算法学习笔记

        1.快速排序

排序数组的时间复杂度：排序的时间复杂度通常为 nlogn。在快速排序中，每次将数组分成两半，递归调用排序。因此，对于 n 个元素，需要大约 log2(n) 次的分割，每次分割需要线性时间。所以排序的时间复杂度是 O(n * log2(n))，通常写作 O(nlogn)。

        2.综合考虑排序和查找的时间复杂度，整个算法的时间复杂度是 O(nlogn) + O(n) = O(nlogn)。这句怎么理解？为什么就去掉了常数的复杂度？

虽然这个时间复杂度包括了一些常数因子，但在大 O 表示法中，通常会忽略这些常数因子，因为它们不会对算法的增长趋势产生影响，综合考虑排序和查找的时间复杂度，你可以将它们相加来得到整个算法的时间复杂度。这是因为在算法分析中，通常关注的是算法的主要增长趋势。在这种情况下，主要增长趋势是 O(nlogn)，因为排序通常比线性查找更昂贵，当我们说整个算法的时间复杂度是 O(nlogn) + O(n) = O(nlogn)，我们实际上是在强调排序操作对总时间的主要影响，而线性查找操作对总时间的影响是次要的，因此在大 O 表示法中通常可以忽略。这并不是真的去掉了常数的复杂度，而是突出了算法的主要性能特征。

        3.哈希表的使用

哈希表利用的数组的随机存取特点，可以实现随机查找（时间复杂度为1）非常快，缺点是可能会占用大量内存，存储密度较小（如果数据非常的散列）

原理是数组的索引与数值有一个换算关系，通过换算关系，直接找到该数值的索引号，即可读取索引号中的数据

例：

有五个学生，学号是 1，2，3，4，5，我将每个学生的信息放结构体，然后创建一个结构体类型的数组，就拿最简单的对应关系：学号对应的就是索引号，那么现在我要查找3号学生信息，我直接访问数组元素的3号索引就可以了。

上面例子不明显，再举个例子：

有两个数组，[1，4，7]、[2，4，6]，现在找数组2比数组1多哪些元素？

如果用暴力算法，先拿数组1的第一个元素去和数组2中所有元素去比较，以此类推，这样时间复杂度是（n1*n2）

如果使用哈希表，可能要创建一个大数组是hash1，然后元素值是几，就将hash1的几号索引赋值几，这样就建立好最简单的哈希表了，我现在和数组2进行比较，先比2看看hash1中是不是0，好，是0，说明数组1中没有2，再比4，看hash1中的索引4有没有数值，有的，说明数组1里面有4，以此类推，时间复杂度是（n2）也就是（n）常数级别。