常用低复杂度算法和数据结构

常用低复杂度算法和数据结构

1.查找无序序列中第K大的数：

快速选择算法 O(n) -> O(n*n)。
随机快速选择 O(n)

topK

如果可以一次读取到内存：快速选择，随机快速选择
如果不能一次性读取到内存 使用堆，堆里的节点就是当前已知的topK（O（NlogK））：

• 找到最大的k个数：小根堆
• 找到最小的k个数：大根堆

2.找到序列中的逆序对：

线段树 O(nlogn)
归并排序 O(nlogn)

3.查找序列中的最长递增/递减子序列：

输入：nums = [10,9,2,5,3,7,101,18]
输出：4
解释：最长递增子序列是 [2,3,7,101]，因此长度为 4 。

贪心算法+二分查找 O(nlogn)
并且在遍历到数组中每一个元素时，都可以求出到该元素（包含该元素）的最长递增子序列。

4.查找2个序列的最长公共子序列：

输入：text1 = "abcde", text2 = "agcafe" 
输出：3  
解释：最长公共子序列是 "ace" ，它的长度为 3 。

如果某个序列不包含重复元素，比如text1不包含重复元素，此题可以转成第3题 O(nlogn)：

• 将text2中的元素，改成该元素对应得在text1中得索引，text1中没有得元素则不处理，处理完成后text2 = 0204。
• 则该问题转成了求text2得最长递增子序列。

如果2个序列都可能包含重复元素，则只能使用dp算法 O(n*n)

5.多个有序序列合并成一个有序序列

优先队列 O(nlogk)： k是有序序列数目，n是序列总得元素和。

6.对链表排序

遍历链表，转成数组，然后使用排序函数，最后再将排序后得数组，转成链表。

7.给定一系列区间，在线求出区间最值。

倍增 O(nlogn)预处理 O(1)查出结果

8.最近公共祖先

• 倍增 O(nlogn)

9.字符串hash

将字符串映射成一个数值，这样在比较两字符串是否相等时，只需要O(1)的时间复杂度。
映射方式：

• 在字符串长度比较长，并且包含的字符较多时，一个64位的整数都无法保存一个字符串时，可以将该字符串映射位131进制数，然后mod 2^64 后的整数作为该字符串的表示。

10.图和树的单源最短路径

1.节点之间的距离是相同的：BFS O(m)
2.节点距离为0-1：双端队列优化BFS O(m)
2.节点数目大于边数目：bellman-ford O(nm)或者使用队列改进bellman-ford
3.边数目大于节点数目：dijkstar O(n*n)或者使用优先级队列改进dijkstar O(mlogm)

11.求pow(x,n)

快速幂 o(logN)

12.树的最近公共祖先

后序遍历（递归）o(n)

13.判断链表是否有环，和入环的节点

快慢指针 o(n)

14.最小生成树

1.prim O(n*n)
2.krustal O(mlogm)

15.区间加减

1.线段树 O(nlogn)
2.差分+前缀和 O(n)

16.找到数组中唯一出现奇数次的元素

异或运算 时间O(n) 空间O(1)

17.DP对字符串预处理

可以快速查找我们需要的东西

…更新中