数据结构与算法初探

数据结构与算法

什么是算法

官方的解释：算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。在我看来，就是解决问题采用的一种方法，我们学编程的终究是要把这些方法落实到代码中，不同的算法，也就是你实现的代码不一样，但是目的都是一样的，都是为了解决问题。

什么是时间复杂度

时间复杂度来衡量一个算法的好坏一个指标。先说一下官方解释：在计算机科学中，算法的时间复杂度（Time complexity）是一个函数，它定性描述该算法的运行时间。这是一个代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。使用这种方式时，时间复杂度可被称为是渐近的，亦即考察输入值大小趋近无穷时的情况。例如，如果一个算法对于任何大小为 n （必须比 n0 大）的输入，它至多需要 5n^3 + 3n 的时间运行完毕，那么它的渐近时间复杂度是 O(n^3)。实话说，看不太懂，你可以这样理解：时间复杂度就是怎么样解决问题的方法比较快，花费的时间比较少，用张图来说明吧。

起点到终点的一个过程就是所谓的算法，而起点到终点的三条路线的远近就可以用来表示他们的时间复杂度，路线近，就可以说他的时间复杂度低，算法就好，线路远，时间复杂度就高，算法就比较复杂。但是时间复杂度只是衡量一个算法好坏的一个指标，还有其他的指标，例如空间复杂度。

时间复杂度的表示：大O表示法

同样的，我先来看看官方对这个方法的定义：若存在函数f(n)，使得当n趋近于无穷大时，T(n)/f(n)的极限值为不等于零的常数，则称f(n)是T(n) 的同数量级函数。记作T(n)=O(f(n))，称为O(f(n))，O为算法的渐进时间复杂度，简称为时间复杂度。因为渐进时间复杂度用大写O来表示，所以也被称为大O表示法。

看不懂没关系，你只需知道他如何表示就行了。大O标识法的形式就是O(n)，O就是大写的字母O,括号里的数可以是已知的，例如1，也可以是未知的。例如 n 或者和n相关的函数;这个n是什么意思呢，就是代表未知数的意思，有点约定俗成的意思。

如何计算时间复杂度

我们先来看一段代码：

public static int test(int n) {	
		return n++;	
	}

这段代码很简单，就是给定一个值，然后加1返回。这就是一个很简单的算法，只不过比较简单，我们怎么来算他的时间复杂度呢？

我们先约定好，在方法体内，每执行一次操作，我们可以记作1，就是花费一个时间单位。

在这个方法体内，就只有return++ 这一条代码，算是一次操作，就是花费一个时间单位，也就是1，那他的时间复杂度就是O(1)。不用纠结，继续往下看下一段代码：

public static int test(int a) {		
		a=+5;
		return a++;	
	}

这段代码就比上面的代码多了一行代码，也就是多了一个时间单位的花费。整个代码也就是花费了两个时间单位，它的时间复杂度是O(1),是不是有点诧异，不是花费了两个时间单位了嘛，为什么时间复杂度还是O(1),你只要记住：只要是花费常数个时间单位，时间复杂度始终都是O(1)。

我们在看看时间复杂度O(n)是什么情况，看下面这段代码：

public static int test(int n) {
		int sum = 0;
		for (int i=0;i<n;i++) {
			sum=+i;
		}
		return sum;
	}

这段代码有一个for循环，我们看看它的时间复杂度如何计算，int sum = 0执行1次，1个时间单位。主要是这个for循环的时间单位如何计算，这里有个未知数n,分析可知，这个for循环会执行n+1次，也就是会花费n+1个时间单位，循环体内的sum+=1这行代码会执行n次，花费n个时间单位，然后在执行最后一行的代码return sum费一个时间单位，那么这段程序总共花费了1+n+1+n+1=3+2n个时间单位，那么他的时间复杂度就是O(n)。如果它花费的时间单位是3+2n^{2的话，它的时间复杂度就是O(n}2)。

对于这个说法比较官方的解释就是：

1. 如果运行时间是常数量级，则用常数1表示
2. 只保留时间函数中的最高阶项
3. 如果最高阶项存在系数，则省去最高阶项前面的系数

举个栗子：如果一个算法的花费了3+2n^3 +5时间单位，那么按照上面的规则，它的时间复杂度就是O(n^3);

总结

经过上面的叙述，对算法和时间复杂度的概念应该有个初步的认识了，对于时间复杂度的计算应该也没啥问题了，当然我上面的算法都是一些比较简单的，对于复杂的我们可能还算不出来，不过随着我们 学习的加深，会慢慢了解，先有个概念，由浅到深。

下面看一张时间复杂度的函数图

这张图学过数学的应该都能看懂，越陡的时间复杂度越高，花费时间就越多，算法的性能就越差。

参考来源：

微信公众号：编码之外，作者有很多的java自学资源，此篇是我看数据结构与算法基础做的笔记。