目录
什么是数据结构与算法
1.什么是数据结构
数据结构结构 = 数据+结构(数据是存储在计算机上的描述客观事物的符号,结构包括数据的逻辑结构和存储结构),数据结构可以看成是描述和组织数据的方式(之前学过的数组就是一种数据结构)
2.什么是算法
没错,就是你想的那个~程序滴灵魂所在~
3.数据结构与算法的关系
数据结构和算法不是一回事,数据结构是算法的基础,有了数据结构,不一定有算法。比如数据结构为数组,数组用来描述和组织数据,而使用数组可以写出冒泡排序等算法。
算法的复杂度
世上算法千千万万,要想辨别算法的好坏就需要用到时间复杂度和空间复杂度,求算法的复杂度一般都是求最坏情况下的。
1.大O的渐进表示法
大 O 符号 是用于描述函数渐进行为的符合,实际中我们计算复杂度时,其实并不一定要计算到精确的数字,只需要一个大概的数字,我们可以 使用大 O 的渐进表示法。大 O 的渐进表示法有以下几点规则:1、用常数1取代所有加法常数。(如:n+2+300➜n +1+1)2、在修改后的函数中,只保留最高阶项。(如:1+n+n^2➜ n^2)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。(如:2n+3n^2+300➜ n^2)2.时间复杂度
时间复杂度用来衡量算法的运行时间。时间是不好直接测出来滴,但我们知道一个算法所花费的时间与其中语句的执行次数成正比例,故可以把算法中的基本操作的执行次数作为算法的时间复杂度。时间复杂度的计算规则一般使用大O渐进表示法。
计算阶乘递归factorial的时间复杂度:
public class Test { long factorial(int n) { return n < 2 ? n : factorial(n-1) * n; } }
递归的时间复杂度:递归的次数 * 每次递归后执行的次数
故阶乘递归factorial的时间复杂度为:n * 1 = O(n)
3.空间复杂度
空间复杂度用来衡量算法消耗内存的大小 。空间复杂度不是程序占用了多少 bytes 的空间,而是变量的个数。空间复杂度计算规则基本跟时间复杂度类似,也使用大O 渐进表示法 。计算阶乘递归factorial的空间复杂度:public class Test { long factorial(int n) { return n < 2 ? n : factorial(n-1) * n; } }
递归的空间复杂度需要算上在栈上开辟的最大空间
故阶乘递归factorial的空间复杂度为O(N)