文章目录
解决问题方法的效率,跟算法的巧妙程度有关。
什么是数据结构?
定义
1、数据对象在计算机中的组织方式⬇️
- 逻辑结构
- 物理存储结构
2、数据对象与一系列加在其身上的操作相关
3、完成上述操作所用的方法即为算法
抽象数据类型(Abstract Data Type)
1、数据类型
- 数据对象集
- 数据集合相关的操作集(编程语言封装的类)
2、抽象
- 跟存放数据的机器没有关系
- 跟数据的物理存储结构无关
- 与程序的算法和编程语言无关
只描述数据对象集和相关操作是什么,不涉及如何做到的问题
什么是算法
定义
算法(Algorithm)
- 一个有限的指令集
- 接收一些输入(有些情况下不需要输入)
- 产生输出
- 一定在有限步骤后终止
- 每一条指令必须
- 有明确的目标,不能有歧义
- 计算机能处理的范围内
- 描述不依赖于任何一种计算机语言以及具体的实现手段
算法的复杂度
- 时间复杂度——S(n)
程序执行占用存储单元的长度 - 空间复杂度——T(n)
程序执行所耗费时间的长度
好算法的取决
常关注的两种复杂度
- 最坏情况复杂度
Tworst(n) - 平均复杂度
Tavg(n) <= Tworst(n)
复杂度分析
- 两段算法分别有复杂度T1(n) = O(f1(n)) 和 T2(n) = O(f2(n)),则
- T1(n) + T2(n) = max(O(f1(n),O(f2(n))
- T1(n) + T2(n) = O(f1(n) * f2(n))
- 若T(n)是关于n的k阶多项式,T(n) = Φ(nk)
- 一个for循环的时间复杂度等于循环次数乘循环体代码的复杂度
- if-else结构的复杂度取决于if的条件判断复杂度和两个分支部分的复杂度,总体复杂度取三者中最大
应用实例(最大子数列)
算法一
- 代码
int MaxSubseqSum1( int A[], int N )
{ int ThisSum, MaxSum = 0;
int i, j, k;
for( i = 0; i < N; i++ ) { /* i是子列左端位置 */
for( j = i; j < N; j++ ) { /* j是子列右端位置 */
ThisSum = 0; /* ThisSum是从A[i]到A[j]的子列和 */
for( k = i; k <= j; k++ )
ThisSum += A[k];
if( ThisSum > MaxSum ) /* 如果刚得到的这个子列和更大 */
MaxSum = ThisSum; /* 则更新结果 */
} /* j循环结束 */
} /* i循环结束 */
return MaxSum;
}
- 时间复杂度
T(n) = O(N3)
算法二
- 代码:
int MaxSubseqSum2( int A[], int N )
{ int ThisSum, MaxSum = 0;
int i, j;
for( i = 0; i < N; i++ ) { /* i是子列左端位置 */
ThisSum = 0; /* ThisSum是从A[i]到A[j]的子列和 */
for( j = i; j < N; j++ ) { /* j是子列右端位置 */
ThisSum += A[j];
/*对于相同的i,不同的j,只要在j-1次循环的基础上累加1项即可*/
if( ThisSum > MaxSum ) /* 如果刚得到的这个子列和更大 */
MaxSum = ThisSum; /* 则更新结果 */
} /* j循环结束 */
} /* i循环结束 */
return MaxSum;
}
- 时间复杂度
T(n) = O(n2)
算法三(分而治之)
算法四(线上/在线处理)
- 代码:
int MaxSubseqSum4( int A[], int N )
{ int ThisSum, MaxSum;
int i;
ThisSum = MaxSum = 0;
for( i = 0; i < N; i++ ) {
ThisSum += A[i]; /* 向右累加 */
if( ThisSum > MaxSum )
MaxSum = ThisSum; /* 发现更大和则更新当前结果 */
else if( ThisSum < 0 ) /* 如果当前子列和为负 */
ThisSum = 0; /* 则不可能使后面的部分和增大,抛弃之 */
}
return M
}
- 时间复杂度
T(n) = O(n)