面试时算法怎么讲

要讲算法，算法复杂度就一定要明白。

想象一下，当面试官给你一道题目，你稍加思考，开始娓娓道来。。但是你从何讲起呢？

直接来讲算法思路未免太low，这个时候你要把自己深厚的功底抖出来，（：如果学习不是为了装逼， 那么学习还有什么意义）这个时候就要拿出理论：“这一题我有一个O(n^2)复杂度的解法, 这个方案还可以有一个log(n)的优化···TVT。 ”

从复杂度出发并不是为了装逼， 而是专业素养的体现，从算法复杂度的理论出发去思考问题，找出最优解才是解决算法题的正确姿势。

算法复杂度的计算有点时候会非常困难， 这篇文章会有一些理论的东西，不感兴趣就略过那些好了，反正也碰不到。

首先你要知道，并不是所有的问题都是有解，对于一个问题，也不是所有规模都可以解决。以下几个名词先记住：（理论 ··· TOT）

• P类问题：多项式复杂度内可以被精确解决的，也是面试中的大部分问题。

• NP问题：在多项式复杂度内不能被精确解决，但是可以被不确定机解决(不确定机还只是一个理论，并没有这样的东西。我们一般用随机+检查的方式来解决这类问题，这里检查程序的复杂度要是多项式复杂度)

• NPC问题：没有多项式算法解决这个问题，并且所有的NPC问题可以互相归约，只要一个解决了，其余的都解决了。

• NP-hard问题：符合NPC的定义，但是不属于NP问题，也就是没办法解决。TAT

什么是多项式复杂度？

复杂度分为时间复杂度和空间复杂度，多数情况下我们关心时间复杂度，空间复杂度也会被考虑。

首先你需要知道，普通计算机1秒钟到底能计算多少次？

综合考虑计算机的CPU和内存速度，1秒中大概可以计算10^8 （1e8）次。

当然啦，计算加法和乘法的速度明显是不一样的。所以这个”一次”中做什么并不是严格的，只是大概可以：

for(int i = 0; i < 1e8; i++){ ... }

给出几种复杂度的例子你就大概可以get了。

1. for(int i = 0; i < n; i++){
        for(int j = 0; j < n; j++){
            ...
        }
    }

这样的，复杂度为O(n^2)。（循环内只做简单的运算， 如果内部处理有更大的复杂度也需要乘进复杂度中。）

2. for(int i = 0; i < n; i++){
        for(int j = 0; j  < n; j *= 2 ){
            ...
        }
    }

这样的复杂度就是O(nlogn), 这里的log一般都是以2为底。

在实际代码中，会有很多操作，比如给一些数组赋初值啊等等，我们可以得到一个复杂度的式子。

比如我们有一个n大小的数组，我们要初始化成1。然后我们对这个数组做了3次两层循环的操作。所以我们得到了复杂度的式子是：n + 3*n^2

这就是多项式复杂度。

在计算复杂度的时候，我们只关心最高次项， 也就是这里的3*n^2， 并且忽略常数，也就是3。 最后得到的复杂度是：O(n^2)

常用的算法都有固定的复杂度，掌握他们的复杂度，可以把握这种算法到底能解决多大的问题，也能因地制宜的正确的使用算法。

你可以写一个计算1+1 的for循环，看看你的电脑1s到底能跑多少次TWT

（其实你的编译器会把这种傻逼的行为优化掉，所以你最好每次计算的时候都算不一样的数。比如每次都计算i+i 的值）