网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
1,时间复杂度(记为O(高价项)保留高价,去掉低价,常熟与系数(低价,高价)流程决定)
认识复杂度
在算法当中我们如何判断一个算法的好坏核心标准?
通过算法的1,时间复杂度 ,2,额外空间复杂度与3,常数项时间进行判断。
1,时间复杂度(记为O(高价项)保留高价,去掉低价,常熟与系数(低价,高价)流程决定)
1,常数时间的操作(执行时间固定的操作)
如果一个操作的执行时间不已样本本量为转移,每次都执行固定时间。
2,常见的常数操作
2.1 :加减乘除等,取余(+,-,*,/,%)
2.2 :常见的位运算(<<(带符号正或负进行计算),<<<(不带符号正或负进行计算),|,&,^)
2.3 :赋值,比较,自增,自减,单语句的if,else
2.4 : 数组寻址操作(link,list不是)
3,举例计算空间复杂度(选择排序)
在列表中,从下标0到n-1开始寻找最小值,放在0位置上。在从下标1到n-1开始寻找最小值(看一遍,比一比,还位置),放在1上,反复循环操作。
把整个流程拆分为基本常熟操作(如下)
常熟操作:an**2+bn+n+c
选择排序
| 第一次 n*(2(看+比)+1 (n个数,+1是换操作 二个数看1次, 比一次) |
| 第二次 n-1*(看+比)+1 (n个数,+1是换操作) |
| 第三次 n-2*(看+比)+1 (n个数,+1是换操作) |
| 反复a次 |
所以选择排序复杂度为O(n^2)
4:意义
当处理大量数据时,我们会发现低价项是什么不重要,每一项系数是什么不是最重要的,最重要是是最高价项,
它是衡量流程复杂程度的一种指标,只与数据量有关,与过程之外的优化无关
5:常见的时间复杂度排序(好到差)
O(1)>O(logn)>O(N)>O(N*logN)>O(N*K) “例子:O(N*2)”>O(k^N)“例子:O(2*N)”>O(N!)
2,额外空间复杂度(记为O(n)流程决定)
2.1:作为输入的参数空间,不算额外空间,作为输出结果的空间,不算额外空间,必要的的,和实现目的有关的都不算。
2.1:当执行算法中,不需要额外空间,只需要额外几个变量,就可以完成算法,额外空间复杂度记为 O(1)“常数操作”
2.2:当执行算法中,与功能无关,自己需要开辟额外数组,就可以完成算法,额外空间复杂度记为 O(n)
3,常数项时间(实现代码时细节决定)
3。1:当时间复杂度与额外空间复杂度一样的情况下,判断哪一个更好算法的标准
3.2 :通常用代码直接进行测试判断,哪一个执行的更快,哪一个好
4,一个问题的最优解是什么意思?
一般情况下,在时间复杂度的指标上,一定要尽可能的低,先满足时间复杂度在使用最少的空间复杂度的算法流程。(特殊情况下,卡常熟项时间)
对数器
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
bs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!