数据结构与算法学习(1)——代码效率优化

作为一名电子信息工程专业的学生，我们学校是在专业选修开设了数据结构课，但是大家都没有选择这一门课，由于一个偶然的机会，在一个技术交流群里有大牛推荐了这个数据结构课，只要1块钱还是9.9块钱我不记得了，反正属于薅羊毛性质，既然买了就拿来督促一下自己，也提升一下自己的代码思想。

复杂度

复杂度是衡量代码运行效率的重要因素，它包括：
时间复杂度（与代码的结构设计相关）
空间复杂度（与数据结构的选择相关）

复杂度是一个关于输入数据量 n 的函数。假设你的代码复杂度是 f(n)，那么就用个大写字母 O 和括号，把 f(n) 括起来就可以了，即 O(f(n))。

复杂度计算原则

1. 复杂度与具体的常系数无关，例如 O(n) 和 O(2n) 表示的是同样的复杂度，即O(2n) 等于 O(n+n)，也等于 O(n) +
   O(n)
2. 多项式级的复杂度相加的时候，选择高者作为结果，例如 O(n²)+O(n) 和 O(n²) 表示的是同样的复杂度
3. O(1) 也是表示一个特殊复杂度，与输入数据量 n 无关

经验性结论：

1. 一个顺序结构的代码，时间复杂度是 O(1)
2. 二分查找，或者更通用地说是采用分而治之的二分策略，时间复杂度都是 O(log n)
3. 一个简单的 for 循环，时间复杂度是 O(n)
4. 两个顺序执行的 for 循环，时间复杂度是 O(n)+O(n)=O(2n)，其实也是 O(n) 两个嵌套的 for 循环，时间复杂度是
   O(n²)

牺牲空间复杂度来降低时间复杂度

代码效率的瓶颈可能发生在时间或者空间两个方面。如果是缺少计算空间，花钱买服务器就可以了。这是个花钱就能解决的问题。相反，如果是缺少计算时间，只能投入宝贵的人生去跑程序。即使你有再多的钱、再多的服务器，也是毫无用处。相比于空间复杂度，时间复杂度的降低就显得更加重要了

降低复杂度的方法

1. 第一步，暴力解法。在没有任何时间、空间约束下，完成代码任务的开发
2. 第二步，无效操作处理。将代码中的无效计算、无效存储剔除，降低时间或空间复杂度
3. 第三步，时空转换。设计合理数据结构，完成时间复杂度向空间复杂度的转移