前言
算法是程序的灵魂,那么一段程序又是什么,想必大家都听说过这个概念吧~~程序=数据结构+算法,数据结构与算法是相辅相成,既有联系又有区别。
一、时间复杂度分析
1.1、概述
算法由控制结构和原操作构成,我们分析一个算法是撇开计算机的硬件和软件的这些因素,仅考虑算法本身的效率。算法的执行时间主要与问题规模有关。
我们取一段程序的渐进上界,作为一段程序的时间复杂度,且低阶项在决定渐进确界的时候可以忽略不记,例如:O(n2+n) = O(n2)。反之,紧凑下界也是类似。
1.2、时间复杂度示例
从上至下,时间复杂度依次递增,每次碰到一个时间复杂度高的算法,我们要尽量往低的优化。
简称 | 执行次数 | 时间复杂度 |
---|---|---|
常数阶 | 6 | O(1) |
线性阶 | 6n+6 | O(n) |
平方阶 | 6n2+6n+6 | O(n2) |
对数阶 | 6log2n+6 | O(logn) |
nlogn阶 | 6nlog2n+6 | O(nlogn) |
立方阶 | 6n3+6n2+6n+6 | O(n3) |
指数阶 | 2n+6 | O(2n) |
二、数列求和
2.1、等差数列
首项为a1,公差为d(d!=0)的数列a1,a1+d, a1+2d, …, a1+(n-1)d
通项公式:an=a1+(n-1)d
前n项的和: Sn = n/2 [2a1+(n-1)d] = n/2(a1+an)
2.1、等比数列
首项为a1,公比为q(q!=0)的数列a1,a1q, a1q2, …, a1q(n-1)
通项公式:an=qn-1
前n项的和:
Sn = na1, q=1
Sn = (a1(1-qn ) ) / (1-q) , q!=1
2.3、常见数列前n项的和
2.4、数列类型的时间复杂度推导
程序代码:
#include <iostream>
using namespace std;
void solve(){
int sum=0;
for(int i=0;i<n;i++){
for(int j=0;j<i;j++){
for(int k=0;k<j;k++)
sum++;
}
}
return;
}
int main(int argc, char *argv[])
{
solve();
return 0;
}
时间复杂度分析:有些人能一眼看出这个程序的时间复杂度是多少,对,就是O(n3),但是你能够写出如何推导的过程吗?下面我们就来推导下上面这段程序的时间复杂度吧!
时间复杂度推导:
通过上述推导,我们得到时间复杂度为O(n3)
三、递推式计算:递归算法的分析
3.1、程序代码:
#include <iostream>
#include <vector>
using namespace std;
//归并排序采用分治的思想,先分后治
vector<int> mergesort(vector<int> before) {
if (before.size() == 1)return before; //这是递归出口,二路分割到最后只剩一个元素
vector<int>left, right, add_left_right;
//先分
for (int i = 0; i < before.size() / 2; i++) {
left.push_back(before[i]);
}
for (int i = before.size() / 2; i < before.size(); i++) {
right.push_back(before[i]);
}
//继续递归分割
left = mergesort(left);
right = mergesort(right);
//后治
int i = 0, j = 0;
while (i < left.size() && j < right.size()) { //左右两块,进行比较排序
if (left[i] < right[j]) {
add_left_right.push_back(left[i]);
i++;
}
else {
add_left_right.push_back(right[j]);
j++;
}
}
if (i == left.size()) { //左边排好,接着排右边剩下的数
for (int k = j; k < right.size(); k++) {
add_left_right.push_back(right[k]);
}
}
if (j == right.size()) {
for (int k = i; k < left.size(); k++) {
add_left_right.push_back(left[k]);
}
}
return add_left_right;
}
void solve() {
int n;
vector<int> my_array;
while (cin >> n) {
my_array.push_back(n);
}
my_array = mergesort(my_array);
vector<int>::iterator iter;
for ( iter = my_array.begin(); iter < my_array.end(); iter++) {
cout << *iter << " ";
}
cout << endl;
}
int main() {
solve();
return 0;
}
3.2、直接推导法
3.2.1、时间复杂度分析:
递归算法是将大问题分解一个个小问题进行求解,分析递归算法的关键就是建立递推关系式,然后求解得到时间复杂度。
归并算法的递推关系式:
3.2.2、推导公式:
3.3、主方法
3.3.1、一般公式:
T(n)=aT(n/b)+f(n)
3.3.2、比较过程:
- 函数nlogba比函数f(n)大,则T(n) = O(nlogba)
- 函数nlogba比函数f(n)相等,则T(n) = O(nlogbalog2n)
- 函数nlogba比函数f(n)小,则T(n) = O(f(n))
3.3.3推导例子:
如3.1的程序,递推公式为2(T(n/2)+n)
则nlogba=nlog22=n,f(n)=n;
得到:nlog22==f(n);
所以根据比较过程得到T(n)= nlog2n
总结
算法是程序的灵魂,数据结构与算法是相辅相成,既有联系又有区别。学习好时间复杂度的分析尤为重要。如有错误,敬请指正!