iOS面试题系列之算法

1.时间复杂度

时间频度 一个算法执行所耗费的时间,从理论上是不能算出来的,必须上机运行测试才能知道.但我们不可能也没有必要对每个算法都上机测试,只需知道哪个算法花费的时间多,哪个算法花费的时间少就可以了.并且一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,它花费时间就多.一个算法中的语句执行次数称为语句频度或时间频度.记为T(n).

时间复杂度 一般情况下,算法中基本操作重复执行的次数是问题规模n的某个函数,用T(n)表示,若有某个辅助函数f(n),使得当n趋近于无穷大时,T（n)/f(n)的极限值为不等于零的常数,则称f(n)是T(n)的同数量级函数.记作T(n)=O(f(n)),称O(f(n)) 为算法的渐进时间复杂度,简称时间复杂度.

在各种不同算法中,若算法中语句执行次数为一个常数,则时间复杂度为O(1),另外,在时间频度不相同时,时间复杂度有可能相同,如T(n)=n2+3n+4与T(n)=4n2+2n+1它们的频度不同,但时间复杂度相同,都为O(n2).

按数量级递增排列,常见的时间复杂度有： O(1)称为常量级，算法的时间复杂度是一个常数。 O(n)称为线性级，时间复杂度是数据量n的线性函数。 O(n²)称为平方级，与数据量n的二次多项式函数属于同一数量级。 O(n³)称为立方级，是n的三次多项式函数。 O(logn)称为对数级，是n的对数函数。 O(nlogn)称为介于线性级和平方级之间的一种数量级 O(2ⁿ)称为指数级，与数据量n的指数函数是一个数量级。 O(n!)称为阶乘级，与数据量n的阶乘是一个数量级。 它们之间的关系是： O(1)<O(logn)<O(n)<O(nlogn)<O(n²)<O(n³)<O(2ⁿ)<O(n!)，随着问题规模n的不断增大,上述时间复杂度不断增大,算法的执行效率越低.

2.空间复杂度

评估执行程序所需的存储空间。可以估算出程序对计算机内存的使用程度。不包括算法程序代码和所处理的数据本身所占空间部分。通常用所使用额外空间的字节数表示。其算法比较简单，记为S(n)=O(f(n))，其中，n表示问题规模。

3.常用的排序算法

选择排序、冒泡排序、插入排序三种排序算法可以总结为如下： 都将数组分为已排序部分和未排序部分。 选择排序将已排序部分定义在左端，然后选择未排序部分的最小元素和未排序部分的第一个元素交换。 冒泡排序将已排序部分定义在右端，在遍历未排序部分的过程执行交换，将最大元素交换到最右端。 插入排序将已排序部分定义在左端，将未排序部分元的第一个元素插入到已排序部分合适的位置。
想要领取免费面试资料的可以进裙或者加好友领取，这里有一个iOS交流圈：563513413可以来了解，分享BAT,阿里面试题、面试经验，讨论技术，裙里资料直接下载就行， 大家一起交流学习！

/**   * 【选择排序】：最值出现在起始端  *    * 第1趟：在n个数中找到最小(大)数与第一个数交换位置  *   第2趟：在剩下n-1个数中找到最小(大)数与第二个数交换位置  *   重复这样的操作...依次与第三个、第四个...数交换位置  * 第n-1趟，最终可实现数据的升序（降序）排列。  *  */ void selectSort(int *arr, int length) { for (int i = 0; i < length - 1; i++) { //趟数 for (int j = i + 1; j < length; j++) { //比较次数 if (arr[i] > arr[j]) { int temp = arr[i];                 arr[i] = arr[j];                 arr[j] = temp; } } } } /**   *  【冒泡排序】：相邻元素两两比较，比较完一趟，最值出现在末尾  *    第1趟：依次比较相邻的两个数，不断交换（小数放前，