初阶数据结构—算法的时间复杂度和空间复杂度

第一章:数据结构前言(Lesson 1)

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,他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。

第一章:算法的时间复杂度和空间复杂度(Lesson 2)

1. 算法效率

1.1 如何衡量一个算法的好坏
long long Fib(int N)
{if (N < 3)return 1;return Fib(N - 1) + Fib(N - 2);
}

斐波那契数列的递归实现方式非常简洁,但简洁一定好吗?那该如何衡量其好与坏呢?

1.2 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,而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。

第二章:时间复杂度

2.1 时间复杂度概念

时间复杂度的定义:在计算机科学中, 算法的时间复杂度是一个函数 ,它定量描述了该算法的运行时间。一个算法执行所耗费的时间,从理论上说,是不能算出来的,只有你把你的程序放在机器上跑起来,才能知道。但是我们需要每个算法都上机测试吗?是可以都上机测试,但是这很麻烦,所以才有了时间复杂度这个分析方式。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。
// 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;

前面两个for循环的时间复杂度是N*N,第三个for循环的时间复杂度是2N,最后一个while循环的时间复杂度是10。最终的时间复杂度函数式:F(N)=N*N + 2*N + 10

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,那么这里我们使用大O的渐进表示法

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。F(N)=N*N + 2*N + 10
  2. 在修改后的运行次数函数中,只保留最高阶项。N^2
  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。O(N^2)
 F(N) = N*N + 2*N + 10
N = 10F(N) = 130
N = 100F(N) = 10210
N = 1000F(N) = 1002010
O(N^2)
N = 10F(N) = 100
N = 100F(N) = 10000
N = 1000F(N) = 1000000

通过上面我们会发现大O的渐进表示法去掉了那些对结果影响不大的项,简洁明了的表示出了执行次数。当N越大,后面项对结果的影响就越小
另外有些算法的时间复杂度存在最好、平均和最坏情况:
最坏情况:任意输入规模的最大运行次数(上界)
平均情况:任意输入规模的期望运行次数
最好情况:任意输入规模的最小运行次数(下界)

例如:在一个长度为N数组中搜索一个数据x
最好情况:1次找到
最坏情况:N次找到
平均情况:N/2次找到
在实际中一般情况关注的是算法的最坏运行情况,所以数组中搜索数据时间复杂度为O(N)

2.3 常见时间复杂度计算举例 

实例1:
// 计算Func2的时间复杂度?
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);
}
//时间复杂度函数式:F(N) = 2*N + 10;时间复杂度:O(N)

在分析算法的时间复杂度时,通常关注的是算法的增长趋势,而不是具体的常数因子。因此,当时间复杂度中出现类似2N和10N这样的情况时,它们都会被认为是线性增长的,即O(N)。

在大规模问题上,常数因子不再影响算法的增长趋势。例如,假设一个算法的时间复杂度是2N,而另一个是10N,如果输入规模为100时,第一个算法的执行时间是200个单位时间,而第二个算法的执行时间是1000个单位时间。尽管第二个算法的执行时间更长,但它们的增长率是一样的,都是线性增长。

因此,当我们分析算法的时间复杂度时,会将常数因子视为可以忽略的因素,只关注随着输入规模增长时,算法执行时间的增长趋势,而这种增长趋势决定了算法的时间复杂度。

实例2:
// 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);
}
//时间复杂度函数式:F(N) = M + N;时间复杂度:O(M+N)
//M和N相互独立,某一项的增加和减少都会导致时间复杂度变化,所以不能省略其中一个

实例3:
// 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);
}
//时间复杂度函数式:F(N) = 100;时间复杂度:O(1) - 代表常数次
//常数时间复杂度表示算法的执行时间与输入规模无关,
//因此不管执行一次还是一亿次,都可以认为是常数次

实例4:
// 计算strchr的时间复杂度?
const char * strchr ( const char * str, int character );//实现
while (*str)
{if (*str == character)return str;else++str;
}
//该算法时间复杂度O(N)

在该长度为N数组中搜索一个数据x
最好情况:1次找到
最坏情况:N次找到
平均情况:N/2次找到
在实际中一般情况关注的是算法的最坏运行情况,所以数组中搜索数据时间复杂度为O(N)

实例5:
// 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;}
}
//时间复杂度函数式:F(N) = N*(N-1) / 2;时间复杂度:O(N^2)
//第一轮:n - 1次
//第二轮:n - 2次
//第三轮:n - 3次
//......
//倒数第二轮:2次
//倒数第一轮:1次
//总共n-1轮
//全部加起来就是等差数列。首项1,尾项n-1,项数(n-1轮)

实例6:
// 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;elsereturn mid;}return -1;
}
//时间复杂度函数式:F(N) = log_2 N;时间复杂度:O(logN)
//每查找一次少一半,所以每次除以2。N/2/2/2.../2 = 1
//反过来就是每次*2,(假设查找了x次),2^x = N
//查找次数和输入规模的关系就是log_2 N = 1(2为底)

实例7:
// 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;
}
//时间复杂度函数式:F(N) = N + 1;时间复杂度:O(N)
//调用如下,每次函数调用内部固定执行if判断和递减操作,可视为O(1)            
//Fac(N)
//Fac(N-1)
//Fac(N-2)
//.......
//Fac(2)
//Fac(1)
//Fac(0)

实例8:
// 计算斐波那契递归Fib的时间复杂度?
long long Fib(size_t N)
{if (N < 3)return 1;return Fib(N - 1) + Fib(N - 2);
}
时间复杂度:O(2^N)//调用如下
//2^0	  Fib(N)
//2^1     Fib(N-1) Fib(N-2)
//2^2     Fib(N-2) Fib(N-3)  Fib(N-3) Fib(N-4)
//..........
//2^(n-4) Fib(4)
//2^(n-3) Fib(3)
//2^(n-2) Fib(2)
//每一层都是上一层的2倍,就是一个等比为2的等比数列
//通过下方错位相减法可得结果
//FN(n)= 2^0+2^1+2^2+......+2^(n-4)+2^(n-3)+2^(n-2)           1式
//2FN(n)=    2^1+2^2+......+2^(n-4)+2^(n-3)+2^(n-2) +2^(n-1)  2式
//两边乘以公比2,再用2式减1式
//FN(n)= 2^(n-1) - 1

第三章:空间复杂度

空间复杂度也是一个数学表达式,是对一个算法在运行过程中临时占用额外存储空间大小的量度

空间复杂度不是程序占用了多少bytes的空间,因为这个也没太大意义,所以空间复杂度算的是变量的个数。空间复杂度计算规则基本跟时间复杂度类似,也使用大O渐进表示法

注意:函数运行时所需要的栈空间(存储参数、局部变量、一些寄存器信息等)在编译期间已经确定好了,因此空间复杂度主要通过函数在运行时候显式申请的额外空间来确定

实例1

// 计算BubbleSort的空间复杂度?
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;}
}
//额外的空间复杂度是常量级别的,不随输入规模 n 的增加而增加
//空间复杂度为 O(1)

实例2

// 计算Fibonacci的空间复杂度?
// 返回斐波那契数列的前n项
long long* Fibonacci(size_t n)
{if (n == 0)return NULL;long long* fibArray = (long long*)malloc((n + 1) * sizeof(long long));fibArray[0] = 0;fibArray[1] = 1;for (int i = 2; i <= n; ++i)fibArray[i] = fibArray[i - 1] + fibArray[i - 2];return fibArray;
}
//额外开辟了1个数组,元素个数为n+1
空间复杂度为 O(N)

实例3:

// 计算阶乘递归Fac的空间复杂度?
long long Fac(size_t N)
{if (N == 0)return 1;return Fac(N - 1) * N;
}
//递归调用了N次,开辟了N个栈帧,每个栈帧使用了常数个空间。
//空间复杂度为O(N)

实例4:

// 计算斐波那契递归Fib的空间复杂度?
long long Fib(size_t N)
{if (N < 3)return 1;return Fib(N - 1) + Fib(N - 2);
}
//空间复杂度为O(N)

调用顺序为红色箭头蓝色箭头绿色箭头。总共开辟0~0-2层,即n-1层栈帧。每一层的栈帧是共用的。例如调用Fib(2)创建栈帧,返回后,栈帧销毁;再调用Fib(1),再创建栈帧,返回,销毁。

时间是累积计算的,空间可以重复利用。所以空间复杂度为O(N)。

(下图证明栈帧可以共用)

作业:

作业1

数组nums包含从0到n的所有整数,但其中缺了一个。请编写代码找出那个缺失的整数。你有办法在O(n)时间内完成吗?
示例 1:
输入:[3, 0, 1]
输出:2

示例 2:
输入:[9, 6, 4, 2, 3, 5, 7, 0, 1]
输出:8

//方法一:异或
int missingNumber(int* nums, int numsSize) {int i = 0;int ret = 0;//0异或任何数还是任何数for (i = 0; i < numsSize; i++)//将nums数组所有元素异或ret ^= nums[i];for (i = 0; i < numsSize + 1; i++)//因为nums数组少了个1个元素,在异或完整数组ret ^= i;//相当于用完整数组和少1个元素的数组(nums数组)所有元素异或,最后相同的为0,//剩下的就是少了的那个元素return ret;
}//方法二:两数组相减
int missingNumber(int* nums, int numsSize) {// 计算从 0 到 n 的所有整数之和int total = numsSize * (numsSize + 1) / 2;// 计算 nums 中所有元素的和int sum = 0;for (int i = 0; i < numsSize; i++)sum += nums[i];// 返回缺失的整数return total - sum;
}//方法三:排序后再比较
//排序,依次查找。如果下一个数不是上一个数+1,那么上一个数+1就是消失的数字
int missingNumber(int* nums, int numsSize) {// 如果数组只有一个数,返回缺失的整数if (numsSize == 1) return (nums[0] == 0) ? 1 : 0;//当数组只包含一个元素时,我们需要确定缺失的整数是0还是1。//因为对于一个只包含一个元素的数组而言,如果这个元素是0,则缺失的整数可能是1;//如果这个元素不是0,则缺失的整数可能是0。// 如果数组中没有0,则0为缺失的整数if (nums[0] != 0) return 0;// 遍历数组,检查是否存在断号for (int i = 1; i < numsSize; ++i) if (nums[i] != nums[i - 1] + 1) // 如果下一个数不是上一个数+1,那么上一个数+1就是缺失的整数return nums[i - 1] + 1;// 如果数组中没有缺失的整数,则返回数组最后一个数加一return nums[numsSize - 1] + 1;
}

作业2

给定一个整数数组 nums,将数组中的元素向右轮转 k 个位置,其中 k 是非负数。
示例 1:
输入: nums = [1, 2, 3, 4, 5, 6, 7], k = 3
输出 : [5, 6, 7, 1, 2, 3, 4]
解释 :
    向右轮转 1 步 : [7, 1, 2, 3, 4, 5, 6]
    向右轮转 2 步 : [6, 7, 1, 2, 3, 4, 5]
    向右轮转 3 步 : [5, 6, 7, 1, 2, 3, 4]
示例 2 :
    输入:nums = [-1, -100, 3, 99], k = 2
    输出:[3, 99, -1, -100]
    解释 :
    向右轮转 1 步 : [99, -1, -100, 3]
    向右轮转 2 步 : [3, 99, -1, -100]
 

//方法一:3段逆序
void reverse(int* left, int* right) {while (left < right) {int tmp = *left;*left = *right;*right = tmp;left++;right--;}
}void rotate(int* nums, int numsSize, int k) {k %= numsSize;reverse(nums, nums + numsSize - k - 1); // 逆序前n-k个数字 4 3 2 1 5 6 7reverse(nums + numsSize - k, nums + numsSize - 1); // 逆序后k个数字 4 3 2 1 7 6 5reverse(nums, nums + numsSize - 1); // 逆序整个数组 5 6 7 1 2 3 4
}//与上方逆序顺序不同
void rotate(int* nums, int numsSize, int k) {k %= numsSize;reverse(nums, nums + numsSize - 1);//逆序整个数组 7 6 5 4 3 2 1reverse(nums, nums + k - 1);//逆序前k个元素 5 6 7 4 3 2 1reverse(nums + k, nums + numsSize - 1);//逆序后n-k个元素 5 6 7 1 2 3 4
}
//时间复杂度:前n-k+后k个是n,逆序整个数组是n,加起来是2n,所以O(n)
//空间复杂度:O(1)//方法二:拷贝
void rotate(int* nums, int numsSize, int k) {int* tmp = (int*)malloc(numsSize * sizeof(int));k %= numsSize;memcpy(tmp + k, nums, (numsSize - k) * sizeof(int));memcpy(tmp, nums + (numsSize - k), k * sizeof(int));memcpy(nums, tmp, numsSize * sizeof(int));
}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/788188.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【数据处理包Pandas】多级索引的创建及使用

目录 一、元组作为一级索引&#xff08;一&#xff09;示例1&#xff08;二&#xff09;示例2 二、引入多级索引&#xff08;一&#xff09;多级索引的创建&#xff08;二&#xff09;多级索引中的数学选取 首先&#xff0c;导入 NumPy 库和 Pandas 库。 import numpy as np i…

Client sent an HTTP request to an HTTPS server

背景 最近踩坑了 我发现域名&#xff1a;8000可以访问我的服务 但是域名&#xff1a;443却不行&#xff0c;这很反常 结果发现是nginx配置的问题&#xff0c;需要把http改成https&#xff01; 原因 如果你的后端服务&#xff08;运行在8000端口上&#xff09;已经配置了SS…

JS与C#的交互

原文链接&#xff1a;https://blog.csdn.net/Marcus2006/article/details/104986130 背景&#xff1a;1. 为了最大限度复用我们自己之前写的C#库的功能 2. 给我们的工具只提供了JS的流程(:<) &#xff0c;组织忽悠其他人员C#难用&#xff0c;JS好用。 目前edge-js提供了强…

monitor link 联合smart link配合应对复杂的网络

monitor link关键词&#xff1a;上行和下行端口&#xff0c;当上行端口异常&#xff0c;下行端口立即down掉&#xff0c;也就是一种联动机制 如果上行端口里面是smart link方式&#xff0c;则当主从端口都出问题时候&#xff0c;下行端口才会down掉 monitor link 配置步骤 1创…

力扣之每日四题day01--二叉树遍历篇

二叉树遍历 144.二叉树的前序遍历145.二叉树的后序遍历94.二叉树的中序遍历102.二叉树的层序遍历 144.二叉树的前序遍历 力扣地址 import java.util.ArrayList; import java.util.List;/*** Definition for a binary tree node.* public class TreeNode {* int val;* …

Vue基础配置、组件通信、自定义指令

基础配置 Vue框架已经集成了webpack配置 小注意点 vbase 快速生成vue模板 组件名必须是多词格式(驼峰模式) 具体三种写法: ①小驼峰:abcDef.vue ②大驼峰&#xff1a;AbcDef.vue ③中横线&#xff1a;abc-def.vue 假如文件名不符合多次格式的补救办法&#xff1a; 导出重命名…

EFPN代码解读

论文 Extended Feature Pyramid Network for Small Object Detection python3 D:/Project/EFPN-detectron2-master/tools/train_net.py --config-file configs/InstanceSegmentation/pointrend_rcnn_R_50_FPN_1x_coco.yaml --num-gpus 1 训练脚本 cfg 中的配置 先获取配置…

基于51单片机的智能门禁系统仿真设计

**单片机设计介绍&#xff0c;基于51单片机的智能门禁系统仿真设计 文章目录 一 概要二、功能设计设计思路 三、 软件设计原理图 五、 程序六、 文章目录 一 概要 基于51单片机的智能门禁系统仿真设计概要 一、设计概述 本设计旨在利用51单片机为核心控制器&#xff0c;结合…

Python程序设计 多重循环(二)

1.打印数字图形 输入n&#xff08;n<9)&#xff0c;输出由数字组成的直角三角图形。例如&#xff0c;输入5&#xff0c;输出图形如下 nint(input("")) #开始 for i in range(1,n1):for j in range(1,i1):print(j,end"")print()#结束 2.打印字符图形 …

pytest教程-22-用例依赖插件-pytest-dependency

领取资料&#xff0c;咨询答疑&#xff0c;请➕wei: June__Go 上一小节我们学习了pytest失败重跑插件pytest-rerunfailures&#xff0c;本小节我们讲解一下pytest用例依赖插件-pytest-dependency。 用例依赖 编写用例的时候&#xff0c;我们会注意用例之间的独立性&#xf…

【电源专题】电池不均衡的影响与原因

在使用多节电池设计产品时,大家都知道如果多节电池不均衡会影响电池寿命与充电安全。特别是在充电末端与放电末端时表现较为明显。 电池不均衡的影响 那么为什么会影响安全与寿命呢?其原因如下: 如果电池不均衡时,相当于木桶的短板效应。一方面没法充满,充电时电压高的那一…

利用ChatGPT提升学术论文写作技巧

ChatGPT无限次数:点击直达 利用ChatGPT提升学术论文写作技巧 在当今信息爆炸的时代&#xff0c;学术界对于深入研究和撰写高质量论文的要求越来越高。然而&#xff0c;许多研究人员和学生常常感到写作过程困难&#xff0c;需要花费大量时间和精力。这时候&#xff0c;人工智能…

在Ubuntu上使用Caddy轻松搭建WebDAV服务器

嘿&#xff0c;各位码农朋友们&#xff01;今天我要和大家介绍一下在 Ubuntu 下使用 Caddy 部署 WebDAV 的技术&#xff0c;让你的文件共享变得更加简单顺畅。 &#x1f31f;嗯&#xff0c;我得承认&#xff0c;三丰云的免费服务器真是不错&#xff01;它提供了1核CPU、1G内存…

提升性能与精准追踪:SkyWalking自定义跟踪忽略插件

前言 当使用分布式追踪系统时&#xff0c;有时需要排除某些端点或路径&#xff0c;以减轻追踪系统的负载或减少不必要的数据收集。为了满足这种需求&#xff0c;SkyWalking 提供了一个可选的插件&#xff0c;即 apm-trace-ignore-plugin&#xff0c;它允许自定义需要跳过的路径…

【跟小嘉学 Linux 系统架构与开发】三、如何查看帮助文档

系列文章目录 【跟小嘉学 Linux 系统架构与开发】一、学习环境的准备与Linux系统介绍 【跟小嘉学 Linux 系统架构与开发】二、Linux发型版介绍与基础常用命令介绍 【跟小嘉学 Linux 系统架构与开发】三、如何查看帮助文档 文章目录 系列文章目录[TOC](文章目录) 前言一、 命令…

nodejs爬图片(二)

前言 网上一张一张下载是不是很麻烦&#xff0c;直接批量下载&#xff0c;解决你的问题。高清不是梦&#xff01; 具体步骤不说了&#xff0c;直接上代码 const cheerio require("cheerio"); const axios require("axios"); const fs require(…

代码随想录算法训练营第42天| 01背包问题,你该了解这些|01背包问题,你该了解这些! 滚动数组 |416. 分割等和子集

代码随想录算法训练营第42天| 01背包问题&#xff0c;你该了解这些|01背包问题&#xff0c;你该了解这些&#xff01; 滚动数组 |416. 分割等和子集 &#xff08;****************************************************************&#xff09; &#xff08;挺难的&#xff0…

数据库嵌套事务的实现

Mysql本身&#xff08;只说InndoDB引擎&#xff09;是不支持嵌套事务的&#xff0c;就算你开了多个事务&#xff0c;也是按照一层处理。那我们所使用的应用框架&#xff0c;如php的laravel&#xff0c;Java的Spring&#xff0c;都是怎么实现事务嵌套的呢&#xff1f;本文就着这…

代码随想录刷题随记12-二叉树遍历

代码随想录刷题随记12-二叉树遍历 文章目录 代码随想录刷题随记12-二叉树遍历二叉树的递归遍历二叉树的迭代遍历前序遍历中序遍历后序遍历 二叉树的统一迭代法 二叉树的递归遍历 leetcode二叉树的前序遍历 解题代码&#xff1a; /*** Definition for a binary tree node.* st…

《QT实用小工具·七》CPU内存显示控件

1、概述 源码放在文章末尾 CPU内存显示控件 项目包含的功能如下&#xff1a; 实时显示当前CPU占用率。实时显示内存使用情况。包括共多少内存、已使用多少内存。全平台通用&#xff0c;包括windows、linux、ARM。发出信号通知占用率和内存使用情况等&#xff0c;以便自行显示…