26考研——数据结构概述（1）

408答疑

---

---

一、数据结构的基本概念

• 文章链接: 点击跳转

二、算法和算法评价

• 文章链接: 点击跳转

三、参考资料

鲍鱼科技课件

b站免费王道课后题讲解:

网课全程班:

26王道考研书

---

四、总结

时间复杂度的通俗理解

O(1)

• 描述：表示算法的执行时间不随输入规模 $n$ 的变化而变化，即无论输入规模如何，算法都能在常数时间内完成。
• ​ 例子：酒店管理员将100把钥匙分别存放在100个编号格子中。当需要取出某号钥匙（如10号）时，直接根据编号定位到对应格子，无需额外操作。
• ​特点：无论钥匙总数是100还是1000，查找时间均为常数级别。类似计算机通过索引直接访问内存地址的机制。

O(n)

• 描述：表示算法的执行时间与输入规模 $n$ 成线性关系，即输入规模增加时，算法的执行时间也线性增加。
• 例子：酒店管理员将钥匙编号后用绳子串起来，需要从一串钥匙中找到特定房间的钥匙，这需要逐个检查每个钥匙。
• ​特点： 数据量增加时，查找时间成比例增加（如100把钥匙需查100次，1000把需查1000次）。适用于无法直接通过索引定位的线性结构（如链表）。

O($n^2$)

• 描述：表示算法的执行时间与输入规模 $n$ 的平方成正比，即输入规模增加时，算法的执行时间呈平方级增加。
• 例子：酒店扩大到100层，每层100个房间，钥匙按楼层和房间号排序，需要先找到楼层编号，再找到房间编号，这相当于双层循环的代码。

O($lo{g}_{2}n$)

• 描述：表示算法的执行时间与输入规模 $n$ 的对数成正比，即输入规模增加时，算法的执行时间对数级增加。
• 例子：钥匙有序存放时，采用二分查找法，例如查找23号钥匙：
  1. 将100把钥匙从中间（50号）分为两部分，确定23号在前半部分（1-50）。
  2. 继续将前半部分从中间（25号）分割，确定23号在1-25之间。
  3. 重复此过程，每次将搜索范围减半，直至找到目标钥匙。
• ​特点：数据量翻倍时，操作时间仅增加一步。效率显著高于线性查找，适用于有序数据集（如二叉搜索树、二分算法）。

程序时间复杂度分析

循环主体中的变量参与循环条件的判断

在用于递推实现的算法中，首先找出基本运算的执行次数与问题规模之间的关系式，解得最高次幂，则算法的时间复杂度为 $O(n^k)$。例如：

1. 设基本运算 $i=i\ast 2$ 的执行次数为 $t$，则 $2^t\le n$，解得 $t\le {\log }_{2}n$，故 $T(n)=O(\log n)$。

int i = 1;
while (i <= n)
    i = i * 2;

2. 设基本运算 $y=y+1$ 的执行次数为 $t$，则 $t=y-5$，且 $(t+5+1)(t+5+1)<n$，解得 $t<\sqrt{n}-6$，即 $T(n)=O(\sqrt{n})$。

int y = 5;
while ((y + 1) * (y + 1) < n)
    y = y + 1;

循环主体中的变量与循环条件无关

此类题可采用数学归纳法或直接累计循环次数。多层循环时从内到外分析，忽略单步语句、条件判断语句，只关注主体语句的执行次数。此类问题又可分为递归程序和非递归程序：

• 递归程序一般使用公式进行递推。时间复杂度的分析如下：
  $$T(n)=1+T(n-1)=1+1+T(n-2)=\cdots =n-1+T(1)$$
  即 $T(n)=O(n)$。

• 非递归程序的分析比较简单，可以直接累计次数。