刚开始接触数据结构就根本不知道数据结构是用来干嘛的。直到学习了操作系统,才对我已经学习的数据结构有了"肤浅"的认识。即我们需要合理的组织数据,高效的处理数据。最初接触里面的时间复杂度和空间复杂度对我而言那是相当痛苦的。时过今日,才慢慢对此有一定程度的了解。
首先呢,我理解了一下问题规模。我是一个不喜欢看那些"花里胡哨"定义的人,我喜欢看具体的例子,再去理解。问题规模:一般用n表示 ,对不同的问题有不同的含义(排序运算中n为参加排序的记录数,多项式运算中n为多项式的项数,集合运算中n为集合元素的个数),n越大,算法的执行时间越长。
其次,语句频度(Frequency Count),一条语句重复执行的次数。例如 for(int i=1;i<=n;i++),频度为n+1(刚开始我就不明白,不是1~n吗,频度应该为n啊,怎么是n+1呢,原来是程序跑到了i=n时(此时for循环已经进行了n次),尽管i=n+1不跑到循环体里去,但for循环始终要跑一遍,所以是n+1。)
所以 for(int i=1;i<=n;i++ )
for(int j=1;j<=n;j++) 语句频度为n*(n+1)
算法时间复杂度:
(例子):for(int i=1;i<=n;i++ ) //频度为n+1
for(int j=1;j<=n;j++) //频度为 n*(n+1)
{
c[i][j]=0 ; //频度为n²
for(k=1;k<=n;k++) //频度为n²(n+1)
c[i][j]=c[i][j]+a[i][k]*b[k][j]; //频度为n³
}
那么,此算法的执行时间与语句频度成正比,即f(n)=2n³+3n²+2n+1,为了客观描述反映一个算法执行时间,用对算法运行时间贡献最大的基本语句来描述,即 c[i][j]=c[i][j]+a[i][k]*b[k][j] 描述此算法。
例如 for(int i=1;i<n;i++) //频度为n
{x++;} //频度为n-1 时间复杂度为 O(n)
空间复杂度:
空间复杂度我就仅仅看了一个例子如下
将一维数组a中的n个数逆序存放到原数组中
算法一 for(int i=0;i<n/2;i++)
{
t=a[i];
a[i]=a[n-i-1];
a[n-i-1]=t;
}
算法二 for(int i=0;i<n;i++)
b[i]=a[n-i-1];
for(int i=0;i<n;i++)
a[i]=b[i];
算法一仅需要借助一个变量t,与问题规模无关,空间复杂度为O(1),算法二需要借助一个大小为n的辅助数组,所以其空间复杂度为O(n)