形成数列 1，2，4，8，16，......，

对数阶 0(log n)

      数量每轮缩减一半，形成数列，如：，， ，....，16，8，4，2，1

线性对数阶 0(nlog n)

     数量每轮缩减一半后再与输入数据成正比增加

阶乘阶 0(n!)

     数量每轮依次加上  自身与（1 ~ n）

最差与最佳时间复杂度

当 nums = [?,?,...,1],即当末尾元素是1时，则需完整遍历数组，此时达到最差时间复杂度 0(n);

当 nums = [1,?,?,...],即当首个数字为1时，无论数组多长都不需要继续遍历，此时达到最佳时间复杂度

空间复杂度分析

算法相关空间

     通常情况下空间复杂度的统计范围：输入空间 (输入数据)->暂存空间 [暂存数据(变量，对象)，栈桢空间（调用函数），指令空间 ]->输出空间（输出数据）

推算方法

        循环空间复杂度 0(1)  :每一次循环都会重新释放空间

         递归空间复杂度 0(n) :递归调用自身，其实是n个相同函数同时进行，因此递归空间复杂度为0(n)

常见类型

0(1) < 0(log n) < 0(n) < 0() < 0()

常数阶 0(1)

         空间数量与数据大小无关，常数、变量、对象占用 0(1)空间。

平方阶 0()

         空间数量与数据大小成平方关系，矩阵、二维列表、递归函数占用0()空间。

指数阶 0()

         常见于二叉树

对数阶 0(log n)

          常见于分治算法、数据类型转换、归并排序

甜点1

介绍

若函数在尾位置调用自身（或是一个尾调用本身的其他函数等等），则称这种情况为尾递归

特点

尾递归在普通尾调用的基础上，多出了2个特征；

1.在尾部调用函数本身（Self-cellded）

2.可通过优化，使计算仅占常量栈空间（Stack-Space）

原理

当编译器检测到一个函数调用是尾递归的时候，就会覆盖当前活动记录，而不是在栈重新创建一个新的空间

所谓数据结构

简介

数据结构是在计算机中的组织与存储数据的方式

分类

数据结构主要可根据逻辑结构和物理结构两种角度进行分类

数组

简介

数组是将相同类型元素存储在连续空间的数据结构，将元素在数组的位置称为元素的索引；

初始化

int[] arr = new int[5]//{ 0, 0, 0, 0, 0}
int[] nums = { 1, 3, 2, 5, 4}

优点

能高效访问元素

元素内存地址 = 数组内存地址 + 元素长度*元素索引

缺点

1.基于数组创建的数据结构是静态的，长度不可扩展

 2.不便在数组的索引出插入元素

3.不便删除索引处元素

常用操作

1.遍历数组

2.在数组中查找指定元素

典型应用

甜点2

通用：

栈内存分配由翻译器自动完成，而堆内存由程序员在代码中分配（请注意这里的栈和堆不是数据结构中的栈和堆）

链表

定义

链表是将相同类型元素存储在离散空间的数据结构，对空间长度要求低，每个元素都是单独的对象，通过指针连接

存储链表节点的内存空间：存储节点值+存储节点指针（引用）

建立链表

1.初始化各个节点对象

2.构建引用

优点

方便元素的插入和删除

缺点

不便于访问元素节点

常见操作

遍历链表

常见链表类型

单项链表、环形链表、双向链表