本文介绍了算法的概念，强调其在解决问题中的重要性。文章探讨了如何选择最佳算法，提出了事后统计法和事前分析法，并重点讲解了通过大O阶方法分析算法时间复杂度的步骤。此外，还列举了不同时间复杂度级别的比较，并提供了实战分析中的求解套路，包括for循环、多层嵌套和while条件式。文章最后提到了分析算法所需的数列和对数等数学基础知识。
一、什么是算法？
算法不是特指高大上的数学公式，指的是解决问题的思路方法。生活中处处是算法。
为什么很多算法都会用到数学公式呢？因为这些公式可以减少计算机的运算步骤，锦上添花。
二、有时候一个问题有多种解决思路（多种算法），如何选择出最好的那个呢？
好的算法一般“计算步骤少”+“空间损耗低”+“内外存交互少”；因为用户关注的是快速，所以大家一般只考虑时间复杂度。时间空间大部分时候是冲突的，所以还会用空间换时间。
1）事后统计法：
造测试数据，模拟环境，运行一段时间看看效果，就能找到最好的算法。但是太浪费精力了，吃力不讨好，不是必要不建议使用这种方法。
2）事前分析法：
估算各个算法的运算步骤的数量级（时间复杂度），选一个较优的，这样选出来的算法可能不是最好的，但也不会太差。上线后，如果允许，可以再优化算法找出最优的。
有时候不同的区间算法的性能不同，所以最优的结果可能是多种算法动态并存。
三、如何分析一个算法的时间复杂度呢？（主要看递归循环什么的）
大O阶方法：
1、先得到运算步骤的数学公式
2、用常数1取代运行中所有的加法常数
3、只保留公式中最高阶项部分
4、去除最高阶项想乘的常数
根据算法的思想也可以一步估算出时间复杂度
各种常见时间复杂度耗费时间大小顺序：常数阶O(1) < 对数阶O(logn) &l
最低0.47元/天 解锁文章
1674
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
