【数据结构】算法复杂度，顺序表，链表

一 、前言

什么是数据结构？

• 数据结构(Data Structure)是计算机存储、组织数据的方式，指相互之间存在一种或多种特定关系的
  数据元素的集合。

什么是算法？

• 算法(Algorithm):就是定义良好的计算过程，他取一个或一组的值为输入，并产生出一个或一组值作为
  输出。简单来说算法就是一系列的计算步骤，用来将输入数据转化成输出结果。

二、算法的复杂度

1、算法效率

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。

2、时间复杂度

2.1 概念

算法的时间复杂度是一个函数

算法中的基本操作的执行次数，为算法的时间复杂度。

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。

2.2 大O的渐进表示法

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。
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。

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)

常见的时间复杂度

// 计算BubbleSort的时间复杂度？ // 冒泡排序
void BubbleSort(int* a, int n){
    assert(a);
    for (size_t end = n; end > 0; --end)
    {
        int exchange = 0;        // 一个优化，如果序列是有序的，即停止后面的循环
        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;
    }
}
//基本操作执行最好N次，最坏执行了(N*(N+1)/2次，通过推导大O阶方法+时间复杂度一般看最
//坏，时间复杂度为 O(N^2)

// 计算BinarySearch的时间复杂度？//二分查找
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;
}
//基本操作执行最好1次，最坏O(logN)次，时间复杂度为 O(logN) ps：logN在算法分析中表示是底
//数为2，对数为N。有些地方会写成lgN

递归的时间复杂度

// 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;
}
//基本操作递归了N次，时间复杂度为O(N)。

// 计算斐波那契递归Fib的时间复杂度？
long long Fib(size_t N){
    if(N < 3)
    	return 1;
	return Fib(N-1) + Fib(N-2);
}
//基本操作递归了2^N次，时间复杂度为O(2^N)。

3、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。

例子：

void func(int n) {
	int a = 1;
	int* p = (int*)malloc(4);
	printf("%p,%p,%x\n", &a, &p, p);
	free(p);
}
int main() {
	func(1);
	func(1);
	func(1);
	return 0;
}

空间可以重复利用，不累计，时间是
一去不复返，要累计的

// 计算BubbleSort的空间复杂度？ // 冒泡排序
void BubbleSort(int* a, int n){
    assert(a);
    for (size_t end = n; end > 0; --end)
    {
        int exchange = 0;        // 一个优化，如果序列是有序的，即停止后面的循环
        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;
    }
}
//使用了常数个额外空间，所以空间复杂度为 O(1)

// 计算Fibonacci的空间复杂度？
// 返回斐波那契数列的前n项
long long* Fibonacci(size_t n){
    if(n==0)
    return NULL;
    long long * fibArray = (long long *)malloc((n+1) * sizeof(long long));
    fibArray[0] = 0;
    fibArray[1] = 1;
    for (int i = 2; i <= n ; ++i){
    	fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
    }
    return fibArray;
}
//动态开辟了N个空间，空间复杂度为 O(N)

// 计算斐波那契递归Fib的空间复杂度？
long long Fib(size_t N){
    if(N < 3)
    	return 1;
	return Fib(N-1) + Fib(N-2);
}
//

// 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;
}    
//递归调用了N次，开辟了N个栈帧，每个栈帧使用了常数个空间。空间复杂度为O(N)

三、顺序表 和 单链表

1、线性表

线性表（linear list）是n个具有相同特性的数据元素的有限序列。 线性表是一种在实际中广泛使
用的数据结构，常见的线性表：顺序表、链表、栈、队列、字符串…
线性表在逻辑上是线性结构，也就说是连续的一条直线。但是在物理结构上并不一定是连续的，
线性表在物理上存储时，通常以数组和链式结构的形式存储。

2、顺序表

2.1 概念及结构
顺序表是用一段物理地址连续的存储单元依次存储数据元素的线性结构，一般情况下采用数组存
储。在数组上完成数据的增删查改。
顺序表一般可以分为：

静态顺序表：使用定长数组存储元素。
比特科技

动态顺序表：使用动态开辟的数组存储。

2.2 接口实现
静态顺序表只适用于确定知道需要存多少数据的场景

所以现实中基本都是使用动态顺序表，根据需要动态的分配空间大小

3、链表

3.1 链表的概念及结构

概念：链表是一种物理存储结构上非连续、非顺序的存储结构，数据元素的逻辑顺序是通过链表
中的指针链接次序实现的 。

3.2 链表的分类

实际中链表的结构非常多样，以下情况组合起来就有8种链表结构：

1、单向或者双向

2、带头或者不带头

3、循环或者非循环

虽然有这么多的链表的结构，但是我们实际中最常用还是两种结构：

• 无头单向非循环链表：结构简单，一般不会单独用来存数据。实际中更多是作为其他数据结
  构的子结构，如哈希桶、图的邻接表等等。另外这种结构在笔试面试中出现很多。

• 带头双向循环链表：结构最复杂，一般用在单独存储数据。实际中使用的链表数据结构，都
  是带头双向循环链表。另外这个结构虽然结构复杂，但是使用代码实现以后会发现结构会带
  来很多优势，实现反而简单了，

4、链表和顺序表的区别

不同点	顺序表	链表
存储空间上	物理上一定连续	逻辑上连续，但物理上不一定 连续
随机访问	支持O(1)	不支持：O(N)
任意位置插入或者删除 元素	可能需要搬移元素，效率低 O(N)	只需修改指针指向
插入	动态顺序表，空间不够时需要 扩容	没有容量的概念
应用场景	元素高效存储+频繁访问	任意位置插入和删除频繁
缓存利用率	高	低