算法基础——大O表示法

本期主题：
算法的大O表示法

---

---

1.什么是大O表示法

大O表示法是一种特殊的表示方式，指出了算法的速度，指出了最糟情况下的运行时间。
例如去电话本里查找电话，用简单查找的方式就是一个个对比，因此最糟情况下就是所有的都对比完了，因此简单查找的大O表示法就是O(n)。

2.时间复杂度

2.1 时间复杂度定义

时间复杂度是指输入的数据大小为N时，算法运行所花费的时间。注意以下两点：

• 算法运行所花费的时间不是指算法运行的绝对时间（算法运行绝对时间与各方面有关，无法用来评估算法），而是统计算法的计算操作次数；
• 体现的是计算操作随数据大小N的操作次数变化情况。例如一个算法需要运行10次，或者100次操作，并且不随着输入的变化而变化，那么这个算法的时间复杂度就是常数级O（1）；如果需要N次，100N次，那么算法的时间复杂度就是O（N）；

2.2 常见算法的时间复杂度

• 二分查找法，O(log n)
• 简单查找，线性时间，O(n)
• 快速排序，O(n * log n)
• 选择排序，O(n²)
• 旅行商问题，O(n!)

这些算法在以后的文章中一一详细描述

1.二分查找法示例：
在一个有序的容器中，不停缩小寻找范围，搜索找到最终的元素，看下面这个例子：

#!/usr/bin/python
# -*- coding:utf-8 -*-

# 二分查找
def binary_search(list, target_item):
    i = 1
    low = 0
    high = len(list) - 1
    while (low <= high):
        mid = int((low+high) / 2)
        tmp = list[mid]
        if (tmp == target_item):
            print("find the correct item, use %d times" % i)
            break
        elif (tmp < target_item):
            low = mid
        else:
            high=mid
        print("%d times, low %d, high %d" % (i, low, high))
        i+=1

def main():
    item_list=[1,2,3,4,5,6,7,8,11,15]
    binary_search(item_list, 5)
if __name__ == "__main__":
    main()

3.数组与链表对比

从内存的角度而言，数组放在内存中的连续地址的元素，而链表是可以拆分开的元素，地址不需要连续。

	数组	链表	备注
读取	O(1)	O(n)	链表需要从第一个元素找起，才能找到最后一个元素，而数组由于位置关系是固定的，所以可以直接找到
插入	O(n)	O(1)	数组最差的插入情况是需要在第一个元素前插入元素，这样就导致所有元素的位置都需要移动，而链表的插入，只需要找到有前一个和后一个即可
删除	O(n)	O(1)	与插入方式同理，删除可能是删除第一个元素，所以所有的元素都需要后移