算法01
Posted luojianyi
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了算法01相关的知识,希望对你有一定的参考价值。
认识时间复杂度:
- 常数时间的操作:一个操作如果和数据量没有关系,每次都是 固定时间内完成的操作,叫做常数操作。
- 时间复杂度为一个算法流程中,常数操作数量的指标。常用O (读作big O)来表示。具体来说,在常数操作数量的表达式中, 只要高阶项,不要低阶项,也不要高阶项的系数,剩下的部分 如果记为f(N),那么时间复杂度为O(f(N))。
- 评价一个算法流程的好坏,先看时间复杂度的指标,然后再分 析不同数据样本下的实际运行时间,也就是常数项时间。
对数器的概念和使用:
- 有一个你想要测的方法a
- 实现一个绝对正确但是复杂度不好的方法b
- 实现一个随机样本产生器
- 实现比对的方法
- 把方法a和方法b比对很多次来验证方法a是否正确
- 如果有一个样本使得比对出错,打印样本分析是哪个方法出错
- 当样本数量很多时比对测试依然正确,可以确定方法a已经 正确
冒泡排序细节的讲解与复杂度分析,时间复杂度O(N^2),额外空间复杂度O(1)
void Bubble_sort(int *t,int len) { for(int i=len-1;i>0;i--) { for(int j=0;j<i;j++) { if(t[j]<t[j+1]) swap(t[j],t[j+1]); } } }
选择排序的细节讲解与复杂度分析,时间复杂度O(N^2),额外空间复杂度O(1)
void Selection_sorting(int *t,int len) { for(int i=0;i<len-1;i++) { int item=i; for(int j=i+1;j<len;j++) { item=t[item]<t[j]?item:j; } swap(t[i],t[item]); } }
插入排序的细节讲解与复杂度分析时间复杂度O(N^2),额外空间复杂度O(1)
void Insertion_sort(int *t,int len) { for(int i=1;i<len;i++) { for(int j=i;j>0;j--) { if(t[j]<t[j-1]) { swap(t[j],t[j-1]); } } } }
冒泡排序和选择排序,这两种排序不管你的数据状况是什么样的,时间复杂度都是O(n*n),但是插入排序的时间复杂度和数据本身的状况有关,但是我们在定义一个算法的时间复杂度往往是用最坏的情况去考虑,所以插入排序的时间复杂度也是O(n*n),但是我们要知道他和选择冒泡排序是有区别的。
下面我用一个小的例子来介绍一下递归算法的时间复杂度分析:
例子:求一个数组的最大值
1 int get_max(int *t,int left,int right) 2 { 3 if(left==right) 4 { 5 return t[left]; 6 } 7 int mid = left+(right-left)/2;//这个可以防止溢出 8 int max1 = get_max(t,left,mid); 9 int max2 = get_max(t,mid+1,right); 10 if(max1>max2) return max1; 11 return max2; 12 }
这里这个递归算法的时间复杂度可以写成 T(N) = aT(N/b) + O(n^d),的形式,N代表数据的规模,a代表执行次数(在这个算法里面就是第八行和第九行代码),b的意思就是递归行为将原来的数据分成了多少份(在这里是两份),n^d代表的就是除了递归行为其他其他行代码的时间复杂度(在这里由于其他项代码的时间复杂度是一个常数项,所以d=0)
只要满足T(N) = a*T(N/b) + O(N^d)的形式,就可以使用master公式求解这个式子的时间复杂度。
- log(b,a) > d -> 复杂度为O(N^log(b,a))
- log(b,a) = d -> 复杂度为O(N^d * logN)
- log(b,a) < d -> 复杂度为O(N^d)
以上是关于算法01的主要内容,如果未能解决你的问题,请参考以下文章
片段(Java) | 机试题+算法思路+考点+代码解析 2023
19 01 11 javascript ?????????????????????(???????????????) ??????????????????????????????(代码片段