数据结构 —— 复杂度讲解

目录

1. 什么是数据结构?

2.什么是算法?

2.1 算法效率

2.1.1 如何衡量一个算法的好坏?

2.2.2 算法的复杂度

2.2 时间复杂度

2.2.1时间复杂度的概念

2.2.2 大O的渐进表示法

2.2.3 常见时间复杂度举例计算

实例1:

实例2:

实例3:

实例4:

实例5:

实例6: 

3.复杂度的OJ练习

3.1 思路一 

3.2 思路二 


1. 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。

2.什么是算法?

        算法(Algorithm):就是定义良好的计算过程,它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。

2.1 算法效率

2.1.1 如何衡量一个算法的好坏?

        算法在实际实现过程中,并不是说越简洁就说算法越好,就比如说斐波那契数列的递归方式实现非常简洁,但它从效率来看,并不是最好的,那么我们怎样衡量一个算法的好坏?

2.2.2 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
  • 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。

2.2 时间复杂度

2.2.1时间复杂度的概念

        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。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。

我们先来看一个例子:// 请计算一下Func1中++count语句总共执行了多少次?

void Func1(int N)
{
	int count = 0;
	for (int i = 0; i < N; ++i)
	{
		for (int j = 0; j < N; ++j)
		{
			++count;
		}
	}
	for (int k = 0; k < 2 * N; ++k)
	{
		++count;
	}
	int M = 10;
	while (M--)
	{
		++count;
	}
	printf("%d\n", count);
}

以上语句执行了 N^2+2N+10,但当我们不断增加N的大小时,我们发现执行次数只取决于N^2。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,那么这里我们使用的就是大O的渐进表示法。

2.2.2 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。 使用大O的渐进表示法以后,Func1的时间复杂度为:O(N^2)

但我们在一些算法中,往往要讨论最好,最坏,一般情况,比如说在数组中找一个数字,最好情况就是一次找到,最坏情况找N次,平均情况N/2,但往往我们实际中都按照最坏情况进行计算。所以时间复杂度就是O(N)。

2.2.3 常见时间复杂度举例计算
实例1:

O(N),本来是2N+10,删掉系数和常数项。

void Func2(int N)
{
	int count = 0;
	for (int k = 0; k < 2 * N; ++k)
	{
		++count;
	}
	int M = 10;
	while (M--)
	{
		++count;
	}
	printf("%d\n", count);
}
实例2:

O(M+N),分类讨论:若M远大于N,则为O(M);若N远大于M,则为O(N);若M=N,则为O(M)或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);
}
实例3:

O(1) ,1代表常数项,而不是1次。

// 计算Func4的时间复杂度?

void Func4(int N)
{
	int count = 0;
	for (int k = 0; k < 100; ++k)
	{
		++count;
	}
	printf("%d\n", count);
}
实例4:

 O(N^2),冒泡排序:以最坏情况举例,最差的情况是现在为逆序,要排为升序,那么第一个数,就要交换n-1次,第二个数,就交换了n-2次,那么就是等差数列求和,{【(N-1)+1】*(N-1)} / 2,然后保留最高阶项,删去系数。

//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;
	}
}
实例5:

O(logN),二分查找:以最坏情况为例,最坏就是二分到只剩下一个值,没查找一次除以2,那么假设查找了x次,那就是N/2/2/2/2/2……=1,那么N=2^x,x=logN.在这里,我们通常把以2为底的对数简写成logN.

// 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;
}
实例6: 

O(N),递归调用Fac(N),Fac(N-1),Fac(N-2),……Fac(0),调用了N+1次,所以就是O(N),递归算法的时间复杂度就是多次调用的累加。

// 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;
}

3.复杂度的OJ练习

OJ链接:https://leetcode-cn.com/problems/missing-number-lcci/

数据结构 —— 复杂度讲解_第1张图片

3.1 思路一 

        我们可以把数组用求和公式计算出来,然后减掉数组中已经存在的数,剩下来的自然就是缺失的数字。复杂度为O(N)

代码实现:

int missingNumber(int* nums, int numsize)
{
	int N = numsize;
	int ret = N * (N + 1) / 2;
	for (int i = 0; i < N; i++)
	{
		ret -= nums[i];
	}
	return ret;
}

3.2 思路二 

        还记得单身狗问题吗?在这里我们还可以采用异或操作,先创建一个完整的数组,再和缺少一个的数组进行异或,那么就可以找到缺失的值。复杂度为O(N).

代码实现:

int missingNumber(int* nums, int numsize)
{
	int N = numsize;
	int x = 0;
	int i = 0;
	//复制一个完整数组
	for (i = 0; i <= N; i++)
	{
		x ^= i;
	}
	//和缺失的数组进行异或
	for (i = 0; i < N; i++)
	{
		x ^= nums[i];
	}
	//找到缺失值
	return x;
}

你可能感兴趣的:(数据结构)