数据结构时间复杂度

数据结构时间复杂度

代码优化效率

优化目标：衡量程序运行的效率

• 时间复杂度 & 空间复杂度：关注时间或者空间消耗量与输入数据量之间的关系

计算方法

• 复杂度与具体的常系数无关
• 多项式级的复杂度相加时，选择高者作为结果
• $O(1)$ 也表示一个特殊复杂度，与输入数据量 $n$ 无关

复杂度与程序之间的关系

• 时间复杂度与 代码结构 高度相关
  • 一个顺序结构的代码，时间复杂度是 $O(1)$
  • 二分查找，采用分而治之的二分策略，时间复杂度是 $O(logn)$
  • 一个简单的for循环，时间复杂度是 $O(n)$
  • 两个顺序执行的for循环，时间复杂度是 $O(n)$
  • 两个嵌套的for循环，时间复杂度是 $O(n^2)$
• 空间复杂度与 数据结构的选择 高度相关

如何降低复杂度呢？

• 第一步：暴力解法。在没有任何时间、空间约束下，完成代码任务的开发。
• 第二步：无效操作处理。将代码中的无效计算，无效存储剔除，降低时间或空间复杂度。
• 第三步：时空转换。设计合理数据结构，完成时间复杂度向空间复杂度的转移。

数据处理基本操作：增删查

• 前提：要想灵活使用数据结构，需要先弄清楚数据在代码中被处理、加工的最小单位动作，也就是数据结构的基本操作。

• 代码对数据的处理（可操作性类型少），而数据处理的操作就是找到需要处理的数据，计算结果，再进行保存即可。总结如下：

  • 找到要处理的数据。这就是按照某些条件进行查找。
  • 把结果存到一个新的内存空间中。这就是在现有数据上进行新增。
  • 把结果存到一个已使用的内存空间中。这需要先删除内存空间中的已有数据，再新增新的数据。

• 基于数据处理操作分析，所有的代码对数据的处理也只有这 3 个基本操作（增删查），如何进行分析找到解决问题的最优方案呢？

  • 首先，这段代码对数据进行了哪些操作？
  • 其次，这些操作中，哪个操作最影响效率，对时间复杂度的损耗最大？
  • 最后，哪种数据结构最能帮助你提高数据操作的使用效率？

数据结构的时间复杂度