问题定位和技术选型
- 首先,我们要明确目标
即用尽可能低的时间复杂度和空间复杂度,解决问题并写出代码; - 接着,我们要定位问题
这个问题是什么类型(排序、查找、最优化)的问题;
这个问题的复杂度下限是多少,即最低的时间复杂度可能是多少;
采用哪些数据结构或算法思维,能把这个问题解决;
例1:在一个包含 n 个元素的无序数组 a 中,输出其最大值 max_val
1、考虑使用二分查找,二分查找的条件是输入数据有序,这里并不满足。这就意味着,我们很难在 O(logn) 的复杂度下解决问题。
2、继续分析你会发现,某一个数字元素的值会直接影响最终结果。这是因为,假设前 n-1 个数字的最大值是 5,但最后一个数字的值是否大于 5,会直接影响最后的结果。这就意味着,这个问题不把所有的输入数据全都过一遍,是无法得到正确答案的。要把所有数据全都过一遍,这就是 O(n) 的复杂度。
小结
因为该问题属于查找问题,所以考虑用 O(logn) 的二分查找。但因为数组无序,导致它并不适用。又因为必须把全部数据过一遍,因此考虑用 O(n) 的检索方法。这就是复杂度的下限。
3、当明确了复杂度的下限是 O(n) 后,此时需要一层 for 循环去寻找最大值。那么循环的过程中,就可以实现动态维护一个最大值变量。空间复杂度是 O(1),并不需要采用某些复杂的数据结构。
public void main() {
int a[] = { 1, 4, 3 };
int max_val = -1;
int max_inx = -1;
for (int i = 0; i < a.length; i++) {
if (a[i] > max_val) {
max_val = a[i];
max_inx = i;
}
}
System.out.println(max_val);
}
通用解题的方法论
面对一个未知问题时:
- 从复杂度入手,尝试去分析:
- 这个问题的时间复杂度上限是多少,也就是复杂度再高能高到哪里。这就是不计任何时间、空间损耗,采用暴力求解的方法去解题。
- 这个问题的时间复杂度下限是多少,也就是时间复杂度再低能低到哪里。这就是写代码的目标。
- 接着,尝试去定位问题:
- 在分析出这两个问题之后,就需要去设计合理的数据结构和运用合适的算法思维,从暴力求解的方法去逼近写代码的目标了。
- 在这里需要先定位问题,这个问题的类型就决定了采用哪种算法思维。
- 最后,需要对数据操作进行分析:
- 在这个问题中,需要对数据进行哪些操作(增删查),数据之间是否需要保证顺序或逆序?
- 当分析出这些操作的步骤、频次之后,就可以根据不同数据结构的特性,去合理选择你所应该使用的那几种数据结构了。
小结
- 复杂度分析。估算问题中复杂度的上限和下限。
- 定位问题。根据问题类型,确定采用何种算法思维。
- 数据操作分析。根据增、删、查和数据顺序关系去选择合适的数据结构,利用空间换取时间。
- 编码实现。