第一课
-
1.0 认识时间复杂度、额外空间复杂度
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。
额外空间复杂度:在执行代码过程中申请的额外存储空间,比如变量,有限个变量则O(1),分析额外空间复杂度和时间复杂度类似;如使用冒泡排序对一个数组排序,期间只需要一个临时变量temp,那么该算法的额外空间复杂度为O(1)。又如归并排序,在排序过程中需要创建一个与样本数组相同大小的辅助数组,尽管在排序过后该数组被销毁,但该算法的额外空间复杂度为O(n)。
题目:一个有序数组A,另一个无序数组B,请打印B中的所有不在A中的数,A数组长度为N,B数组长度为M。
思路1(遍历查找):对于数组B中的每一个数,都在A中通过遍历的方式找一下;复杂度分析:遍历B[0,M-1],遍历A[0,N-1],故O(M*N)时间
思路2(二分查找):对于数组B中的每一个数,都在A中通过二分的方式找一下;
思路3(类似外排):先把数组B排序,然后用类似外排的方式打印所有在A中出现的数;
先看第一步,排序,数组B使用二分排序,时间复杂度为O(M*log2(M))
再看第二步,数组B排序完成之后,数组A和B就都是有序的了,我们假设一个a指针,指向数组A第一个元素,再假设一个数组b指向数组B第一个元素,然后两个指针想对应的数字进行比较,然后根据比较 大小,进行指针之间的移动。
a指针移动的条件是,a指针指向的数字<b指针指向的数字时,向右移动一位。
b指针移动的条件是,b指针指向的数字<=a指针指针指向的数字,如果=只向右移动,不打印,如果<,打印数字,且移动。
循环往复以上步骤即可,当指针a和指针b任意一个指针走到尽头,就意味着程序的中止,我们假设最坏情况,同时到最后才结束,那么他的时间复杂度为0(N+M)
再加上之前排序的时间复杂度,最终复杂度为O(M*log2(M))+O(N+M)
-
1.1 对数器
步骤: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。
- 1.2 经典排序算法对数器的概念和使用
冒泡
public static void bubbleSort(int[] arr) { if (arr == null || arr.length < 2) { return; } for (int e = arr.length - 1; e > 0; e--) { for (int i = 0; i < e; i++) { if (arr[i] > arr[i + 1]) { swap(arr, i, i + 1); } } } }
插入
public static void insertionSort(int[] arr) { if (arr == null || arr.length < 2) { return; } for (int i = 1; i < arr.length; i++) { for (int j = i - 1; j >= 0 && arr[j] > arr[j + 1]; j--) { swap(arr, j, j + 1); } } } public static void swap(int[] arr, int i, int j) { arr[i] = arr[i] ^ arr[j]; arr[j] = arr[i] ^ arr[j]; arr[i] = arr[i] ^ arr[j]; }
- 1.3
- 1.4
本文来自博客园,作者:冰河入梦~,转载请注明原文链接:https://www.cnblogs.com/xuechengmeigui/p/13083053.html