目录
1.数据结构介绍:
1.数据结构和数据库的区别:
本质都是存储管理数据
数据结构---在内存中存储管理数据
数据库---在磁盘中存储管理数据
2.算法是什么:
算法是对数据按要求进行某种处理、查找、排序。
3.数据结构和算法的重要性 :
数据结构和算法,你中有我,我中有你
2.算法效率
2.1 算法的复杂度
算法在编写成可执行程序后,运行时需要耗费时间资源和空间 ( 内存 ) 资源 。因此 衡量一个算法的好坏,一般 是从 时间和空间两个维度来衡量的 ,即时间复杂度和空间复杂度。时间复杂度主要衡量一个算法的运行快慢,而空间复杂度主要衡量一个算法运行所需要的额外空间。 在计算机发展的早期,计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的迅速发展,计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复杂度。
3.时间复杂度
3.1 时间复杂度的概念
时间复杂度的定义:在计算机科学中, 算法的时间复杂度是一个函数 ,它定量描述了该算法的运行时间。一个算法执行所耗费的时间,从理论上说,是不能算出来的,只有你把你的程序放在机器上跑起来,才能知道。但是我们需要每个算法都上机测试吗?是可以都上机测试,但是这很麻烦,所以才有了时间复杂度这个分析方式。一个算法所花费的时间与其中语句的执行次数成正比例, 算法中的基本操作的执行次数,为算法的时间复杂度。一个执行次数,不一定是一条语句,可能是多条语句,但是是常数条即:找到某条基本语句与问题规模 N 之间的数学表达式,就是算出了该算法的时间复杂度。F(N)=N*N+2*N+10; 准确时间表达式实际中我们计算时间复杂度时,我们其实并不一定要计算精确的执行次数,而只需要 大概执行次数,那么这 里我们使用大 O 的渐进表示法
3.2 大O的渐进表示法:
(大概估算,方便比较,展示次数)
大O符号(Big O notation):是用于描述函数渐进行为的数学符号。推导大 O 阶方法:1 、 用常数1取代运行时间中的所有加法常数。(只要是一个固定的数则恒为)
2 、在修改后的运行次数函数中, 只保留最高阶项 。3 、如果最高阶项存在且不是 1 ,则去除与这个项目相乘的常数。得到的结果就是大 O 阶。使用大 O 的渐进表示法以后, Func1的时间复杂度为()
通过上面我们会发现大 O 的渐进表示法 去掉了那些对结果影响不大的项 ,简洁明了的表示出了执行次数。另外有些算法的时间复杂度存在最好、平均和最坏情况:
- 最坏情况:任意输入规模的最大运行次数(上界)
- 平均情况:任意输入规模的期望运行次数
- 最好情况:任意输入规模的最小运行次数(下界)
例如:在一个长度为 N 数组中搜索一个数据 x
- 最好情况:1次找到
- 最坏情况:N次找到
- 平均情况:N/2次找到
在实际中一般情况关注的是算法的最坏运行情况,所以数组中搜索数据时间复杂度为 O(N)
// 计算Func3的时间复杂度?
void Func3(int N, int M) {
int count = 0;
for (int k = 0; k < M; ++ k)
{
++count;
}
for (int k = 0; k < N ; ++ k)
{
++count;
}
printf("%d\n", count);
}
M>>N
O(M)
M<<N
O(N)
无说明则为
O(M+N)
// 计算strchr的时间复杂度?
const char * strchr ( const char * str , int character );while(*str) { if(*str==character) return str; else ++str; } return NULL;
作用:字符串中查找一个字符
// 计算BubbleSort的时间复杂度? void BubbleSort(int* a, int n) { assert(a); for (size_t end = n; end > 0; --end) { int exchange = 0; for (size_t i = 1; i < end; ++i) { if (a[i-1] > a[i]) { Swap(&a[i-1], &a[i]); exchange = 1; } } if (exchange == 0) break; } }
算时间的复杂度不能去数循环,这个不一定准确,一定要看算法思想来计算
冒泡排序法:
;
最好的情况:
// 计算BinarySearch的时间复杂度? int BinarySearch(int* a, int n, int x) { assert(a); int begin = 0; int end = n-1; // [begin, end]:begin和end是左闭右闭区间,因此有=号 while (begin <= end) { int mid = begin + ((end-begin)>>1); if (a[mid] < x) begin = mid+1; else if (a[mid] > x) end = mid-1; else return mid; } return -1; }
最好:
最差:
===>
//仅有以2为底的才可以有此简写
总数:N
N/2/2/2/2..../2=1最差
折半多少次就除了多少个2
假设除了x个2则为:
// 计算阶乘递归Fac的时间复杂度? long long Fac(size_t N) { if(0 == N) return 1; return Fac(N-1)*N; }
对一个程序要看功能,代码目的是求n的阶乘,所以要求n次故为
4.空间复杂度
空间复杂度也是一个数学表达式,是对一个算法在运行过程中 临时占用存储空间大小的量度 。空间复杂度不是程序占用了多少 bytes 的空间,因为这个也没太大意义,所以空间复杂度算的是 变量的个数。空间复杂度计算规则基本跟实践复杂度类似,也使用大O渐进表示法。注意: 函数运行时所需要的栈空间 ( 存储参数、局部变量、一些寄存器信息等 ) 在编译期间已经确定好了,因 此空间复杂度主要通过函数在运行时候显式申请的额外空间来确定。
// 计算BubbleSort的空间复杂度? void BubbleSort(int* a, int n) { assert(a); for (size_t end = n; end > 0; --end) { int exchange = 0; for (size_t i = 1; i < end; ++i) { if (a[i-1] > a[i]) { Swap(&a[i-1], &a[i]); exchange = 1; } } if (exchange == 0) break; } }
空间复杂度为
该代码并未开发新的空间只是在原来的空间内进行排序,每次循环用的是一块空间
// 计算阶乘递归Fac的空间复杂度? long long Fac(size_t N) { if(N == 0) return 1; return Fac(N-1)*N; }
空间复杂度为
递归调用,每次出去找一块栈帧来进行新的运算,相当于每次建立一个空间,大小为
,共N+1个