数据结构算法简介

概述

从结构上看，所有的数据（data）最终都可以分解成三种类型：

1. 标量（scalar），也就是一个单独的字符串（string）或数字（numbers）
   比如"北京"这个单独的词。
2. 序列（sequence），也就是若干个相关的数据按照一定顺序并列在一起，又叫做数组（array）或列表（List）
   比如"北京，上海"。
3. 映射（mapping），也就是一个名/值对（Name/value），即数据有一个名称，还有一个与之相对应的值，这又称作散列（hash）或字典（dictionary）
   比如"首都：北京"。

所以在编程语言中，只要有了数组（array）和对象（object）就能够储存一切数据

常用数据结构与算法

树

https://blog.csdn.net/xyc1211/article/details/67648424

时间复杂度

O(1): Constant Complexity: Constant 常数复杂度
O(log n): Logarithmic Complexity: 对数复杂度
O(n): Linear Complexity: 线性时间复杂度
O(n²): N square Complexity 平⽅方
O(n³): N square Complexity ⽴立⽅方
O(2ⁿ): Exponential Growth 指数
O(n!): Factorial 阶乘

• O(1)

int n = 1000;
System.out.println("Hey - your input is: " + n);

• O(N)

for (int = 1; i<=n; i++) {
	System.out.println(“Hey - I'm busy looking at: " + i);
}

• O(N²)

for (int i = 1; i <= n; i++) {
	for (int j = 1; j <=n; j++) {
		System.out.println("Hey - I'm busy looking at: " + i + " and " + j);
	}
}

• O(log(n))

for (int i = 1; i < n; i = i * 2) {
	System.out.println("Hey - I'm busy looking at: " + i);
}

• O(kⁿ)

for (int i = 1; i <= Math.pow(2, n); i++){
	System.out.println("Hey - I'm busy looking at: " + i);
}

• O(n!)

for (int i = 1; i <= factorial(n); i++){
	System.out.println("Hey - I'm busy looking at: " + i);
}

时间复杂度高的代码，越计算越费时间

算法的作用

优化程序,降低时间复杂度, 空间复杂度

案例：

实现从1加到n

• 常见实现方式，时间复杂度为O(N)

y = 0
for i = 1 to n:
	y = i + y

• 优化为时间复杂度O(1)

y = n * (n + 1) / 2

---

Master Theorem 主定理

分析算法的时候，我们经常需要分析递归算法的时间复杂度。Master Theorem 正是用于快速得出递归算法时间复杂度的方法。