14天阅读挑战赛
努力是为了不平庸~
算法学习有些时候是枯燥的,这一次,让我们先人一步,趣学算法!欢迎记录下你的那些努力时刻(算法学习知识点/算法题解/遇到的算法bug/等等),在分享的同时加深对于算法的理解,同时吸收他人的奇思妙想,一起见证技术er的成长~
读书笔记
算法入门
前言:数据结构是非常重要的课程,大公司要求面试者有非常扎实的数据结构与算法能力。扎实到什么地步呢?下面是相关面试题: 1.我们通常将算法与数据结构放在一起提及,说说算法和数据结构的区别?2.对于时间复杂度是怎么理解和计算的?3. 快排的思想与复杂度是怎么计算的?从上述问题可知,这个“扎实”真的是太扎实了!对于这门课,概念,思想,代码实战都需要非常熟练,
手撕
是必须的.
算法相关概念
瑞士著名的科学家Niklaus Wirth教授提出:数据结构+算法=程序
算法是
对特定问题求解步骤的一种描述
。
算法是不依赖于任何一种语言,可以C,java或流程图来描述。
算法的特性:
- 有穷性,不会陷入死循环
- 确定性,语句没有歧义
- 可行性,可以通过有限次运算来实现
- 输入/输出,有0个或多个输入,一定有输出。
好的算法标准
:- 正确性 这是必须的如果一个算法不能保证正确性那这个算法是无意义的
- 易读性 一般是通过遵守特定的规范比如在实际项目开发中会遵守阿里的《java开发手册》或者公司内部手册
- 健壮性 主要是将一些特殊的情况(Bug)考虑进去
- 高效 耗时长短,通常这也是评判一个算法好坏的标准
- 低存储 占用存储空间小,在有些情况下会对内存有要求,例如百万级用户,一个用户的额外空间可能很小,但是百万级用户加起来是非常可观的
数据结构概念
数据结构是指相互之间存在一种或多种特定关系的数据元素的集合。
简单理解就是带’结构’的数据元素的集合,他有一个独特的数据存储方式
链表,树,图都是一种数据结构
面试题:我们通常将算法与数据结构放在一起提及,说说算法和数据结构的区别?
解析: 首先瑞士著名的科学家Niklaus Wirth教授提出:数据结构+算法=程序(提高逼格),算法是解决问题的步骤或逻辑,数据结构是则是数据的一种独特存储结构。这两者就像是数据结构是搭建房屋的材料,算法是搭建房屋的说明书。(小伙伴们思考一下按照自己的想法说不用太纠结)
算法复杂度
时间复杂度
算法的时间复杂度
是使用执行次数
来衡量算法的效率,是一种估算方法
计算算法复杂度的方法:
-
将所有的运行次数加起来:1+1+n+1+n+n(n-1)+n*n
-
然后用一个T(n)=2n^2+3n+3
-
小项和常数忽略不计,当n为10^18时,小项和常数相对最高项,是非常渺小的。例如1相对于1百万,可以忽略。
-
然后将系数忽略
-
最后时间复杂度为O(n^2)
空间复杂度
空间复杂度
是计算算法运行中额外所需要的空间
。
例如void swap(int x, int y) { int temp=x; x=y; y=temp; }
产生的额外空间为常数,所以未O(1)
常见的时间复杂度
- O(1) 常数
- O(log n) 对数
- O(n) 线性时间复杂度
- O(n*logn)
- O(n^2) 平方
- O(n^3) 立方
- O(2^n) 指数
- O(n!) 阶乘
斐波那契数列
如何解决斐波那契数列问题,例如给一个n,求第n个斐波那契数列的值?
一.直接利用公式,从n=3时开始推
- 递推解法
- 递归解法