最近看编程之美的一些心得（不断更新）

排序复杂度：O(N²),O(N*logN),O(N)

查找负责度：O(N),O(logN),O(1)

其中排序复杂度为N²的为直接排序，选择排序，希尔排序

NlogN的为归并排序，快速排序和堆排序

N的一般是做hash或者通过bitmap，布隆过滤器等。

如果考虑到提高排序效率，则提高到log级别时，要考虑二分法排序；提高到O(N)级别则考虑bitmap或者hash了。

但是使用hash要注意hash冲突，冲突过大时则也有复杂度升高的风险。

查找：无序序列为O(N),有序序列为logN（二分查找），最极端的为hash查找或者bitmap查找，则是O（1）级别。

插入删除元素一般来讲和查找是对偶的

例如数组查找方便O（N)或者O（logN），但是增删则为O（N）复杂度

链表增删都为O（1）复杂度（当直接找到改点时），查找则为O（N）。

如果查找和增删要求同步提高且数据集没有强关系，则可以考虑红黑树。

红黑树的增删查的复杂度都是O(logN）。

另外还有就是充分应用“空间换时间”的手段

1：如BYTE数据中1 的个数，直接申请255个数据存放0~255中1的个数

2：如计算N数组中任意N-1乘积的最大值，文中很巧妙的利用了两个数组分别表示前i-1个数组的成绩和后N-i个数据的成绩。

一次扫描完成之后，这两个数组填满。再遍历一次，则可以依次计算出“分别去除当前第i个数据后的N-1个数据的乘积”，最后比较即可。

此时的复杂度为O(N)。至于后面的根据乘积和0比较则属于数据本身分析，个人觉得不算算法范畴提高。

最后就是关于DP，动态规划方面的。

这块还在学习中。。