【数据结构与算法】定位问题才能更好地解决问题:开发前的复杂度分析与技术选型
2020-07-18 04:10
633 查看
学习目录
问题定位和技术选型
- 首先,我们要明确目标
即用尽可能低的时间复杂度和空间复杂度,解决问题并写出代码; - 接着,我们要定位问题
这个问题是什么类型(排序、查找、最优化)的问题;
这个问题的复杂度下限是多少,即最低的时间复杂度可能是多少;
采用哪些数据结构或算法思维,能把这个问题解决;
例1:在一个包含 n 个元素的无序数组 a 中,输出其最大值 max_val
1、考虑使用二分查找,二分查找的条件是输入数据有序,这里并不满足。这就意味着,我们很难在 O(logn) 的复杂度下解决问题。
2、继续分析你会发现,某一个数字元素的值会直接影响最终结果。这是因为,假设前 n-1 个数字的最大值是 5,但最后一个数字的值是否大于 5,会直接影响最后的结果。这就意味着,这个问题不把所有的输入数据全都过一遍,是无法得到正确答案的。要把所有数据全都过一遍,这就是 O(n) 的复杂度。
小结
因为该问题属于查找问题,所以考虑用 O(logn) 的二分查找。但因为数组无序,导致它并不适用。又因为必须把全部数据过一遍,因此考虑用 O(n) 的检索方法。这就是复杂度的下限。
3、当明确了复杂度的下限是 O(n) 后,此时需要一层 for 循环去寻找最大值。那么循环的过程中,就可以实现动态维护一个最大值变量。空间复杂度是 O(1),并不需要采用某些复杂的数据结构。
public void main() { int a[] = { 1, 4, 3 }; int max_val = -1; int max_inx = -1; for (int i = 0; i < a.length; i++) { if (a[i] > max_val) { max_val = a[i]; max_inx = i; } } System.out.println(max_val); }
通用解题的方法论
面对一个未知问题时:
- 从复杂度入手,尝试去分析:
- 这个问题的时间复杂度上限是多少,也就是复杂度再高能高到哪里。这就是不计任何时间、空间损耗,采用暴力求解的方法去解题。
- 这个问题的时间复杂度下限是多少,也就是时间复杂度再低能低到哪里。这就是写代码的目标。
- 接着,尝试去定位问题:
- 在分析出这两个问题之后,就需要去设计合理的数据结构和运用合适的算法思维,从暴力求解的方法去逼近写代码的目标了。
- 在这里需要先定位问题,这个问题的类型就决定了采用哪种算法思维。
- 最后,需要对数据操作进行分析:
- 在这个问题中,需要对数据进行哪些操作(增删查),数据之间是否需要保证顺序或逆序?
- 当分析出这些操作的步骤、频次之后,就可以根据不同数据结构的特性,去合理选择你所应该使用的那几种数据结构了。
小结
- 复杂度分析。估算问题中复杂度的上限和下限。
- 定位问题。根据问题类型,确定采用何种算法思维。
- 数据操作分析。根据增、删、查和数据顺序关系去选择合适的数据结构,利用空间换取时间。
- 编码实现。
相关文章推荐
- 【数据结构与算法】算法思维训练
- 从零学Python:第十二课-常用数据结构之元组
- 从零学Python:第十四课-常用数据结构之集合
- 数据结构PTA 基础实验5-2.1 整型关键字的平方探测法散列
- python数据结构(一):顺序表
- 数据结构与算法-二叉树
- 数据结构与算法分析---二叉堆
- 【数据结构学习-循环链表】数据结构基础学习笔记
- 手把手教你理解Redis五种数据结构的内部编码
- 常用数据结构和算法
- 第1章 数据结构与算法概述
- 数据结构——顺序表的基本操作
- Python数据结构-顺序表
- 数据结构python版(六)哈希表及区块链
- 编程小白自学数据结构和算法的第一天
- 数据库原理复习之关系数据结构及形式化定义
- 数据结构(线性表之顺序表)
- 数据结构python版(五)排序与查找基础
- 数据结构与算法
- 数据结构PTA 案例5-1.4 字符串关键字的散列映射