算法的时间复杂度下

简介: 算法的时间复杂度

根据思想来计算 

示例6

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;
  }
}

看到上面的代码,可能是毫不犹豫的O(N^2),为什么?两层循环?两层循环就一定是O(N^2)了吗?其实不是。从这里开始就要学会:从解题思想上去算时间复杂度了。

时间复杂度计算不能数代码中循环的层数。要根据思想,灵活计算。

我们再来看一个例子。

这是快速排序中的一步。思想根据把小于keyi的放在keyi的左边,大于keyi的放在keyi的右边。

看了上面快速排序的两个循环我们发现:两层循环不一定是O(N^2)。


上面的代码根据思想来看:就是left和right一起把数组遍历了一遍,所以时间复杂度是O(N)。

时间复杂度的OJ练习题

【单生狗1】

一个数组中只有一个数字出现一次,其他所有数字都是成对出现。编写一个函数找出这个数字。

【方法1】暴力求解:统计每个元素出现的次数,然后找出只出现一次的。


【方法2】异或


异或操作符:相同为0,相异为1

  • a^a=0
  • a^0=a
  • a^b^a=a^a^b=b(异或支持交换律)
#include<stdio.h>
int main()
{
  int arr[] = { 1,2,3,4,5,6,1,2,3,4,5 };
  int sz = sizeof(arr) / sizeof(arr[0]);
  int i = 0;
  int ret = 0;
  for (i = 0; i < sz; i++)
  {
    ret ^= arr[i];
  }
  printf("%d ", ret);
  return 0;
}

【单生狗2】

一个数组中只有两个数字出现一次,其他所有数字都出现了两次。编写一个函数找出这两个只出现一次的数字。

【方法1】暴力求解


【方法2】分组异或


分组:把两个单生狗分为两组,再利用单生狗1异或的方法分别求解。


  • 先数组全部元素异或到一起得到的结果就是两个单生狗异或的结果。
  • 两个单生狗异或的结果一定不为0,根据相同为0,相异为1的原理,结果中二进制位一定有1
  • 选择为1的位数,来进行分组,这样就可以不同的两个单生狗放到不同的分组里面了
  • 只要异或之后的结果为1的位数,就可以拿来分组
  • &1 == 1此位为1         &1 == 0 此位为0
  1. 全部异或到一起,得到r
  2. 计算r是第几位是1,得到位数i---从最低位开始判断是否为1,不是往左移动1为>>1----&1
  3. 以第i位来分组
  4. 在分别异或到一起得到单生狗

#include<stdio.h>
int main()
{
  int arr[] = { 1,2,3,4,6,1,2,3,4,5 };//5 6
  int sz = sizeof(arr) / sizeof(arr[0]);
  int i = 0;
  int ret = 0;
  //1.全部^到一起
  for (i = 0; i < sz; i++)
  {
    ret ^= arr[i];
  }
  //2.找到为1的n位
  int n = 0;//n是为1的位数
  for (n = 0; n < 32; n++)//4个字节32个bite位
  {
    if (((ret>>n) & 1 )== 1)
    {
      break;//n是移动几位,第几位
    }
  }
  //3.分组
  int r1 = 0;
  int r2 = 0;
  for (i = 0; i < sz; i++)
  {
    if (((arr[i] >> n)&1) == 1)
    {
      r1 ^= arr[i];
    }
    if (((arr[i] >> n) & 1) == 0)
    {
      r2 ^= arr[i];
    }
  }
  printf("r1=%d r2=%d\n", r1, r2);
  //返回下标
  int j = 0;
  for (j = 0; j < sz; j++)
  {
    if (arr[j] == r1)
      printf("r1下标:%d\n", j);
    if (arr[j] == r2)
      printf("r2下标:%d\n", j);
  }
  return 0;
}
//封装成函数-----想把两个单身狗带回-----用指针
//返回下标-----------遍历一遍

【消失的数字】

数组nums包含从0n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?动手写一写。

【方法1】暴力求解:先冒泡排序,再遍历一遍,当 当前值+1  不等于下一个值 这就是消失的数字


冒泡排序时间复杂:O(N^2)  遍历时间复杂度:O(N) 。 时间复杂度:O(N^2)

【方法2】异或:和上面单生狗的思想是一样的。


第一个循环时间复杂度:O(N)  第二个循环时间复杂度: O(N+1)   时间复杂度:O(N)

int missingNu

int missingNumber(int* nums, int numsSize){
    int ret=0;
    int i=0;
    for(i=0;i<numsSize;i++)//先把数组全部数组异或 0~N缺少一个数字所以是N+1-1个数字即N个数字
    {
        ret^=nums[i];
    }
    for(i=0;i<=numsSize;i++)//得到的结果再次异或0~N数字 0~N有N+1个数字
    {
        ret^=i;
    }
    return ret;
}

【方法3】等差数列公式计算:0~N等差数列公式计算和,再一次减去数组中的元素,剩下的就是消失的数字。

  • 等差数列时间复杂度:O(1)  循环时间复杂度:O(N) 时间复杂度:O(N)

特别提醒:0~N有N+1项


【方法4】简单的哈希:动态内存开辟一个N空间大小的数组,放入0~N的数字,和缺失元素的数组比较,比较之后就找到缺失的元素了。


✔✔✔✔✔最后,感谢大家的阅读,若有错误和不足,欢迎指正!之后就开始数据结构初阶篇的学习。初阶数据结构都是用C语言来学习,学习初阶数据结构要求是:指针/结构/动态内存管理等。在下一篇我们会去讲解到更多题目和空间复杂度。

代码---------→【唐棣棣 (TSQXG) - Gitee.com

联系---------→【邮箱:2784139418@qq.com】

目录
相关文章
|
1月前
|
机器学习/深度学习 算法 程序员
读《趣学算法》:重开算法之门,时间复杂度与空间复杂度
本文是作者阅读《趣学算法》后的笔记,介绍了算法复杂度的基本概念,包括时间复杂度和空间复杂度的不同阶表示,并通过具体例子展示了如何计算和理解算法的效率。
58 2
读《趣学算法》:重开算法之门,时间复杂度与空间复杂度
|
2月前
|
机器学习/深度学习 存储 算法
颠覆认知!Python算法设计中的时间复杂度与空间复杂度,你真的理解对了吗?
【7月更文挑战第22天】在Python算法设计中,时间与空间复杂度是评估算法效能的核心。时间复杂度不仅限于大O表示法,还涵盖平均与最坏情况分析。空间复杂度虽关注额外存储,但也反映内存效率。平衡二者需视场景而定,如利用原地算法减少内存消耗,或牺牲空间加速执行。算法优化技巧,如分治与动态规划,助你在资源与速度间找寻最优解,从而高效应对大数据挑战。
39 3
|
5天前
|
算法 Python
震惊!Python 算法设计背后,时间复杂度与空间复杂度的惊天秘密大起底!
在 Python 算法设计中,理解并巧妙运用时间复杂度和空间复杂度的知识,是实现高效、优雅代码的必经之路。通过不断地实践和优化,我们能够在这两个因素之间找到最佳的平衡点,创造出性能卓越的程序。
20 4
|
1月前
|
机器学习/深度学习 存储 算法
算法时间复杂度分析
这篇文章讲解了如何分析算法的时间复杂度,包括关注循环执行次数最多的代码段、总复杂度的确定、嵌套代码复杂度的计算方法,并提供了大O阶的推导步骤和常见时间复杂度的列表,同时还介绍了空间复杂度的概念及其重要性。
|
1月前
|
搜索推荐
九大排序算法时间复杂度、空间复杂度、稳定性
九大排序算法的时间复杂度、空间复杂度和稳定性,提供了对各种排序方法效率和特性的比较分析。
70 1
|
2月前
|
存储 算法 搜索推荐
深度剖析 Python 算法:时间复杂度与空间复杂度的爱恨情仇,你站哪边?
【7月更文挑战第23天】在Python算法设计中,时间复杂度与空间复杂度如影随形,反映算法效率与资源消耗。时间复杂度揭示算法随输入规模增长的计算趋势,空间复杂度关注额外存储需求。找最大值示例中,两种实现均具O(n)时间与O(1)空间复杂度,但在排序等复杂场景下,如冒泡排序与快速排序,或哈希表与二叉树查找,权衡变得关键。实时系统偏好低时间复杂度算法,存储受限环境则需关注空间效率。最佳选择依应用场景而定,掌握二者平衡,方能编写高效代码。
30 10
|
2月前
|
算法 Python
震惊!Python 算法设计背后,时间复杂度与空间复杂度的惊天秘密大起底!
【7月更文挑战第23天】在Python算法设计中,时间与空间复杂度是幕后操控程序效率的双雄。时间复杂度反映算法执行时间随输入规模增长的速度,空间复杂度则计量算法运行时额外内存的使用。如顺序查找的时间复杂度O(n)与固定空间O(1),对比冒泡排序的O(n^2)时间和快速排序的O(n log n)时间优势,后者虽递归消耗空间,但在多数情况下提供更佳性能。根据需求,可权衡选择,如利用哈希表在充足内存下实现O(1)查找,或在空间受限时,偏好空间效率更高的算法,实现Python代码的高性能与优雅。
41 6
|
2月前
|
存储 算法 搜索推荐
揭秘!Python算法设计的隐形杀手:忽视时间复杂度与空间复杂度的后果有多严重?
【7月更文挑战第24天】在 Python 编程中, 算法设计是性能与效率的基石。忽视时间复杂度 (如使用 O(2^n) 的斐波那契数列递归算法而非 O(n) 的动态规划版本) 和空间复杂度 (如在插入排序中每次迭代都复制整个已排序数组, 导致 O(n^2) 的空间复杂度) 可能严重拖累程序。性能优化至关重要, 合理的算法设计保证程序高效稳定, 是攀登技术高峰的坚实阶梯。
38 3
|
2月前
|
算法 搜索推荐 数据处理
震惊!Python算法设计背后,时间复杂度与空间复杂度的惊天秘密大起底!
【7月更文挑战第24天】在编程世界里, Python以简洁强大备受欢迎, 但算法设计与复杂度分析对程序性能至关重要。算法是程序的灵魂, 其效率直接影响数据处理能力。时间复杂度衡量算法执行速度, 如冒泡排序O(n²)与快速排序O(n log n)的显著差异; 空间复杂度关注内存占用, 递归算法需警惕栈溢出风险。优秀算法需平衡时间和空间效率, 深入理解问题本质, 迭代优化实现高效可靠。
33 2
|
2月前
|
算法 Python
算法小白秒变高手?一文读懂Python时间复杂度与空间复杂度,效率翻倍不是梦!
【7月更文挑战第24天】在编程中,算法效率由时间复杂度(执行速度)与空间复杂度(内存消耗)决定。时间复杂度如O(n), O(n^2), O(log n),反映算法随输入增长的耗时变化;空间复杂度则衡量算法所需额外内存。案例对比线性搜索(O(n))与二分搜索(O(log n)),后者利用有序列表显著提高效率。斐波那契数列计算示例中,递归(O(n))虽简洁,但迭代(O(1))更节省空间。掌握这些,让代码性能飞跃,从小白到高手不再是梦想。
46 1