引言
2022年初,开始养成了一个习惯,刷一些LeetCode题目,一直是自学。近期,CSDN官方正好发起了一个14天阅读挑战赛,《趣学算法》的作者带着大家一起来学习,趁这个机会,一方面深入学习一下,另外一方面,想要对2022年前面9个月刷题的经验,进行一下总结。
还是小编的老方法,开始阅读一本书之前,大家先要脑子里进行一下头脑风暴,你想要从这本书中学到什么?或者说,更加明确一点,想要解决哪些问题?带着一些目的或者问题去阅读一本技术类的书籍,相信可以学到更多。
说一点阅读后的直接感受,这本书和之前看过的很多算法类的书籍不太一样,之前阅读过的基本,都是侧向与先将算法的基本理论说明白,然后举一些经典简单例子,说明验证。而这本书,在讲完一些理论之后,往往不是用经典的例子,而是用一些常见的复杂问题,把复杂问题拆解为简单问题,一方面达到了把相关理论知识实践深化的目的,另外一方面,对于一些复杂问题简单化,常常会给我带来一个感受原来这个问题还能这样解决呀~~~~。
书籍分为三部分:
- 第一部分:算法入门介绍
- 第二部分:经典算法
- 第三部分:实用算法
1. 第一章知识点
1.1 算法复杂性的衡量
如何衡量一个算法的好坏?我们常常用的是时间复杂度和空间复杂度。
时间复杂度: 算法运行需要的时间,一般讲算法的执行次数,作为时间复杂度的度量标准。
我们场景的时间复杂度有常数阶、多项式阶、指数阶、对数阶,他们之间的关系为:O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)
我们在设计算法时候,要注意算法复杂度增量的问题,尽量避免爆炸级增量
空间复杂度: 算法运行占用的空间大小,一般讲算法的辅助空间,作为空间复杂度的度量标准。
这个其实很好理解,就不多说了,一个算法执行所占的空间实际上有输入输出占用的空间、辅助变量占用的空间、算法本身占用的空间,和时间复杂度量化一样,一般我们仅考虑辅助空间占用情况,来作为空间复杂度的度量标准。
1.2 斐波那契数列的进化
现实的算法问题:
- 兔子序列问题:假设第1个月有1对刚诞生的兔子,第2个月进入成熟期,第3个月开始生育兔子,而1对成熟的兔子每月会生1对兔子,兔子永不死去……那么,由1对初生兔子开始,12个月后会有多少对兔子呢?
- 花瓣、叶子序列问题:观察延龄草、野玫瑰、南美血根草、大波斯菊、金凤花、耧斗菜、百合花、蝴蝶花
的花瓣,可以发现它们的花瓣数目为斐波那契数:3,5,8,13,21,…,难道这些植物懂得斐波那契数列吗?应该并非如此,它们只是按照自然的规律才进化成这样的。这似乎是植物排列种子的“优化方式”,它能使所有种子具有相近的大小却又疏密得当,不至于在圆心处挤太多的种子而在圆周处却又很稀疏。
这里我们以兔子问题,来一步一步优化解决斐波那契数列问题
。
这个数列有十分明显的特点,从第3个月开始,当月的兔子数=上月兔子数+当月新生
兔子数,而当月新生的兔子正好是上上月的兔子数。因此,前面相邻两项之和,构
成了后一项,即:
当月的兔子数=上月兔子数+上上月的兔子数
斐波那契数列如下:
1,1,2,3,5,8,13,21,34,…
递归式表达式:
1.2.1 第一种解法(递归)
import java.util.Scanner;
class Main {
public static void main(String[] args) {
Scanner scan = new Scanner(System.in);
String str_0 = scan.nextLine().trim();
int n = Integer.parseInt(str_0);
System.out.println(fib1(n));
scan.close();
}
/**
* 递归解法
*
* @Title: fib1
* @Description:
* @author: itbird
* @date 2022年10月19日 上午10:08:57
* @param n
* @return int 时间复杂度: O(指数级) 空间复杂度: O(N)
*/
public static int fib1(int n) {
if (n < 1) {
return -1;
}
if (n == 1 || n == 2) {
return 1;
} else {
return fib1(n - 1) + fib1(n - 2);
}
}
}
所以我们需要改进。
1.2.2 第二种解法(优化时间复杂度,以空间换时间)
既然递归解法,时间复杂度太高,那么我们想办法,通过空间换时间
import java.util.Scanner;
class Main {
public static void main(String[] args) {
Scanner scan = new Scanner(System.in);
String str_0 = scan.nextLine().trim();
int n = Integer.parseInt(str_0);
// System.out.println(fib1(n));
System.out.println(fib2(n));
scan.close();
}
/**
* 既然递归解法,时间复杂度太高,那么我们想办法,通过空间换时间
*
* @Title: fib2
* @Description:
* @author: itbird
* @date 2022年10月19日 上午10:20:59
* @param n
* @return int 时间复杂度: O(N) 空间复杂度: O(N)
*/
public static int fib2(int n) {
if (n <= 2) {
return 1;
}
int[] nums = new int[n];
nums[0] = 1;
nums[1] = 1;
for (int i = 2; i < nums.length; i++) {
nums[i] = nums[i - 1] + nums[i - 2];
}
return nums[n - 1];
}
}
大家发现,这个算法的确可以解决时间复杂度的问题,而且输入50以上的n时,都可以很快得出结论,但是当输入的数字很大时,运行过程中,可能出现了内存溢出的问题。
仔细想想,这个算法中存在的缺点是,实际上我们仅仅需要nums[i] 、 nums[i - 1] 、 nums[i - 2]三个值,过程中的值,不需要保存,那么下一步优化,就优化这个方向。
1.2.3 第三种解法(优化时间&空间)
import java.util.Scanner;
class Main {
public static void main(String[] args) {
Scanner scan = new Scanner(System.in);
String str_0 = scan.nextLine().trim();
int n = Integer.parseInt(str_0);
// System.out.println(fib1(n));
// System.out.println(fib2(n));
System.out.println(fib3(n));
scan.close();
}
/**
* 解决算法2中,空间利用率低的问题
*
* @Title: fib3
* @Description:
* @author: itbird
* @date 2022年10月19日 上午10:21:39
* @param n
* @return int 时间复杂度: O(N) 空间复杂度: O(1)
*/
public static int fib3(int n) {
if (n <= 2) {
return 1;
}
int nums1 = 1;
int nums2 = 1;
int nums3 = 0;
for (int i = 2; i < n; i++) {
nums3 = nums1 + nums2;
nums2 = nums1;
nums1 = nums3;
}
return nums3;
}
}