第一课:时间复杂度,冒泡排序,选择排序,插入排序,对数器,递归行为,归并排序

左程云算法初级班 第一课

  1. 时间复杂度

    • 常数时间的操作:一个操作如果和数据量没有关系,每次都是固定时间内完成的操作,叫做常数操作。
    • 时间复杂度为一个算法流程中,常数操作数量的指标。常用O(读作big O)来表示。具体来说,在常数操作数量的表达式中,只要高阶项,不要低阶项,也不要高阶项的系数,剩下的部分如果记为f(N),那么时间复杂度为O(f(N))。
    • 评价一个算法流程的好坏,先看时间复杂度的指标,然后再分析不同数据样本下的实际运行时间,也就是常数项时间。

    eg:
    一个简单的理解时间复杂度的例子
    一个有序数组A,另一个无序数组B,请打印B中的所有不在A中的数,A数
    组长度为N,B数组长度为M。
    算法流程1:对于数组B中的每一个数,都在A中通过遍历的方式找一下;
    算法流程2:对于数组B中的每一个数,都在A中通过二分的方式找一下;
    算法流程3:先把数组B排序,然后用类似外排的方式打印所有在A中出现
    的数;
    三个流程,三种时间复杂度的表达…
    如何分析好坏?

    eg分析:
    算法流程一:该算法使用嵌套for循环实现,不难分析其时间复杂度为O(M·N)
    算法流程二:该算法使用二分法进行比遍历,在A中通过二分的方式进行查找的时间复杂度为O(logN),则可得该算法的时间复杂度为O(M·logN)
    算法流程三:第一步,先将B排序(假设排序可做到时间复杂度为:O(M·logM));第二步,预设b指向B[0],a指向A[0],则比较b和a;如果不符合b<=a,则a右移;如果符合b<=a:(1,b=a,不打印b,b右移;2,b<a,打印b,b右移),直到b和a中有一个到达终点,可分析最坏的情况下,b和a全部都到达终点时的时间复杂度为:O(M+N);故可得该算法的时间复杂度为:O(M·logM)+O(M+N);由于样本量不确定,无法进一步确定时间复杂度;如果N很小,可进一步确定为O(M·logM),如果M很小,则可进一步确定为O(N)

  2. 冒泡排序

    • 时间复杂度O(N^2),额外空间复杂度O(1)
    • 代码实现:
    public static void bubbleSort(int[] arr) {
        if (arr == null || arr.length < 2) {
            return;
        }
        for (int e = arr.length - 1; e > 0; e--) {
            for (int i = 0; i < e; i++) {
                if (arr[i] > arr[i + 1]) {
                    swap(arr, i, i + 1);
                }
            }
        }
    }
    
    public static void swap(int[] arr, int i, int j) {
        int tmp = arr[i];
        arr[i] = arr[j];
        arr[j] = tmp;
    }
    
  3. 选择排序

    • 时间复杂度O(N^2),额外空间复杂度O(1)
    • 代码实现:
    public static void selectionSort(int[] arr) {
        if (arr == null || arr.length < 2) {
            return;
        }
        for (int i = 0; i < arr.length - 1; i++) {
            int minIndex = i;
            for (int j = i + 1; j < arr.length; j++) {
                minIndex = arr[j] < arr[minIndex] ? j : minIndex;
            }
            swap(arr, i, minIndex);
        }
    }
    
    public static void swap(int[] arr, int i, int j) {
        int tmp = arr[i];
        arr[i] = arr[j];
        arr[j] = tmp;
    }
    
  4. 插入排序

    • 时间复杂度O(N^2),额外空间复杂度O(1)
    • 代码实现:
    public static void insertionSort(int[] arr) {
        if (arr == null || arr.length < 2) {
            return;
        }
        for (int i = 1; i < arr.length; i++) {
            for (int j = i - 1; j >= 0 && arr[j] > arr[j + 1]; j--) {
                swap(arr, j, j + 1);
            }
        }
    }
    
    public static void swap(int[] arr, int i, int j) {
        int tmp = arr[i];
        arr[i] = arr[j];
        arr[j] = tmp;
    }
    
  5. 对数器

    对数器的概念和使用
    0,有一个你想要测的方法a,
    1,实现一个绝对正确但是复杂度不好的方法b,
    2,实现一个随机样本产生器
    3,实现比对的方法
    4,把方法a和方法b比对很多次来验证方法a是否正确。
    5,如果有一个样本使得比对出错,打印样本分析是哪个方法出

    6,当样本数量很多时比对测试依然正确,可以确定方法a已经正确。

  6. 递归行为

    剖析递归行为和递归行为时间复杂度的估算
    一个递归行为的例子
    master公式的使用
    T(N) = a*T(N/b) + O(N^d)

    1. log(b,a) > d -> 复杂度为O(N^log(b,a))
    2. log(b,a) = d -> 复杂度为O(N^d * logN)
    3. log(b,a) < d 复杂度为O(N^d)
  7. 归并排序

    • 时间复杂度O(N*logN),额外空间复杂度O(N)
    • 代码实现:
    public static void mergeSort(int[] arr) {
        if (arr == null || arr.length < 2) {
            return;
        }
        mergeSort(arr, 0, arr.length - 1);
    }
    
    public static void mergeSort(int[] arr, int l, int r) {
        if (l == r) {
            return;
        }
        int mid = l + ((r - l) >> 1);
        mergeSort(arr, l, mid);
        mergeSort(arr, mid + 1, r);
        merge(arr, l, mid, r);
    }
    
    public static void merge(int[] arr, int l, int m, int r) {
        int[] help = new int[r - l + 1];
        int i = 0;
        int p1 = l;
        int p2 = m + 1;
        while (p1 <= m && p2 <= r) {
            help[i++] = arr[p1] < arr[p2] ? arr[p1++] : arr[p2++];
        }
        while (p1 <= m) {
            help[i++] = arr[p1++];
        }
        while (p2 <= r) {
            help[i++] = arr[p2++];
        }
        for (i = 0; i < help.length; i++) {
            arr[l + i] = help[i];
        }
    }
    

    eg:
    小和问题和逆序对问题
    小和问题
    在一个数组中,每一个数左边比当前数小的数累加起来,叫做这个数组的小和。求一个数组
    的小和。
    例子:
    [1,3,4,2,5]
    1左边比1小的数,没有;
    3左边比3小的数,1;
    4左边比4小的数,1、3;
    2左边比2小的数,1;
    5左边比5小的数,1、3、4、2;
    所以小和为1+1+3+1+1+3+4+2=16
    逆序对问题
    在一个数组中,左边的数如果比右边的数大,则折两个数构成一个逆序对,请打印所有逆序对。

    • 小和问题代码:
    public static int smallSum(int[] arr) {
            if (arr == null || arr.length < 2) {
                return 0;
            }
            return mergeSort(arr, 0, arr.length - 1);
        }
    
        public static int mergeSort(int[] arr, int l, int r) {
            if (l == r) {
                return 0;
            }
            int mid = l + ((r - l) >> 1);
            return mergeSort(arr, l, mid) + mergeSort(arr, mid + 1, r) + merge(arr, l, mid, r);
        }
    
        public static int merge(int[] arr, int l, int m, int r) {
            int[] help = new int[r - l + 1];
            int i = 0;
            int p1 = l;
            int p2 = m + 1;
            int res = 0;
            while (p1 <= m && p2 <= r) {
                res += arr[p1] < arr[p2] ? (r - p2 + 1) * arr[p1] : 0;
                help[i++] = arr[p1] < arr[p2] ? arr[p1++] : arr[p2++];
            }
            while (p1 <= m) {
                help[i++] = arr[p1++];
            }
            while (p2 <= r) {
                help[i++] = arr[p2++];
            }
            for (i = 0; i < help.length; i++) {
                arr[l + i] = help[i];
            }
            return res;
        }
    
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

Timothy Cui

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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