复杂度、对数器、二分法

认识复杂度、对数器、二分法

评估算法优劣的核心指标是什么？

时间复杂度（流程决定）、额外空间复杂度（流程决定）、常数项时间（实现细节决定）

时间复杂度

常数时间的的操作（固定时间）

例如1：int a int b （a和b都是固定位数的（由int决定））,a+b 或者减乘除都是一样的不管这个数字本身多复杂 都是固定时间。

例如2：寻址操作
int[一千万] 现在要找int[2百万]和int[8百万]，耗费时间是差不多的。知道偏移量即可。
tips：在数组中我们常常认为数组是连续的一片空间，但这里可能会有些许不同就是先分配200万个连续的再指向下一个500万，等等。（这种情况在数组很大的时候可能存在）

位运算、赋值等等。总之执行时间固定的都是常数时间操作，执行时间不固定的都是非常数时间操作。

非常数时间（非固定时间）

linked list 链表的跳转结构。（上一个会指向下一个的地址）
例如，还是1千万长度 但是我要知道200的位置的数据就没法通过偏移量直接知道，因此找到200万和800万位置的时间是不同的。
举个例子
在链表中我用list.get(i)

for (i=0;i < n;i++){
    list.get(i)
}

由于每次get(i)方法在链表中找i的时候是每次都重新在0开始找到第i个位置，再加上外面的for循环，因此这里的时间复杂度就是O(N^2)

列流程的时候一定要保证每一步都是固定时间。

如果数据的不同会影响时间复杂度，那就要用最差的情况来表示时间复杂度。

时间复杂度：（最重要）

将问题分解成最小的++常数时间++操作，关注最高阶的结果。例如选择排序、冒泡排序，插入

额外空间复杂度

如果额外开辟的空间只是几个变量 则为O(1) 常数时间，我们看到有几个常数变量，如果这个变量数量不清楚就会变成了O(N)。

例如在哈希表中，如果每个变量都不一样，则找出谁出先次数最多的的额外空间复杂度就是O(N)。

tips：用户传进来的数据 以及他要求返回的数据都不算做额外空间。只是我们在设计流程中所需要额外的变量空间才算额外空间。

常数项时间

时间复杂度指标常常会忽略低阶项和常数项。
拼常数项的时候直接实测 不用理论分析。
因为，某些运算本身就是运算效率不同的例如加减乘除和位运算。位运算更快。

最优解：时间复杂度最好的情况下、空间复杂度优秀、常数项几乎不用管了（面试官一般不管）。

对数器

二分法

经典题目，在一个有序数组中找一个数存不存在。
[12356789] 找3存不存在？
如果遍历找到，时间复杂度O(N)。
用二分法 就是先看中间一个数是比3大还是小 然后只看某一边。

代码中有个注意点：
mid= (L + R)/2 这种方法最好不要写，不安全 有溢出的风险。因为假设计算到右边时R=20亿,L=18亿 两者一加结果就会溢出。
最好改成mid=L + (R-L) >> 1 或者是(L/2 + R/2)也不推荐两次除