数据算法_数据结构和算法

922aa9926a714205d4f533330a54a9b3.png

​数据结构和算法

数据结构是为算法服务的,算法要作用在特定的数据结构。

e0143d8c86ac53b0de5214146b091ddc.png

10个数据结构:数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie树;

10个算法:递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法。

时间复杂度和空间复杂度分析

数据结构和算法本身就是为了解决“快”和“省”的问题。让代码运行更快,更省储存空间。那首先我们就要先了解自己写的代码复杂度,这里就需要用到时间复杂度和空间复杂度分析。

时间复杂度

表示代码执行时间随数据规模增长的变化趋势

空间复杂度

表示算法的存储空间与数据规模之间的增长关系

大O复杂度表示法:

分析技巧:

  1. 1、只关注执行次数最多的一段代码
  2. 2、加法规则:量级最大代码的复杂度
  3. 3、乘法规则:嵌套代码的复杂度等于内外复杂度的乘积

T(n)代码执行时间,O(f(n))表示代码执行次数

  1. T(n) = O(f(n))

常用的复杂度级别

多项式阶:随着数据规模的增长,算法的执行时间和空间占用,按照多项式的比例增长,包括,O(1)(常数阶)、O(logn)(对数阶)、O(n)(线性阶)、O(nlogn)(线性对数阶)、O(n^2)(平方阶)、O(n^3)(立方阶)。

非多项式阶:随着数据规模的增长,算法的执行时间和空间占用暴增,这列算法性能极差。包括,O(2^n)(指数阶)、O(n!)(阶乘阶)

529065482e291eea1e8fe233e9dc12fb.png

复杂度分析的四个概念

  • 最坏情况时间复杂度:代码在最坏情况下执行的时间复杂度。
  • 最好情况时间复杂度:代码在最理想情况下执行的时间复杂度。
  • 平均时间复杂度:用代码在所有情况下执行的次数的加权平均值表示。
  • 均摊时间复杂度:在代码执行的所有复杂度情况中绝大部分是低级别的复杂度,个别情况是高级别复杂度且发生具有时序关系时,可以将个别高级别复杂度均摊到低级别复杂度上。基本上均摊结果就等于低级别复杂度。

参考

https://blog.csdn.net/EllieYaYa/article/details/82852743#1_6

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值