Author: Lijb
Email: lijb1121@163.com
绪论
1. 逻辑结构:
是指数据对象中,数据元素之间的相互关系。
1.集合结构---元素之间没有关系
2.线性结构---元素之间一一对应
3.树形结构---元素之间一对多
4.图形结构---元素这几件多对多
2. 物理结构
是指数据的逻辑结构在计算机中的存储形式。
1.顺序存储
2.链式存储
- 算法的五大基本特点
1. 输入
2. 输出
3. 有穷性 ---不能出现死循环
4. 确定性 ---每一个输入对应唯一的结果
5. 可行性 ---每一步都是可行的
算法效率的度量方法
如下结论:
判定一个算法的执行效率时,函数中的常数和其他次要项可以忽略不计,只关注主要项(最高项)的阶数。
时间复杂度
1. 定义
在进行算法分析时,语句总的执行次数T(n)是关于问题规模n的函数,进行分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度,也就是算法的时间量度,记作:T(n)=O(f(n))。
它表示随问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐进时间复杂度,简称为时间复杂度。其中f(n)是问题规模n的某个函数。
说明:
1. 执行次数==时间
2. 用大写O()来体现算法时间复杂度的写法称为大O记法
3. 一般情况下,随着输入规模n的增大,T(n)增长最慢的算法称为最优算法
- 推导大O阶方法
1. 用常数1取代运行时间中的所有加法常数--如O(8--->O(1)
2. 再修改后的运行次数函数中只保留最高阶项--如O(n+1)--->O(n)
3. 如果最高阶项存在且不是1,则去除与该项相乘的常数。--如O(2n*n)--->O(n*n)
4. 得到的最终结果就是大O阶
线性阶
线性阶:一般含有非嵌套循环(单层循环)含有线性阶,就是随着问题规模的扩大,对应计算次数呈直线增长。
例如:单层循环求和—>时间复杂度为O(n)
int n=100,sum=0;
for (int i = 0; i < n; i++) {
sum+=i;
}
平方阶
平方阶:双层循环嵌套时间复杂度为O(n^2),同理三层循环嵌套时间复杂度为:O(n^3)
外层循环循环1次,内层循环需要循环n次,外层循环循环n次那么整个循环就为n*n次,因此记为平方阶。
对数阶
int i=1,n=100;
while (i<n){
i=i*2;
}
/**
* 因为每次n乘以2以后,就距离n更近一些,那么假设有x个2相乘之后大于活等于n,则会全部退出循环。
* 于是,2^x=n;
* 那么,x=log(2)n;
* 所以这个循环的时间复杂度为O(logn)
*/
常见的时间复杂度
例子 | 时间复杂度 | 术语 |
---|---|---|
5201314 | O(1) | 常数阶 |
3n+4 | O(n) | 线性阶 |
3n2+4n+5 | O(n2) | 平方阶 |
3log+4 | O(logn) | 对数阶 |
2n+3log2n+4 | O(nlogn) | nlogn阶 |
n3+2n2+4n+6 | O(n3) | 立方阶 |
2n | O(2n) | 指数阶 |
常用的时间复杂度所耗费的时间从小到大的顺序为:
O(1)<O(logn)<O(n)<O(nlogn)<O(n2)<O(n3)<O(2n)<O(n!)<O(nn)
空间复杂度
1. 定义:算法的空间复杂度通过计算算法所需的储存空间实现,算法的空间复杂度的计算公式记作:S(n)=O(f(n)),其中n为问题的规模,f(n)为语句关于所占存储空间的函数。
注:一般情况下,求算法的复杂度时,默认的是时间复杂度!