文章目录
- [一. 数据结构前言](#一. 数据结构前言)
-
- [1.1 数据结构](#1.1 数据结构)
- [1.2 算法](#1.2 算法)
- [二. 算法效率](#二. 算法效率)
-
- [2.1 时间复杂度](#2.1 时间复杂度)
-
- [2.1.1 T(N)函数式](#2.1.1 T(N)函数式)
- [2.1.2 大O的渐进表示法](#2.1.2 大O的渐进表示法)
一. 数据结构前言
1.1 数据结构
什么是数据结构呢?打开一个人的主页,有很多视频,这是数据(杂乱无章)。从上到下按照顺序整齐排列,这是在管理这些视频,即结构。
数据结构是计算机存储 、组织数据的方式,指一种集合:【(相互之间存在一种或多种特定关系)的数据元素的】集合。
没有一种单一的数据结构对所有用途都有用,所以我们要学各式各样的数据结构,如:线性表、树、图、哈希等
1.2 算法
对数据进行 增删查改 就是计算,算法就是定义良好的计算过程。
数据结构和算法不分家。数据结构是载体,算法是工具(让我们可以更好地从载体里面取数据)
二. 算法效率
在下面的案例中,运行(调试)成功,但是提交失败了。失败原因是:超出时间限制。这就涉及到效率问题了。
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。(现在不太关注空间复杂度,因为如今的计算机储存容量很高)
2.1 时间复杂度
2.1.1 T(N)函数式
定义:在计算机科学中,算法的时间复杂度是一个函数式T(N),它定量描述了该算法的运行时间。
那为什么不能直接计算程序的运行时间,而要用时间复杂度来衡量程序的时间效率呢?
1.因为程序运行时间和编译环境 ,运行机器的配置 都有关系,
(1)同一个算法程序,老编译器和新编译器都进行编译,在同样机器下运行时间不同;同一个算法程序,用一个低配置机器和高配置机器,运行时间也不同。
2.时间只能程序写好后测试,不能在写程序之前,通过理论思想计算评估。
T(N)函数式是用来计算程序的执行次数,假设每句指令执行时间基本一样,那么执行次数和运行时间(总时间)成等比正相关。这样就可以脱离具体的编译运行环境,使得执行次数就可以代表程序时间效率的优劣。
例一:
总共执行了T(N)=N ^ 2+2N+10次。
2.1.2 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阶规则
1.时间复杂度函数T(N)中,只保留最高阶项 。(当N趋近于无穷时,低阶项影响很小)2.如果最高阶不是常数,则去掉最高阶的系数 。(当N趋近于无穷时,系数影响很小)
3.如果T(N)中只有常数项,则用常数1取代所有加法常数。O(1)
根据上面的规则,例一的时间复杂度是O(1)。
例二:
1)若要查找的字符在字符串第一个位置,则:T (N) = 1
2)若要查找的字符在字符串最后一个位置,则:T (N) = N
3)若要查找的字符在字符串第一个中间位置,则:T (N) = 1/2N [去掉系数]
所以,strchr的时间复杂度分为:最好的情况O(1),中间的情况O(N),最坏的情况O(2)
例三:
T(N)=100,如果T(N)中只有常数项,则用常数1取代所有加法常数,所以Func2的时间复杂度为: O(1)。
例四:
c
void BubbleSort(int* a, int n)
{
assert(a);
for (int end = n; end > 0; --end)
{
int exchange = 0;
for (int i = 1; i < end; ++i)
{
if (a[i - 1] > a[i])
{
Swap(&a[i - 1], &a[i]);
exchange = 1;
}
}
if (exchange == 0)
break;
}
}