**算法（Algorithm）**是指用来操作数据、解决程序问题的一组方法。对于同一个问题，使用不同的算法，也许最终得到的结果是一样的，但在过程中消耗的资源和时间却会有很大的区别。通常，对于一个给定的算法，我们要做 两项分析。第一是从数学上证明算法的正确性，这一步主要用到形式化证明的方法及相关推理模式，如循环不变式、数学归纳法等。而在证明算法是正确的基础上，第二部就是分析算法的时间复杂度。算法的时间复杂度反映了...
一、冒泡排序：public static void bubbleSort(int []arr) {for(int i =1;i<arr.length;i++) { for(int j=0;j<arr.length-i;j++) {if(arr[j]>arr[j+1]) {int temp = arr[j];arr[j]=arr[j+1];arr[j+1]=temp;}} }} 冒泡排序最好的情况是一趟就排完 时间复杂度为O(n); 最坏的情况就是刚好是反序的 需要循环（n-1）趟 每趟需要循环（n-1-i）次 时间复杂度为 （(n-1)*n）/2 也就是O(n^2) 所以冒泡排序的平均时间复...
class Solution {public double findMedianSortedArrays(int[] A, int[] B) {int m = A.length;int n = B.length;if (m > n) { // to ensure m<=nint[] temp = A; A = B; B = temp;int tmp = m; m = n; n = tmp;}int iMin = 0, iMax = m, halfLen = (m + n + 1) / 2;while (iMin <= iMax) {int i = (iMin + iMax) / 2;int j = halfLen - i;if (i < iMax && B[j-1] > A[i]){iMin = i + 1; // i is too small}else if (i > iMin && A...
时间复杂度表示代码的执行时间随着数据规模增长的趋势。使用O()表示【假设】每一行代码执行的时间都一样，都是unit_time。所有代码的总执行时间 T(n) 与每行代码的执行次数成正比。 1、只关注循环执行次数最多的一段代码def calc(n):"""分析这个代码执行时间，(3+2n)*unit_time，去掉常量，去掉高阶的系数，从而得出时间复杂度就是O(n)"""total = 0 # 执行1次for i in range(0, n + 1): # 执行n+1次total = total + i # 执行n+1...
排序图表:一、插入排序 每次将一个待排序的数据，跟前面已经有序的序列的数字一一比较找到自己合适的位置，插入到序列中，直到全部数据插入完成。 二、希尔排序 先将整个待排元素序列分割成若干个子序列（由相隔某个“增量”的元素组成的）分别进行直接插入排序，然后依次缩减增量再进行排序，待整个序列中的元素基本有序（增量足够小）时，再对全体元素进行一次直接插入排序。由于希尔排序是对相隔若干距离的数据进行直接插...
我有一个下面编写的函数.此功能本质上是合并排序.public static long nlgn(double[] nums) {if(nums.length > 1) {int elementsInA1 = nums.length/2;int elementsInA2 = nums.length - elementsInA1;double[] arr1 = new double[elementsInA1];double[] arr2 = new double[elementsInA2];for(int i = 0; i < elementsInA1; i++)arr1[i] = nums[i];for(int i = elementsInA1; i < elementsInA1 + elementsInA2; i++)arr2[i - ...
首先假设计算机运行一次基础代码需要执行一次运算 int func(void){ printf();//需要执行1次 return 0；//1次 }上面方法需要执行2次 int func(int n) { for(int i=0;i<n;i++)//n+1次 { printf("");//n次 } return 0;//1次 }这个方法需要(n+1+n+1)=2n+2次运算 把算法需要执行的运算次数用输入大小n的函数表示，即T（n） T表示运算次数 定义：存在常数c和函数f(N) 使得当N>=c时 T（N）<=f(N),表示T(N)=O(f(n))算法的时间复杂度，用来度...
原文链接：https://blog.csdn.net/itachi85/article/details/54882603前言 算法很重要，但是一般情况下做移动开发并不经常用到，所以很多同学早就将算法打了个大礼包送还给了老师了，况且很多同学并没有学习过算法。这个系列就让对算法头疼的同学能快速的掌握基本的算法。过年放假阶段玩了会游戏NBA2K17的生涯模式，没有比赛的日子也都是训练，而且这些训练都是自发的，没有人逼你，从早上练到晚上，属性也不涨，但是如果日积月累，...
定义 ? 对于不同的机器环境而言，确切的单位时间是不同的，但是对于算法进行多少个基本操作（即花费多少时间单位）在规模数量级上却是相同的，由此可以忽略机器环境的影响而客观的反应算法的时间效率。 对于算法的时间复杂度效率，我们可以用“大O记法”来表示。 “大O记法”：对于单调的整数函数f，如果存在一个整数函数g和实常数c>0，使得对于充分大的n总有f(n)<=c*g(n)，就说函数g是f的一个渐近函数（忽略常数），记为f(n)=O(g(...
一：我们用大O记法 来体现时间复杂度: O[] = O(f(n)) f(n)是运行次数函数, 统计随着问题输入规模n的不同,运行次数的变化; 二：那么如何推导大O阶呢?用常数1取代所有运行次数函数的常数项; 只保留最高级项 如果最高阶存在,且最高阶不是1, 则去除与这个项相乘的常数;由此, 我们便得到了大O阶;
研究了编辑距离、lcd等字符比较的算法，发现它们的时间复杂度和空间复杂度都在n*m，太复杂了。脑海想了下人是怎么比较字符的，联想出动态规划公式，之后就有了这个字符扫描比较法。 设字符s1长度为n,字符s2长度为m， 当s1[n1]!==s2[n2], 扫描s2求出d1,l1,扫描s1求出d2,l2, 比较l1、l2、d1、d2，移动n1、n2,重复这个过程// 动态公式 // d1==0 // n1=n1+l1 l1>l2 或者 l1==l2 d1<d2 // n2=n2+d1+l1 l1>l2 // // n1=n1+d2+l2 l1<l2 或...
算法时间复杂度 评估算法时间复杂度的具体步骤是： （1）找出算法中重复执行次数最多的语句的频度来估算算法的时间复杂度； （2）保留算法的最高次幂，忽略所有低次幂和高次幂的系数； （3）将算法执行次数的数量级放入大Ο记号中。 用常数1来取代运行时间中所有加法常数； 常见的时间复杂度量有： （1）O(1)：常量阶，运行时间为常量 （2）O(logn)：对数阶，如二分搜索算法 操作的数量与输入数据的规模 n 的比例是 log2 (n)。 比如...
我正在考虑in运算符如何实现>>> s1 = 'abcdef' >>> s2 = 'bcd' >>> s2 in s1 True在CPython中,哪个算法用于实现字符串匹配,以及时间复杂度是多少？有关于此的官方文件或维基吗？解决方法:它是Boyer-Moore和Horspool的组合. 您可以查看C代码here：Fast search/count implementation, based on a mix between Boyer-Moore and Horspool, with a few more bells and whistles on the top. For some more background, see: 07003.从上面...
二叉搜索树，平衡二叉树，红黑树的算法效率操作二叉查找树平衡二叉树红黑树查找 O(n) O(logn) Olog(n)插入 O(n) O(logn) Olog(n)删除 O(n) O(logn) Olog(n)Olog(n)怎么算出来的 在一个树中查找一个数字， 第一次在根节点判断，第二次在第二层节点判断 以此类推，树的高度是多少就会判断多少次 树的高度和节点的关系就是以2为底，树的节点总数n的对数
算法效率. 一般分为时间效率(时间复杂度),空间效率(空间复杂度)两种。 时间复杂度主要衡量的是一个算法的运行速度，而空间复杂度主要衡量一个算法所需要的额外空间，在计算机发展的早期，计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的迅速发展，计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复杂度。 时间复杂度 算法的时间复杂度是一个函数，它定量描述了该算...