嗷~算法中的时间复杂度

目录:
前言
时间复杂度
时间复杂度的概念
大0的渐进表达法
算法中的时间复杂度
二分查找中的时间复杂度
利用时间复杂度写代码
总结

一.前言

本章介绍的是时间复杂度，我们直奔主题吧。

二.时间复杂度

1.时间复杂度的概念

算法中的基本操作的执行次数，为算法的时间复杂度。

2.大o的渐进表达法

实际中我们计算时间复杂度时，我们其实并不一定要计算精确的执行次数，而只需要大概执行次数，那么这里我们使用大O渐进表达法:
1、用常数1取代运行时间中的所有加法常数。
2、在修改后的运行次数函数中，只保留最高阶项。
3、如果最高阶项存在且不是1，则去除与这个项目相乘的常数。得到的结果就是大O阶。

例如：在一个长度为N数组中搜索一个数据x
最好情况：1次找到
最坏情况：N次找到
平均情况：N/2次找到

3.算法中的时间复杂度

其中F(N)=2N+10;
所以Func2的时间复杂度为O(N);

Func3的时间复杂度没O(M+N);

其循环的次数为常数，
Func4的时间复杂的是O(1);

这里直到N为1时才结束，其中递归了N-1次
故Factorial的时间复杂度为O(N)


从图可以看出N最后减到了0其中经历了N个过程，但每个过程又发生着递归。F(N)=2^0 +…2^{N,等比求和为F(N)=2}(N) -1
所以Fibonacci的时间复杂度为O(2^N)

4.二分查找法中的时间复杂度

二分查找就是折半查找，先对折来判断然后再对折。
情况最好的时候第一次就找到
情况最坏的时候要找x次，也就是说找一次对折一下，找了x次对折了x次下，N/2/2/2/2/2……=1 —> N=222*2…… 每除2就对折一次
所以 N=2^x —> x=logN (这是以2为底) 所以对折了logN(这是以2为底)
所以这个时间复杂的为O(logN(以2为底))

三.利用时间复杂度写代码

题一:

时间复杂要求O(N）

法一:
根据题意，我们可以把0到n的数加起来然后减去数组中所以的数。
法二:
根据题意，我们把0到n的数全部异或(^)然后再和数组中的数来异或.。
最后得出来的数就是缺失的数字。

题二:



这题也是先把数组中的数字全部异或，异或的数就是那两个只出先了一次数字异或来的，而这个异或的数字的二进制形式中有1的比特位上，这两个数字相同的比特位上必然有一个有一个没有。
如图:

然后把那两个单独出现数字，异或出的数字的二进制形式上有1的比特位上的数字分配为一组，没有1的比特位上的数字分配为一组，分别异或就可以得到那两个单独出现的数字了。

总结

整个文章写到这里，这些都是学习笔记，肯定有不妥的地方，欢迎留言指出。