数据结构与算法——算法复杂度

目录

数据结构的基本概述

数据结构的准备知识

算法复杂度

        时间复杂度

        空间复杂度

---

数据结构的基本概述

数据结构：相互之间存在的一种或多种特定关系的数据元素的集合。

(数据结构是研究非数值计算的程序设计问题中的操作对象，以及之间的关系和操作等问题的学科)

数据：在计算机科学中，数据指能输入到计算机中并被计算机程序识别和处理的符号的集合。

数据元素：是组成数据的，有一定意义的基本单位，在计算机中通常作为整体处理，也叫记录。

数据项：一个元素可以由若干个数据项组成。数据项是数据不可分割的最小单位。

数据对象：是性质相同的数据元素的集合，是数据的子集。

其中，同数据元素之间不是独立的，而是存在一种特定的关系，这种关系称为结构。

数据结构的准备知识

        逻辑结构与物理结构

        逻辑结构：数据对象中数据元素之间的特定关系。分为集合结构，线性结构，树形结构，图形结构。

（将每一个数据元素看做为一个节点，用圆圈表示；元素之间的逻辑关系用节点的连线表示。）

        物理结构：数据的逻辑结构在计算机中的储存形式。分为顺序存储结构和链式存储结构。

 顺序存储结构：是把数据存放在地址连续的存储单元里，其数据间的逻辑关系和物理关系是一致的。

链式存储结构：把数据存放在任意的存储单元里，可以连续，也可以不连续。(这时候需要用指针指向数据元素的地址)

        抽象数据类型：是指一个数学模型及定义在该模型上的一组操作。抽象的意义在于数据类型的数学抽象特性。体现了程序设计中问题分解，抽象和信息隐藏的特性。

• 信息隐藏：分为共有和私有，可以减少接口复杂性，从而减少出错的机会。
• 数据封装：数据与操作封装在一起，从语义上更加完整。
• 使用和实现分离：只能通过接口上的操作来访问数据，使修改局部化。

算法复杂度

算法复杂度是指算法在编写成可执行程序后，运行时所需要的资源，资源包括时间资源和内存资源

通俗的讲，执行一段代码所需要的资源（主要是花费的时间以及占用的空间）

        时间复杂度

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，进而分析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的增长，算法执行时间的增长率和f(n)的增长率相同，称做算法的渐进时间复杂度，简称时间复杂度。其中f(n)是问题规模n的某个函数。

大O表示法：

推导大O阶:

1. 用常数1取代运行时间中的所有加法常数
2. 在修改后的运行次数函数中，只保留最高阶项
3. 如果最高阶项存在且不是1，则去除与这个项相乘的常数。得到的结果就是大O阶。

 

常用的时间复杂度所耗费的时间从小到大：

平均运行时间是所有情况中最有意义的，因为它是期望的运行时间。

最好的时间复杂度：在最理想的情况下，执行代码所需的时间复杂度，执行了最少多少次。

最差的时间复杂度：在最糟糕的情况下，执行代码所需的时间复杂度，执行了最多多少次。

一般情况下，都是指最坏的时间复杂度。

例题:

1.

    x = 3;
    while (x<n/3)
    {
        x*=3;
        /* code */
    }

       x的取值是首项为9，公比为3的等比数列，设执行次数为t，则3^t+1<n/3

        所以t<log(3)n/3-1，所以时间复杂度为O(log(3)n)

2.

    x = n;
    y = 0;
    while (x>(y+1)*(y+1))
    {
        y++;
        /* code */
    }

         语句 y++;的执行次数为n (y + 1)*(y  + 1)),有y<=n^1/2-1,所以时间复杂度为O(n1/2)

3.

int funtion(int n)
{
    int i = 0,temp = 0;
    while (temp < n)
    {
        temp  += ++i;
        /* code */
    }
    return i;
    
}

    

 

        所以时间复杂度为O(n^1/2)

 

        空间复杂度

算法的时间复杂度通过计算算法所需的存储空间实现，算法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n所占存储空间的函数。

随着 n 的变化，所需开辟的内存空间并不会随着 n 的变化而变化，空间复杂度 O(1)。

随着 n 的变化，所需开辟的内存空间会随着 n 的变化而变化，空间复杂度 O(n)。