算法与数据结构

数据结构

对计算机内存中的数据的一种安排。

算法

对结构中的数据进行各种处理

应用方面

1. 现实世界的数据存储
2. 作为程序员的工具
3. 关于现实世界的建模

数据结构	优点	缺点
数组	插入快（知道下标）	查找慢，删除慢，大小固定
有序数组	比无序的数组查找快	删除和 插入慢，大小固定
栈	提供后进先出的存取方法	存取其他项很慢
队列	提供先进先出的存取方法	存取其他项很慢
链表	插入快 删除快	查找慢
二叉树	查找 删除 插入都快（树平衡的情况下）	删除算法复杂
红黑树（平衡树）	插入 查找 删除 都快	算法复杂
2-3-4树（平衡树）	插入 查找 删除 都快	算法复杂
哈希表	插入快，通过关键字存取快	删除慢
堆	插入、删除快，对最大数据项的存取很快	对其他项的存取慢
图	对现实世界建模	有些算法慢并且复杂

 

 

 

 

 

 

 

 

 

 

 

 

 

 

算法效率的度量方法

1. 算法采用的策略，方案。
2. 编译产生的代码质量
3. 问题的输入规模
4. 机器执行指令的速度

• 研究算法的复杂度，侧重的是研究算法随着输入规模扩大增长量的一个抽象，而不是精确地定位需要执行多少次。
• 我们不关心编写程序所用的语言是什么，也不关心这些程序将跑在什么样的计算机上，我们只关心它所实现的算法。
• 不计那些循环索引的递增和循环终止条件、变量声明、打印结果等操作。最终，在分析程序的运行时间时，最重要的是把程序看成是独立于设计语言的算法或一系列的步骤。
• 在分析一个算法的运行时间时，重要的是把基本操作的数量和输入模式关联起来。

函数的渐进增长

判断以下两个算法A和算法B哪个更好？

假设两个算法的输入规模都是n，算法A要做2n+3次操作，算法B要做3n+1次操作，哪个更好？

规模	算法A1(2n+3)	算法A2（2n）	算法B1（3n+1）	算法B2（3n）
n=1	5	2	4	3
n=2	7	4	7	6
n=3	9	6	10	9
n=10	23	20	31	30
n=100	203	200	301	300

当n=1时，算法A1效率不如算法B1，当n=2时，两者效率相同；当n>2时，A1算法优于B1算法，随着n的继续增加，算法A!比算法B1逐步拉开差距。所以总体上算法A1比算法B1优秀。

函数的渐进增长:给定两个函数f(n)和g(n),如果存在一个整数N,使得对所有的n>N,f(n)总是比g(n）大，那么我们说f(n)的增长渐进快于g（n）。

最高

判断一个算法的效率时，函数中的常数和其他次要项常常可以忽略，而更应该关注主项（最高项）的阶数。

算法时间复杂度：

算法时间复杂度的定义: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)= 0(f(n))。它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐近时间复杂度，简称为时间复杂度。其中f(n)是问题规模n的某个函数。

这样用大写O()来体现算法时间复杂度的记法，我们称之为大0记法。一般情况下，随着输入规模n的增大，T(n)增长
最慢的算法为最优算法。

推导大O阶方法
那么如何分析一个算法的时间复杂度呢?即如何推导大O阶呢?我们给大家整理了以下攻略:

一用常数1取代运行时间中的所有加法常数。
一在修改后的运行次数函数中，只保留最高阶项。

—如果最高阶项存在且不是1，则去除与这个项相乘
的常数。
一得到的最后结果就是大O阶。

线性阶

一般含有非嵌套循环涉及线性阶，线性阶就是随着问题规模n的扩大，对应计算次数呈直线增长。

常见的时间复杂度

例子	时间复杂度
52634	O(1)	常数阶
3n+4	O(n)	线性阶
3n^2+4n+5	O(n^2)	平方阶
3log(2)n+4	O（logn）	对数阶
2n+3nlog(2)n+14	O(nlogn)	nlogn阶
n^3+2n^2+4n+6	O(n^3)	立方阶
2^n	O（2^n）	指数阶

常用的时间复杂度所耗费的时间从小到大依次是: O(1)<O(logn) < O(n) < O(nlogn) <O(n^2) < O(n^3) < O(2^n) < O(n! ) <O(n^n)

最坏情况与平均情况

• 平均运行时间是期望的运行时间。
• 最坏运行时间是一种保证。在应用中，这是一种最重要的需求，通常除非特别指定，我们提到的运行时间都是最坏情况的运行时间。

算法的空间复杂度

算法的空间复杂度通过计算算法所需的存储空间实现，算法的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。
通常，我们都是用  时间复杂度”来指运行时间的需求，是用“空间复杂度”指空间需求。
当直接要让我们求“复杂度”时，通常指的是时间复杂度。