目录
大O和推导过程
公司规模的概述
公司可以按照规模分为:小型/中型/大型企业
在不说明具体员工人数或者占地面积的情况下,我们可以通过这样大概的概念来描述企业的规模
大O表示法
- 在算法的描述中,我们也可以通过类似的快捷方式来描述计算机的算法效率
- 在计算机中,这种粗略的变量被称为 大O表示法
- 在数据各项发生变化时,算法的效率会跟着发生改变
- 所以我们通常使用一种 算法的速度会如何跟随着数据量变化的、
推导大O表示法的方式
- 用常量1取代运行时间中所有的加法常量
- 在修改后运行次数函数中。只保留最高的阶级
- 如果最高存在且不为1,则去除与这个项相乘的常量
冒泡排序
冒泡排序算法相对其他排序运行效率较低, 但是在概念上它是排序算法中最简单的.
冒泡排序的思路:
- 对未排序的各元素从头到尾依次比较相邻的两个元素大小关系
- 如果左边的队员高, 则两队员交换位置
- 向右移动一个位置, 比较下面两个队员
- 当走到最右端时, 最高的队员一定被放在了最右边
- 按照这个思路, 从最左端重新开始, 这次走到倒数第二个位置的队员即可.
- 依次类推, 就可以将数据排序完成
思路再分析:
- 第一次找出最高人放在最后, 我们需要两个两个数据项进行比较, 那么这个应该是一个循环操作.
- 第二次将次高的人找到放在倒数第二个位置, 也是两个比较, 只是不要和最后一个比较(少了一次), 但是前面的两个两个比较也是一个循环操作.
- 第三次...第四次...
- 有发现规律吗? 这应该是一个循环中嵌套循环, 并且被嵌套的循环次数越来越少的.
冒泡排序的实现
<script>
let arr = [3, 8, 7, 4, 11, 62, 5]
/*
第一次 j=length-1 比较到倒数读一个位置
第二次 j=length-2 比较到倒数读二个位置
*/
function bubblesSort(arr) {
//获取数组长度
let len = arr.length
/* 第一次进来,i=0,比较0和1的位置的两个数据, 如果0的位置,大于1的位置交换数据
最后一次进来,i=length-2, 比较length-2,和length-1的数据
*/
for (let j = len - 1; j >= 0; j--) {
for (let i = 0; i < j; i++) {
if (arr[i] > arr[i + 1]) {
//交互数据
let temp = arr[i]
arr[i] = arr[i + 1]
arr[i + 1] = temp
}
}
}
return arr
}
console.log(bubblesSort(arr));
</script>
代码解析:
- 获取数组的长度.
- 我们现在要写的外层循环, 外层循环应该让i依次减少, 因此我们这里使用了反向的遍历.
- 内层循环, 内层循环我们使用 j < i. 因为上面的i在不断减小, 这样就可以控制内层循环的次数.
- : 比较两个数据项的大小, 如果前面的大, 那么就进行交换.
冒泡排序的效率 O(N²)
- 冒泡排序的比较次数:
- 如果按照上面的例子来说, 一共有7个数字, 那么每次循环时进行了几次的比较呢?
- 第一次循环6次比较, 第二次5次比较, 第三次4次比较....直到最后一趟进行了一次比较.
- 对于7个数据项比较次数: 6 + 5 + 4 + 3 + 2 + 1
- 对于N个数据项呢? (N - 1) + (N - 2) + (N - 3) + ... + 1 = N * (N - 1) / 2
- 大O表示法:
- 大O表示法是描述性能和复杂度的一种表示方法.
- 推导大O表示法通常我们会使用如下规则:
- 用常量1取代运行时间中的所有加法常量
- 在修改后的运行次数函数中, 只保留最高阶项
- 如果最高阶项存在并且不是1, 则去除与这个项相乘的常数.
- 通过大O表示法推到过程, 我们来推到一下冒泡排序的大O形式.
- N * (N - 1) / 2 = N²/2 - N/2,根据规则2, 只保留最高阶项, 编程N² / 2
- N² / 2, 根据规则3, 去除常量, 编程N²
- 因此冒泡排序的大O表示法为O(N²)
- 冒泡排序的交换次数:
- 如果有两次比较才需要交换一次(不可能每次比较都交换一次.), 那么交换次数为N² / 4
- 由于常量不算在大O表示法中, 因此, 我们可以认为交换次数的大O表示也是O(N²)
选择排序
选择排序的思路
-
选择排序的思路:
- 选定第一个索引位置,然后和后面元素依次比较
- 如果后面的队员, 小于第一个索引位置的队员, 则交换位置
- 经过一轮的比较后, 可以确定第一个位置是最小的
- 然后使用同样的方法把剩下的元素逐个比较即可
- 可以看出选择排序,第一轮会选出最小值,第二轮会选出第二小的值,直到最后
思路再分析:
- 选择排序第一次将第0位置的人取出, 和后面的人(1, 2, 3...)依次比较, 如果后面的人更小, 那么就交换.
- 这样经过一轮之后, 第一个肯定是最小的人.
- 第二次将第1位置的人取出, 和后面的人(2, 3, 4...)依次比较, 如果后面的人更小, 那么就交换.
- 这样经过第二轮后, 第二个肯定是次小的人.
- 第三轮...第四轮...直到最后就可以排好序了
- 外层循环依次取出0-1-2...N-2位置的人作为index(N-1不需要取了, 因为只剩它一个了肯定是排好序的)
- 内层循环从index+1开始比较, 直到最后一个.
选择排序实现
<script>
let arr = [3, 8, 7, 4, 11, 62, 5]
function slectionSort(arr) {
//获取数长度
let len = arr.length
// 外层循环:从0开始获取数据
for (let j = 0; j < arr.length - 1; j++) {
let min = j
// 内层循环:从 i+1位置开始,和后面的数据进行比较
for (let i = min + 1; i < len; i++) {
//如果i的为位置数据大于j的位置数据,那么记录最小位置
if (arr[min] > arr[i]) {
min = i
}
let temp = arr[min]
arr[min] = arr[j]
arr[j] = temp
}
}
return arr
}
console.log(slectionSort(arr));
</script>
代码解析:
- 依然获取数组的长度.
- 外层循环, , 需要从外层循环的第0个位置开始, 依次遍历到length - 2的位置.
- 先定义一个min, 用于记录最小的位置, 内层循环, 内层循环是从i+1位置开始的数据项, 和i位置的数据项依次比较, 直到length-1的数据项.
- 如果比较的位置i的数据项, 大于后面某一个数据项, 那么记录最小位置的数据.
- : 将min位置的数据, 那么i位置的数据交换, 那么i位置就是正确的数据了.
选择排序的效率 O(N²)
- 选择排序的比较次数:
- 选择排序和冒泡排序的比较次数都是N*(N-1)/2, 也就是O(N²).
- 选择排序的交换次数:
- 选择排序的交换次数只有N-1次, 用大O表示法就是O(N).
- 所以选择排序通常认为在执行效率上是高于冒泡排序的.
插入排序
插入排序的思路
-
局部有序:
- 插入排序思想的核心是局部有序.
- 比如在一个队列中的人, 我们选择其中一个作为标记的队员. 这个被标记的队员左边的所有队员已经是局部有序的.
- 这意味着, 有一部门人是按顺序排列好的. 有一部分还没有顺序.
-
插入排序的思路:
- 从第一个元素开始,该元素可以认为已经被排序
- 取出下一个元素,在已经排序的元素序列中从后向前扫描
- 如果该元素(已排序)大于新元素,将该元素移到下一位置
- 重复上一个步骤,直到找到已排序的元素小于或者等于新元素的位置
- 将新元素插入到该位置后, 重复上面的步骤.
思路再分析:
- 插入排序应该从下标值1开始(因为0位置默认可以被认为是有序的)
- 从1位置开始取出元素, 并且判断该元素的大小和0位置进行比较, 如果1位置元素小于0位置元素, 那么交换, 否则不交换.
- 上面步骤执行完成后, 0 - 1位置已经排序好.
- 取出2位置的元素, 和1位置进行比较:
- 如果2位置元素大于1位置元素, 说明2位置不需要任何动作. 0 - 1 - 2已经排序好.
- 如果2位置元素小于1位置元素, 那么将1移动到2的位置, 并且2继续和0进行比较.
- 如果2位置元素大于0位置的元素, 那么将2位置放置在1的位置, 排序完成. 0 - 1 - 2搞定.
- 如果2位置元素小于1位置的元素, 那么将0位置的元素移动到1位置, 并且将2位置的元素放在0位置, 0 - 1 - 2搞定.
- 按照上面的步骤, 依次找到最后一个元素, 整个数组排序完成.0
插入排序的实现
<script>
let arr = [3, 8, 7, 4, 11, 62, 5]
function insertSort(arr) {
//获取数长度
let len = arr.length
// 外层循环从第一个位置开始获取数据,向前面局部有序的进行插入
for (let i = 1; i < len; i++) {
//内层循环:获取i位置的元素,和前面的一次进行比较
let temp = arr[i]
let j = i
while (arr[j - 1] > temp && j > 0) {
arr[j] = arr[j - 1]
j--
}
arr[j] = temp
}
return arr
}
console.log(slectionSort(arr));
</script>
- · 获取数组的长度.
- 外层循环, 从1位置开始, 因为0位置可以默认看成是有序的了.
- 记录选出的i位置的元素, 保存在变量temp中. i默认等于j
- 内层循环
- 内层循环的判断j - 1位置的元素和temp比较, 并且j > 0.
- 那么就将j-1位置的元素放在j位置.
- j位置向前移.
- :将目前选出的j位置放置temp元素.
插入排序的效率 O(N²)
- 插入排序的比较次数:
- 第一趟时, 需要的最多次数是1, 第二趟最多次数是2, 依次类推, 最后一趟是N-1次.
- 因此是1 + 2 + 3 + ... + N - 1 = N * (N - 1) / 2.
- 然而每趟发现插入点之前, 平均只有全体数据项的一半需要进行比较.
- 我们可以除以2得到 N * (N - 1) / 4. 所以相对于选择排序, 其他比较次数是少了一半的.
- 插入排序的复制次数:
- 第一趟时, 需要的最多复制次数是1, 第二趟最多次数是2, 依次类推, 最后一趟是N-1次.
- 因此是1 + 2 + 3 + ... + N - 1 = N * (N - 1) / 2.
- 对于基本有序的情况
- 对于已经有序或基本有序的数据来说, 插入排序要好很多.
- 当数据有序的时候, while循环的条件总是为假, 所以它变成了外层循环中的一个简单语句, 执行N-1次.
- 在这种情况下, 算法运行至需要N(N)的时间, 效率相对来说会更高.
- 我们的比较次数是选择排序的一半, 所以这个算法的效率是高于选择排序的.。