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
|
1月前
|
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。
70 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。
|
1月前
|
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。
26 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
|
1月前
|
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。
33 4
|
1月前
|
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。
20 0
数据结构与算法学习十四:常用排序算法总结和对比
|
1月前
|
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。
30 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
|
1月前
|
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
|
1月前
|
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。
20 0
|
28天前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。
|
13天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
|
14天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。

热门文章

最新文章