大厂-数据结构算法课程课件基础.pptx

大厂算法与数据结构解析之

算法基础讲师：武晟然

什么是算法算法的复杂度算法的分类一些经典算法1234

程序=数据结构+算法算法——大厂面试的必备主菜算法可以衡量程序员的技术功底算法可以体现程序员的学习能力和成长潜力学习算法有助于提高分析解决问题的能力学习算法是做性能优化、成长为架构师的必经之路为什么要学习算法

前置知识熟练掌握一门编程语言，了解数据结构相关知识分类学习按照数据结构、应用场景、实现策略学习算法的捷径——刷题题目来源：LeetCode怎样学习算法

算法（Algorithm）——解决问题的步骤和方法算法，是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。什么是算法

有穷性（Finiteness）算法必须能在执行有限个步骤之后终止；确切性（Definiteness）算法的每一步骤必须有确切的定义；输入项（Input）一个算法有0个或多个输入，以描述运算对象的初始情况输出项（Output）一个算法有一个或多个输出，以反映对输入数据加工后的结果可行性（Effectiveness）算法中每个计算步骤都可以在有限时间内完成（也称之为有效性）算法的特性

如何分析算法的优劣求和：1+2+3+...+100时间复杂度执行算法所需要的计算工作量空间复杂度算法需要消耗的内存空间算法的复杂度

我们考虑的问题不同的机器，计算速度不同如果我们的计算机无限快，那只要确定算法能够终止就可以，所有算法性能没有比较的必要了如果输入数据量很小，那一般机器也都可以在非常短的时间内完成，算法性能也没有必要比较了计算资源有限，输入数据量很大的情况下，不同算法耗费的时间差异极大基本指令——程序执行消耗的时间单位算术指令、数据移动指令、控制指令inta=1；运行时间1if(a1){}运行时间1for(inti=0;iN;i++){System.out.println(i);}运行时间3N+2算法的时间复杂度

不同的算法，运行时间T(n)随着输入规模n的增长速度，是不同的inta=1;

a=2;

a=3;for(inti=0;in;i++){

for(intj=0;jn;j++)

System.out.println(“test);

}for(inti=0;in;i++){

System.out.println(“test);

}T(n)=3T(n)=3n+2T(n)=3n2+4n+2时间复杂度

T(n)=0.5n2T(n)=3n+2T(n)=3n+2T(n)=4nT(n)=3nT(n)=O(n)T(n)=O(n2)T(n)=3n2+4n+2T(n)=3n2T(n)=4n2复杂度的大O表示法

对于给定的函数g(n)，用O(g(n))来表示以下函数的集合：O(g(n))={f(n):存在正常量c和n0，使对所有n≥n0，有0≤f(n)≤cg(n)}算法分析中，一般用大O符号来表示函数的渐进上界这表示，当数据量达到一定程度时，g(n)的增长速度不会超过O(g(n))限定的范围复杂度的大O表示法

?常见的算法复杂度

算法执行所占用的空间Array[100]：O(100)Array[N]：O(N)intval=1;空间复杂度O(1)有时候递归调用，需要计算调用栈所占用的空间空间复杂度

搜索算法排序算法字符串算法图算法最优化算法数学算法按照应用目的按照应用目的暴力法增量法分治法贪心算法动态规划法回溯法分支限界法按照实现策略算法的分类

分而治之问题的规模越小，越容易解决把复杂问题不断分成多个相同或相似的子问题，直到每个子问题可以简单地进行求解将所有子问题的解合并起来，就是原问题的解分治和递归产生的子问题形式往往和原问题相同，只是原问题的较小规模表达使用递归手段求解子问题，可以很容易地将子问题的解合并，得到原问题的解分治算法

基本步骤step1：将原问题分解为若干个规模较小，相互独立，与原问题形式相同的子问题step2：若子问题规模较小而容易被解决则直接解，否则递归地解各个子问题step3：将各个子问题的解合并为原问题的解应用场景二分搜索、大整数乘法、归并排序、快速排序棋盘覆盖问题、循环赛日程表问题、汉诺塔问题等分治算法

贪心（Greedy）——总是做出在当前看来是最好的选择不从整体考虑，只考虑眼前，得到局部最优解