数据结构学习分享之复杂度讲解

这篇具有很好参考价值的文章主要介绍了数据结构学习分享之复杂度讲解。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1. 前言

在我们学习完C语言的所有内容后,现在就可以开始我们的数据结构的学习,如果有读者也想走C/C++研发方向,可以跟着我一起往后学.本篇文章将收于专栏数据结构学习分享,会持续更新内容.


2. 数据结构前言

2.1 什么是数据结构和算法?

  • 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。
  • 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。

2.2 数据结构和算法的重要性

当前校园招聘笔试一般采用Online Judge形式(简称OJ题), 一般都是20-30道选择题,3-4道编程题,其中数据结构和算法所占的比例我们可以参考一下腾讯2017校招开发工程师笔试试卷.还有我们在通过笔试后进入面试阶段,HR也常常会向我们提一些比较有专业性的问题比如:

  • 你了解队列和栈吗?
  • 怎么用两个栈实现一个队列。
  • 判断两个链表是否相交。
  • 学习STL具体是怎么开展的?
  • 红黑树的原理、时间复杂度等;
  • Hashmap相关;
  • 哈希表和快速排序思想

这些都是属于我们的数据结构的问题


2.3 如何学好数据结构和算法?

我的建议是死磕代码,磕成这样就好了[狗头]

数据结构学习分享之复杂度讲解
当然这虽然是夸张了,但是死磕代码是真的!

再一个,在我们关于单链表Oj题的分享中(单链表oj题分享)就已经强调过,这一部分必须要画图,画图分析也是很重要的

2.4 一些文章和书籍

关于数据结构更多的了解,这里我给大家推荐一篇文章数据结构与算法对于程序员的重要性, 数据结构学习得差不多了,推荐大家都去把 《剑指offer》和《程序员代码面试指南》上的题做一遍

  • 剑指offerOJ题
  • 力扣OJ题


3. 算法效率

我们如何衡量一个算法的好坏?是代码越少算法越好吗?比如对于以下斐波那契数列:

long long Fib(int N)
{
 if(N < 3)
 return 1;
 return Fib(N-1) + Fib(N-2);
}

这段代码十分简洁,但是我们在学习C语言的时候知道,用递归求斐波那契数列是不明智的选择,因为它的计算量非常大,所以算法的好坏与代码量是不相关的:


3.1 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。

3.2 复杂度在面试中的考察

我们在做OJ题时经常会遇见这种时间和空间的限制:

数据结构学习分享之复杂度讲解不仅仅在笔试阶段我们会遇见这种问题,在面试的时候也经常会被问到



4. 时间复杂度

4.1 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。

其实我们只需要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

  • 比如下面这段代码:
// 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);
}

Func1执行的次数:F(N)=N2+2*N+10

  • N=10,F(N)=130
  • N=100,F(N)=10210

4.2 大O的渐近表示法

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,***而只需要知道大概执行次数,那么这里我们使用大O的渐进表示法。***我们之前看见时间复杂度为O(1)就是用这种方法表示的

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:

  • 用常数1取代运行时间中的所有加法常数。

  • 在修改后的运行次数函数中,只保留最高阶项

  • 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。(如2*n2实际上就是n2)

使用我们的大O表示法化简上面代码的时间复杂度就为:O(N2)


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.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)



4.3 判断时间复杂度的实例

4.31 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);
}

运行次数为:2*n+10,时间复杂度为:O(N).


4.32 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);
}

运行次数为:N+M,时间复杂度为:O(N+M)


4.33 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);
}

运行次数为100,是常数次,时间复杂度:O(1).


4.34 实例4(冒泡排序)

// 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;
 }
}

运行次数为:(n-1)+(n-2)+(n-3)+…+1,就等于(n2-n)/2次.时间复杂度为O(N2)


4.35 实例5(二分查找)

// 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;
 while (begin < end)
 {
 int mid = begin + ((end-begin)>>1);
 if (a[mid] < x)
 begin = mid+1;
 else if (a[mid] > x)
 end = mid;
 else
 return mid;
 }
 return -1;
}

我们通过画图的方式来看看它的最坏情况要运行多少次:

数据结构学习分享之复杂度讲解

得到时间复杂度为O(log2N),所以我们说二分查找的效率是很高的,哪怕我们是想在14亿中国人中通过二分查找找到一个人,最坏的情况都只需要31次就能找到.



5. 空间复杂度

5.1 空间复杂度定义

  • 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实践复杂度类似,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。


5.2 判断空间复杂度实例

5.21 实例1(冒泡排序)

// 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;
 }
}

实例1使用了常数个额外空间,所以空间复杂度为 O(1)


5.22 实例2(非递归求法的斐波那契)

// 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;
}

实例2动态开辟了N个空间,空间复杂度为 O(N)


5.23 实例3(递归)

// 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(开辟了N次空间),每个栈帧使用了常数个空间。空间复杂度为O(N)



6. 常见复杂度对比

运行次数 复杂度 分类
5201314 O(1) 常数阶
3n+2 O(N) 线性阶
3n2+4n+5 O(N2) 平方阶
8log2(n)+4 O(log2N) 对数阶
10n+6nlog2(n)+22 O(N*log2N) NlogN阶
2n+8 O(2N) 指数阶


7. 总结

本章是数据结构的开头,我们介绍并熟悉了时间复杂度和空间复杂度的大O渐近表示法,为后面的算法题打个基础.接下来的内容我将为大家介绍常见的数据存储模式:顺序表,单链表,双链表,栈,队列,二叉树等等,敬请期待!. 文章来源地址https://www.toymoban.com/news/detail-428186.html

到了这里,关于数据结构学习分享之复杂度讲解的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

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: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 数据结构——时间复杂度和空间复杂度

    1.算法效率 2.时间复杂度 3.空间复杂度 4. 常见时间复杂度以及复杂度oj练习 1.算法效率 1.1 如何衡量一个算法的好坏 如何衡量一个算法的好坏呢?比如对于以下斐波那契数的计算 我们看到虽然用递归的方式实现斐波那契很简单,但是简单一定代表效率高吗? 我们接着往下看。

    2024年02月13日
    浏览(45)
  • 数据结构入门 — 时间复杂度、空间复杂度

    数据结构_空间复杂度_时间复杂度讲解_常见复杂度对比 本文介绍数据结构中的时间复杂度和空间复杂度 ***文章末尾,博主进行了概要总结,可以直接看总结部分*** 博主博客链接:https://blog.csdn.net/m0_74014525 点点关注,后期持续更新系列文章 算法效率指的是算法在处理数据时

    2024年02月13日
    浏览(49)
  • 数据结构之时间复杂度-空间复杂度

    大家好,我是深鱼~ 目录 1.数据结构前言 1.1什么是数据结构 1.2什么是算法 1.3数据结构和算法的重要性 1.4如何学好数据结构和算法 2.算法的效率 3.时间复杂度 3.1时间复杂度的概念 3.2大O的渐进表示法 【实例1】:双重循环的时间复杂度:O(N) 【实例2】:双重循环的时间复杂度

    2024年02月14日
    浏览(39)
  • 【数据结构】时间复杂度与空间复杂度

    在学习C语言的时候,大多数的小伙伴们并不会对算法的效率了解,也许算法也是一个陌生的领域,当进入了数据结构这个模块,就应该对算法的效率做一个清晰的认识。但是算法的效率是什么呢?这里就引出来时间复杂度与空间复杂度的概念了。 算法效率 指的是算法解决问

    2024年02月07日
    浏览(40)
  • 数据结构——时间复杂度与空间复杂度

    目录 一.什么是空间复杂度与时间复杂度 1.1算法效率 1.2时间复杂度的概念 1.3空间复杂度的概念 二.如何计算常见算法的时间复杂度 2.1大O的渐近表示法  使用规则 三.如何计算常见算法的空间复杂度 3.1 大O渐近表示法 3.2 面试题——消失的数字  3.3 面试题——旋转数组 分为两

    2024年02月07日
    浏览(42)
  • 数据结构--时间复杂度与空间复杂度

    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,只有程序在机器上跑起来,才能知道,但是如果所有的算法都需要在机器上运行起来去测试时间复杂度就会很麻烦,所以才有了时

    2024年02月16日
    浏览(38)
  • 【数据结构】---时间复杂度与空间复杂度

    💐 🌸 🌷 🍀 🌹 🌻 🌺 🍁 🍃 🍂 🌿 🍄🍝 🍛 🍤 📃 个人主页 :阿然成长日记 👈点击可跳转 📆 个人专栏: 🔹数据结构与算法🔹C语言进阶 🚩 不能则学,不知则问,耻于问人,决无长进 🍭 🍯 🍎 🍏 🍊 🍋 🍒 🍇 🍉 🍓 🍑 🍈 🍌 🍐 🍍 · 时间复杂度的定义

    2024年02月15日
    浏览(49)
  • 数据结构 --- 复杂度概念及计算讲解(时间复杂度,空间复杂度)

    今天没有sao话,今天认真学习 前言: 经常刷题的人都知道,我们在解决一道题时可能有多个解法,那么如何判断那个解法才是最优解呢? 我们通常从代码的两个方面进行判断:1.时间 2.空间。 –❀–❀–❀–❀–❀–❀–❀–❀–❀–❀–❀–❀–❀–❀–❀–❀–❀–❀

    2024年03月22日
    浏览(43)
  • 数据结构:时间复杂度和空间复杂度计算

    算法效率分析分为两种:第一种是时间效率,第二种是空间效率。时间效率被称为时间复杂度, 而空间效率被称作空间复杂度。 时间复杂度主要衡量的是一个算法的运行速度,而空间复杂度主 要衡量一个算法所需要的额外空间,在计算机发展的早期,计算机的存储容量很小

    2024年02月11日
    浏览(38)
  • 数据结构:算法(特性,时间复杂度,空间复杂度)

    算法(Algorithm)是对 特定问题求解步骤 的一种描述,它是指令的有限序列,其中的每条指令表示一个或多个操作。 一个算法必须总在执行有穷步之后结束,且每一步都可在有穷时间内完成。 算法必须是有穷的,而程序可以是无穷的 算法中每条指令必须有确切的含义,对于

    2024年02月06日
    浏览(52)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包