第一周:时间复杂度该怎么看?

文章小结

写在最前面,本文主要介绍了如何能快速判断代码段的时间复杂度记忆模版),如果您寻找的并非此类文章则不必继续阅读后文。

1.算法时间复杂度是什么

 官方定义:算法在编写成可执行程序后,运行时所需要的时间资源。
 解读:可执行程序运行所需要时间的一个量化指标。例如O(1),常量级。

2. 常见的时间复杂度

  • O(1) :常量级
  • O(n):线性
  • O(logn):对数
  • O(nlogn)
  • O(n^2):平方
  • O(k^n):指数级
  • O(n!):阶乘级别

3.如何判断代码的算法时间复杂度

首先我们假设执行一行代码需要的时间为1, 判断代码时间复杂度就是是看算法执行次数和n的关系。

例如:下面代码的时间复杂度为O(1)

String dogName = "小黄";
Systerm.out.print("this is a dog " + dogName);

 

例2: 下面代码片段中,代码执行次数为n,代码时间复杂度为O(n)。

for (int i=0; i<n; i++) {
    Systerm.out.print("get num " + i);
}

 

4.如何快速判断代码时间复杂度。

想要快速判断代码片段时间复杂度有两个方法,记忆和公式。这里我们仅讨论记忆,记住代表性的模板就可以快速判断时间复杂度

// 时间复杂度:O(1)
int a = 1;
int b = 2;
Systerm.out.print("sum is" + (a+b));

// 时间复杂度:O(n)
for (int i=0; i<n; i++) {
    Systerm.out.print("get num " + i);
}

// 时间复杂度:O(n^2)
for (int j=0; j<n; i++) {
     for (int i=0; i<n; i++) {
       Systerm.out.print("get num " + (i+ j));
   }
}
// 时间复杂度:O(logn)
for (int i=0; i<n; i=i*2) {
    Systerm.out.print("get num" + i);
}

// 时间复杂度:O(2^n)
int fib(int n) {
  if (n<=2) return n; 
  return fib(n-1) + fib(n-2);
}

O(1)、O(n)、O(n^2) 相对比较容易理解,这里不在赘述。

分析下O(logn)是怎么得到的。
2^0 = 1
2^1 = 2
2^2 = 4
.....
2^k = n;  所以需要执行k次。k=log2n,系数可以忽略所以时间复杂度为 O(logn)。

 

通过图例解释下O(k^n)指数级算法复杂度。以n=6为例,分析Fun(6)的计算逻辑,依据Fun(n) = Fun(n-1) + Fun(n-2),做如下图的拆解。

 

 

 

5.延展内容。如何刷题(LeetCode)

区分业余和职业的最大区别在于是否有专项联系。比如乒乓球运动员,专项发球练习,接球练习等等等。刷法也是一样,不能只做一遍,针对弱项要多练。

  •  做题方法
    • 多看几遍题,或者和面试官去恩人,确保自己的理解是正确的。
    • 想所有可能的解题方法,同时比较时间和空间复杂度。
    • 做题
    • test case
  • 切题方法
    • 第一遍
      • 5分钟。读题+思考。
      • 直接看答案。注意多解法,对比。
      • 背诵+默写好的答案。
    • 第二遍
      • 马上默写背诵的答案-->提交LeetCode (寻找反馈)
      • 多种解法对比体会。
    • 第三遍
      • 24小时后重新做一遍
      • 针对不同解法的不熟练的要专项练习
    • 第四遍
      • 一周后反复练习相同的题目
    • 第五遍
      • 面试前反复练习

 

posted @ 2024-06-17 19:24  小祥工作室  阅读(79)  评论(0编辑  收藏  举报