刷题知识点笔记（2021/3/7更新）

源自微信公众号：代码随想录

算法性能分析

时间复杂度

• 定义：假设算法的问题规模为n，那么操作单元数量便用函数f(n)来表示，随着数据规模n的增大，算法执行时间的增长率和f(n)的增长率相同，这称作为算法的渐近时间复杂度，简称时间复杂度，记为O(f(n))。
• 算法导论给出的解释：「大O用来表示上界的」，当用它作为算法的最坏情况运行时间的上界，就是对任意数据输入的运行时间的上界。
• 面试中说道算法的时间复杂度是多少指的都是一般情况。（如下图）
  
• 我们说的时间复杂度都是省略常数项系数的，是因为一般情况下都是默认数据规模足够的大。如下图中可以看出不同算法的时间复杂度在不同数据输入规模下的差异。
  -
• 平时说这个算法的时间复杂度是logn的，那么一定是log 以2为底n的对数么？其实不然，也可以是以10为底n的对数，也可以是以20为底n的对数，「但我们统一说 logn，也就是忽略底数的描述」。
• leetcode超时?来看看自己的计算机一秒钟可以跑多大的n?
  
  测试代码如下：

#include <iostream>
#include <chrono>
#include <thread>
using namespace std;
using namespace chrono;
// O(n)
void function1(long long n) {
    long long k = 0;
    for (long long i = 0; i < n; i++) {
        k++;
    }
}

// O(n^2)
void function2(long long n) {
    long long k = 0;
    for (long long i = 0; i < n; i++) {
        for (long j = 0; j < n; j++) {
            k++;
        }
    }

}
// O(nlogn)
void function3(long long n) {
    long long k = 0;
    for (long long i = 0; i < n; i++) {
        for (long long j = 1; j < n; j = j * 2) { // 注意这里j=1
            k++;
        }
    }
}
int main() {
    long long n; // 数据规模
    while (1) {
        cout << "输入n：";
        cin >> n;
        milliseconds start_time = duration_cast<milliseconds >(
            system_clock::now().time_since_epoch()
        );
        function1(n);
//        function2(n);
//        function3(n);
        milliseconds end_time = duration_cast<milliseconds >(
            system_clock::now().time_since_epoch()
        );
        cout << "耗时:" << milliseconds(end_time).count() - milliseconds(start_time).count()
            <<" ms"<< endl;
    }
}

• 理解递归的时间复杂度
  递归算法的时间复杂度本质上是要看： 「递归的次数 * 每次递归中的操作次数」。
  想一想如何实现求x的n次方，如何做到用O(logn)的时间复杂度。
  具体分析见微信公众号

int function4(int x, int n) {
    if (n == 0) {
        return 1;
    }
    int t = function4(x, n / 2);// 这里相对于function3，是把这个递归操作抽取出来
    if (n % 2 == 1) {
        return t * t * x;
    }
    return t * t;
}

数组

• 定义：数组是存放在连续内存空间上的相同类型数据的集合。
• 二位数组中其实是一个线性数组存放着 其他数组的首地址。
  
  所以二维数据在内存中不是 3*4 的连续地址空间，而是四条连续的地址空间组成！

编号35：搜索插入位置

解析：搜索插入位置解析

• 「只要看到面试题里给出的数组是有序数组，都可以想一想是否可以使用二分法。」
• int middle = left + ((right - left) / 2);// 防止溢出 等同于(left + right)/2
• 二分查找法中边界条件处理：对区间的处理要保持不变量，即循环不变量，非正式的说，一个循环不变量是指在循环开始和循环中每一次迭代时永远为真的量，这意味着在循环中和循环结束时循环不变量和循环终止条件必须同时成立。
  举例：

1. 区间为[left , right]，即左闭右闭区间的时候，while(left <= right)，当left==right，区间[left, right]依然有效
2. 区间为[left , right]，即左闭右开区间的时候，while(left < right)， 因为left == right的时候，在[left, right)是无效的空间，所以不加等号