文章目录
1 定义
1.1 数据结构(Data structure)
是计算机存储、组织数据的方式,指相互之间存在一种或多种特定关系的数据元素的集合。
1.2 算法(Algorithm):
就是定义良好的计算过程,他取一个或一组的值为输入,并产生出一个或一组值作为输出。简单来说算法就是一系列的计算步骤,用来将输入数据转化成输出结果。
1.3 时间复杂度
算法中的基本操作的执行次数,用来衡量一个算法的运行快慢
1.4 空间复杂度
衡量一个算法运行所需要的额外空间
1.5 大O渐进法
估算大概的执行次数
大O符号:是用于描述函数渐进行为的数学符号。
推导大O阶方法:
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
O(1)表示执行次数是常数次,不是1次
2 练习
二分查找
// 二分查找
int BinarySearch(int* a, int n, int x)
{
assert(a);
int begin = 0;
int end = n;
while (begin < end)
{
int mid = begin + ((end-begin)>>1);
if (a[mid] < x)
begin = mid+1;
else if (a[mid] > x)
end = mid;
else
return mid;
}
return -1;
}
时间复杂度:
最好情况:一次找到,O(n)
最坏情况:找的数没在数组中,找了x次说明除了x个2,2x=N,x=log2N,O(log2n)
阶乘递归
// 计算阶乘递归Fac的时间复杂度?
long long Fac(size_t N)
{
if(0 == N)
return 1;
return Fac(N-1)*N;
}
递归算法:递归次数*每次递归调用的次数
递归,一共执行了N次,O(n)
斐波那契算法
// 计算斐波那契递归Fib的时间复杂度?
long long Fib(size_t N)
{
if(N < 3)
return 1;
return Fib(N-1) + Fib(N-2);
}
时间复杂度:每次递归调用的次数=常数,递归次数=2n-1-x(等比),时间复杂度=O((2n-1-x)*1)=O(2n)
空间复杂度:O(n),空间是可以重复利用的
冒泡排序
// 计算BubbleSort的空间复杂度?
void BubbleSort(int* a, int n)
{
assert(a);
for (size_t end = n; end > 0; --end)
{
int exchange = 0;
for (size_t i = 1; i < end; ++i)
{
if (a[i-1] > a[i])
{
Swap(&a[i-1], &a[i]);
exchange = 1;
}
}
if (exchange == 0)
break;
}
}
空间复杂度:开辟了常数个变量,内层循环的i只开辟了一次空间,O(1)