算法网课笔记（一）——复杂度分析

课程来源

极客时间——数据结构与算法之美（王争）

概述

数据结构：一组数据的存储结构
算法：操作数据的一组方法
数据结构为算法的服务，算法要作用在特定的数据结构上
复杂度分析：算法时间和资源效率的考量，很重要

课程内容总览：
10个数据结构：数组，链表，栈、队列、散列表、二叉树、堆、跳表、图、Trie数
10个算法：递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法

复杂度分析

事后统计法的缺点：1.测试结果依赖测试环境；2.测试结果受数据规模影响大
复杂度计算过程：
假设每行代码执行时间都是unit_time，统计所有代码执行的次数，再取数量级即可
所有代码的执行时间T（n）与每行代码的执行次数n成正比，即下列公式
T(n)=O( f(n) )

大O时间复杂度表示法：
表示代码执行时间随数据规模增长的变化趋势，也叫渐进时间复杂度（asymptotic time complexity，简称时间复杂度）

如何分析代码的时间复杂度：
1.只关注循环执行次数最多的一段代码
2.加法法则，总复杂度等于量级最大的那段代码的复杂度
3.乘法法则：嵌套代码的复杂度等于嵌套内外代码复杂度乘积

常见复杂度量级

其中：只有O（2^n）和 O(n!)是非多项式量级
NP问题：时间复杂度为非多项式量级的算法问题（Non-Deterministic Polynomial，非确定多项式）

O(1)

算法中不存在循环、递归语句，其复杂度即O(1)

O(logn)、O(nlogn)

logn的底数不一定是2，因为任何数为底的对数，都可以通过分离常量来变成C*log2(n)的形式
nlogn就是将O(logn)的代码执行n次的算法，如归并排序,快速排序的时间复杂度都是O(nlogn)

 i=1;
 while (i <= n)  {
   
   
   i = i * 2;
 }

 i=1;
 while (i <= n)  {
   
   
   i = i * 3;
 }

O(m+n)、O(m*n)

当无法判断2个循环的规模，哪一个比较大时，加法规则（max的那个规则）就失效，但是乘法规则仍然适用

int cal(int m, int n) {
   
   
  int sum_1 = 0;
  int i = 1;
  for