软件工程-基础课程-算法_数据结构：数组、链表、栈、队列、哈希表.docx

PAGE1

PAGE1

算法基础

1算法复杂度分析

算法复杂度分析是评估算法效率的关键步骤，主要关注算法的时间复杂度和空间复杂度。时间复杂度描述了算法执行时间与输入数据规模之间的关系，而空间复杂度则关注算法运行过程中所需内存空间的大小。在算法设计中，我们通常追求较低的时间复杂度和空间复杂度，以实现更高效的计算。

1.1时间复杂度

时间复杂度用大O符号表示，如O(1)、O(n)、O(logn)、O(n^2)等。其中，O(1)表示常数时间复杂度，算法执行时间不随输入数据规模变化；O(n)表示线性时间复杂度，执行时间与输入数据规模成正比；O(logn)表示对数时间复杂度，常见于二分查找等算法；O(n^2)表示平方时间复杂度，常见于两层循环的算法。

1.1.1示例：线性搜索与二分搜索

线性搜索的时间复杂度为O(n)，而二分搜索的时间复杂度为O(logn)。下面通过代码示例来展示这两种搜索算法。

#线性搜索

deflinear_search(arr,target):

线性搜索算法，时间复杂度为O(n)

:paramarr:待搜索的数组

:paramtarget:目标值

:return:目标值在数组中的索引，未找到返回-1

foriinrange(len(arr)):

ifarr[i]==target:

returni

return-1

#二分搜索

defbinary_search(arr,target):

二分搜索算法，时间复杂度为O(logn)

:paramarr:待搜索的有序数组

:paramtarget:目标值

:return:目标值在数组中的索引，未找到返回-1

left,right=0,len(arr)-1

whileleft=right:

mid=(left+right)//2

ifarr[mid]==target:

returnmid

elifarr[mid]target:

left=mid+1

else:

right=mid-1

return-1

#数据样例

arr=[1,3,5,7,9,11,13,15,17,19]

target=11

#线性搜索

print(linear_search(arr,target))#输出：5

#二分搜索

print(binary_search(arr,target))#输出：5

1.2空间复杂度

空间复杂度同样用大O符号表示，如O(1)、O(n)等。O(1)表示常数空间复杂度，算法运行过程中所需内存空间不随输入数据规模变化；O(n)表示线性空间复杂度，所需内存空间与输入数据规模成正比。

1.2.1示例：递归与非递归的阶乘计算

递归计算阶乘的空间复杂度为O(n)，而非递归计算阶乘的空间复杂度为O(1)。下面通过代码示例来展示这两种计算阶乘的方法。

#递归计算阶乘

deffactorial_recursive(n):

递归计算阶乘，空间复杂度为O(n)

:paramn:非负整数

:return:n的阶乘

ifn==0:

return1

returnn*factorial_recursive(n-1)

#非递归计算阶乘

deffactorial_iterative(n):

非递归计算阶乘，空间复杂度为O(1)

:paramn:非负整数

:return:n的阶乘

result=1

foriinrange(1,n+1):

result*=i

returnresult

#数据样例

n=5

#递归计算阶乘

print(factorial_recursive(n))#输出：120

#非递归计算阶乘

print(factorial_iterative(n))#输出：120

2递归与分治策略

递归是一种算法设计思想，通过将问题分解为更小的子问题来求解。分治策略是递归的一种应用，将问题分解为若干个规模较小的相同子问题，递归求解子问题，最后将子问题的解合