刷Leetcode数据结构&算法-DW组队学习(1)

数据结构

逻辑结构 集合结构 数据元素同属于一个集合 线性结构 数据元素间一对一关系 树形结构 数据元素间一对多关系 图形结构 数据元素间多对多关系 物理结构 顺序存储结构 数据元素存放在地址连续的存储单元里 链式存储结构 数据元素之间的逻辑关系通过指针间接反映

对好的算法的评判标准：所需运行时间更少（时间复杂度更低）

                                        占用内存空间更小（空间复杂度更低）

---

时间复杂度 T(n)=O(n)

O(1)<O()<O(n)<O(n)<O()<O()<O()<O(n!)<O()

O(n!) 

阶乘时间复杂度一般出现在与「全排列」相关的算法中。这类算法随着问题规模 n 的增大，对应计算次数呈阶乘关系增长。如：递归

O()

对数时间复杂度一般出现在「二分查找」、「分治」这种一分为二的算法中。这类算法随着问题规模 n 的增大，对应的计算次数呈对数关系增长。

def algorithm(n):
	cnt = 1
	while cnt < n:
		cnt *= 2
	return cnt

while 循环体中 cnt 从 1 开始，每循环一次都乘以 2。当大于 n 时循环结束。变量 cnt 的取值是一个等比数列:2^0,2^1,2^2...2^x，根据 2^x=n，可以得出这段循环体的执行次数x=。

O()

线性对数一般出现在排序算法中，例如「快速排序」、「归并排序」、「堆排序」等。这类算法随着问题规模 n 的增大，对应的计算次数呈线性对数关系增长。

def algorithm(n):
	cnt = 1
	res = 0
	while cnt < n:
		cnt *= 2
		for i in range(n):
			res += 1
	return res

上述代码中外层循环的时间复杂度为 O()，内层循环的时间复杂度为 O(n)，且两层循环相互独立，则总体时间复杂度为 O()。

---

 空间复杂度S(n)=O(n)