算法及数据结构基础知识汇总(上)

简介: 算法及数据结构基础知识汇总(上)

算法定义


算法(Algorithm)是对特定问题求解步骤的一种描述。


衡量算法的指标


1.时间复杂度:执行这个算法需要消耗多少时间;(大O表示法


2.空间复杂度:这个算法需要占用多少内存。


算法在时间的高效性和空间的高效性之间通常时矛盾的,所以一般需要一个平衡点。通常我们假设程序运行在足够大的空间中,所以研究更多的是算法的时间复杂度


常见的时间复杂度有:


常数阶O(1);


对数阶O(Log2n) à二分查找


线性阶O(n) à普通查找


线性对数阶O(n Log2n) à快速排序


平方阶O(n2) à选择排序


立方阶O(n3);


k次方阶O(nk) ;


O(n!) ;–à旅行商问题


指数阶O(2n)


平均时间复杂度和最坏时间复杂度


一般讨论的是最坏时间复杂度:表示了算法在任何输入情况下运行时间的界限,运行时间不会有比最坏的时间更长的时间。


查找


简单查找


O(n)


二分法查找


前提:所查找的列表是有序列表。


每次查找都会排除一般的值。


O(log2n) 100个元素最多查找7次 log2100 à7 ;40亿个元素,最多查找32次

N表示所查找的元素个数。


元素越多二分法相对于简单查找的优势越明显。


不同时间复杂度的时间对比:

20181203222712713.png


二分法实现的代码:(python)


201812032227455.png


数组与链表


数组


特点:元素在内存中是相连的,需要连续的内存空间。(每个元素有指定索引)

优势:查找元素,随机读取元素时,效率高,因为每个元素有指定的索引。


链表


特点:元素可以存储在内存的任何地方,链表中每个元素都存储了下一个元素的地址

优势:插入元素


数组支持随机访问,而链表必须顺序访问,因为每个元素的地址都存储在上一个元素中。



数组
链表
读取 O(1) O(n)
插入 O(n) O(1)
删除 O(n) O(1)


混合数据:链表数组

20181203222824658.png


特点:查找时,速度比数组慢,但比链表快;而插入时,速度比数组快,与链表相当


排序


选择排序


每次找出数组中最小的元素,查找n次. àO(n)


代码:

2018120322284611.png


快速排序—分治思想


每次从列表取出一个基准值,然后根据基准值将列表分为两个部分,比基准值到的部分List1和比基准值小的部分list2;然后对个list1与list2分别执行同样的操作。


每次取列表第一个值当基准值:

20181203222859127.png


每次随机取列表中的值当基准值:(一般随机取比较好)

20181203222913522.png


递归


每个递归函数都包含基线条件(base case)和递归条件(recursive case)。


基线条件:递归结束的条件;


递归条件:运行递归的条件,

20181203222924354.png



先进后出


有入栈和出栈操作;


所有函数的调用都进入调用栈。


缺点:如果栈层数很多,就会占用大量的存储空间。


散列表


散列函数


将输入映射到数字。


特征:


1,散列函数总是将同样的输入映射到相同的索引;


2,散列函数将不同的输入映射到不同的索引;(尽可能映射到不同索引,有可能不同输入对应同一索引(称为冲突),最理想的情况时散列函数将键均匀地映射到散列表的不同位置。)


散列表(hash table)


散列表= 散列函数 + 数组


Python中提供的散列表为字典。Dict1= {} 或者dict();创建空字典。


散列表适用的情况:


1.模拟映射关系;


2.防止重复;


3.缓存/记住数据,以免服务器再通过处理来生成他们。


散列表的查找、插入和删除速度都很快。


避免冲突的方式:


1.较低的填装因子;(填装因子=散列表包含的元素个数/位置总数);


2.良好的散列函数。


填装因子越低,发生冲突的可能性越小,散列表性能越高。


一个不错的经验规律:一旦填装因子大于0.7,就调整散列表的长度。(通常将长度增加一倍)


缓存


工作原理:将常用的数据存储在内存中。


缓存是一种常见的加速方式,所有大型网站都是用缓存,而缓存的数据则存储在散列表中。

20181203222939426.png


广度优先搜索


广度优先搜索 (breadth-first search, BFS)


可以解决最短路径问题。


广度优先搜索是一种用于图的查找算法。可以帮助解决两类问题:


第一类:从节点A出发,有前往节点B的路径吗?


第二类:从节点A出发,前往节点B的哪条路径最短?(段数最少的路径)

实现方式—队列(queue)


查找你有没有朋友是经销商。

2018120322301314.png

20181203223023851.png

20181203223032779.png


广度优先的运行时间为O(V+E) ,其中V为顶点数,E为边数。


20181203223042790.png


有向图(directed graph)—带箭头


无向图(undirected graph)—不带箭头


下面两个图等价:

20181203223052505.png











相关文章
|
24天前
|
存储 人工智能 算法
数据结构与算法细节篇之最短路径问题:Dijkstra和Floyd算法详细描述,java语言实现。
这篇文章详细介绍了Dijkstra和Floyd算法,这两种算法分别用于解决单源和多源最短路径问题,并且提供了Java语言的实现代码。
60 3
数据结构与算法细节篇之最短路径问题:Dijkstra和Floyd算法详细描述,java语言实现。
|
27天前
|
机器学习/深度学习 存储 缓存
数据结构与算法学习十:排序算法介绍、时间频度、时间复杂度、常用时间复杂度介绍
文章主要介绍了排序算法的分类、时间复杂度的概念和计算方法,以及常见的时间复杂度级别,并简单提及了空间复杂度。
20 1
数据结构与算法学习十:排序算法介绍、时间频度、时间复杂度、常用时间复杂度介绍
|
20天前
|
存储 算法 Java
Set接口及其主要实现类(如HashSet、TreeSet)如何通过特定数据结构和算法确保元素唯一性
Java Set因其“无重复”特性在集合框架中独树一帜。本文解析了Set接口及其主要实现类(如HashSet、TreeSet)如何通过特定数据结构和算法确保元素唯一性,并提供了最佳实践建议,包括选择合适的Set实现类和正确实现自定义对象的hashCode()与equals()方法。
31 4
|
27天前
|
搜索推荐 算法
数据结构与算法学习十四:常用排序算法总结和对比
关于常用排序算法的总结和对比,包括稳定性、内排序、外排序、时间复杂度和空间复杂度等术语的解释。
17 0
数据结构与算法学习十四:常用排序算法总结和对比
|
27天前
|
存储 缓存 分布式计算
数据结构与算法学习一:学习前的准备,数据结构的分类,数据结构与算法的关系,实际编程中遇到的问题,几个经典算法问题
这篇文章是关于数据结构与算法的学习指南,涵盖了数据结构的分类、数据结构与算法的关系、实际编程中遇到的问题以及几个经典的算法面试题。
27 0
数据结构与算法学习一:学习前的准备,数据结构的分类,数据结构与算法的关系,实际编程中遇到的问题,几个经典算法问题
|
27天前
|
机器学习/深度学习 搜索推荐 算法
探索数据结构:初入算法之经典排序算法
探索数据结构:初入算法之经典排序算法
|
27天前
|
算法 Java 索引
数据结构与算法学习十五:常用查找算法介绍,线性排序、二分查找(折半查找)算法、差值查找算法、斐波那契(黄金分割法)查找算法
四种常用的查找算法:顺序查找、二分查找(折半查找)、插值查找和斐波那契查找,并提供了Java语言的实现代码和测试结果。
17 0
|
5天前
|
C语言
【数据结构】栈和队列(c语言实现)(附源码)
本文介绍了栈和队列两种数据结构。栈是一种只能在一端进行插入和删除操作的线性表,遵循“先进后出”原则;队列则在一端插入、另一端删除,遵循“先进先出”原则。文章详细讲解了栈和队列的结构定义、方法声明及实现,并提供了完整的代码示例。栈和队列在实际应用中非常广泛,如二叉树的层序遍历和快速排序的非递归实现等。
63 9
|
2天前
|
存储 JavaScript 前端开发
执行上下文和执行栈
执行上下文是JavaScript运行代码时的环境,每个执行上下文都有自己的变量对象、作用域链和this值。执行栈用于管理函数调用,每当调用一个函数,就会在栈中添加一个新的执行上下文。
|
4天前
|
存储
系统调用处理程序在内核栈中保存了哪些上下文信息?
【10月更文挑战第29天】系统调用处理程序在内核栈中保存的这些上下文信息对于保证系统调用的正确执行和用户程序的正常恢复至关重要。通过准确地保存和恢复这些信息,操作系统能够实现用户模式和内核模式之间的无缝切换,为用户程序提供稳定、可靠的系统服务。
26 4