算法基础（一） - 码农教程

认识时间复杂度
常数时间的操作：一个操作如果和数据量没有关系，每次都是固定时间内完成的操作，叫做常数操作。
时间复杂度为一个算法流程中，常数操作数量的指标。常用O （读作big O）来表示。具体来说，在常数操作数量的表达式中，只要高阶项，不要低阶项，也不要高阶项的系数，剩下的部分

如果记为f(N)，那么时间复杂度为O(f(N))。

评价一个算法流程的好坏，先看时间复杂度的指标，然后再分析不同数据样本下的实际运行时间，也就是常数项时间。

例子

一个简单的理解时间复杂度的例子
一个有序数组A，另一个无序数组B，请打印B中的所有不在A中的数，A数组长度为N，B数组长度为M。
算法流程1：对于数组B中的每一个数，都在A中通过遍历的方式找一下；
算法流程2：对于数组B中的每一个数，都在A中通过二分的方式找一下；
算法流程3：先把数组B排序，然后用类似外排的方式打印所有在A中出现的数；
三个流程，三种时间复杂度的表达...
如何分析好坏:

流程1：　　o(m*n)

流程2：　　o(mlogn)

流程3：数组B排序：o(mlogm)　　外排：(n+m)　　o(mlogm)+(n+m)

冒泡排序

    public static void maopaosort(int[] arr) {
        if(arr==null||arr.length<2){
            return;
        }
        for (int i = arr.length-1; i>0; i--) {
            for (int j = 0; j <i; j++) {
                // 从后面开始往前排序
                // 内循环是比较相邻的两个元素,把最大的元素交换到后面
                if (arr[j]>arr[j+1]){
                    swap(arr,j,j+1);
                }
            }
        }
    }

    public static void swap(int[] arr, int i, int j){
        int temp=arr[i];
        arr[i]=arr[j];
        arr[j]=temp;
    }

时间复杂度：等差数列，an^2+bn+1　　o(n^2)

选择排序

    public static void xuanzesort(int[] arr) {
        if(arr==null||arr.length<2){
            return;
        }
        for (int i = 0; i <arr.length-1 ; i++) {
           int  min=i;
            for (int j = i+1; j <arr.length ; j++) {
                // 每一次寻找都是"在剩余子数组里面"最小的那个
                if(arr[j]<arr[min]){
                    min=j;
                }
            }
            swap(arr,min,i);
        }
    }
    public static void swap(int[] arr, int i, int j){
        int temp=arr[i];
        arr[i]=arr[j];
        arr[j]=temp;
    }

时间复杂度：o(n^2)

插入排序

    public static void charusort(int[] arr) {
        if(arr==null||arr.length<2){
            return;
        }
        //每次先排好j到i范围的数，慢慢扩大范围
        for (int i = 1; i <arr.length ; i++) {
            for (int j = i-1; j >=0; j--) {
                if(arr[j+1]<arr[j]){
                    swap(arr,j,j+1);
                }
            }
        }
    }

    public static void swap(int[] arr, int i, int j){
        int temp=arr[i];
        arr[i]=arr[j];
        arr[j]=temp;
    }

时间复杂度：最坏：o(n^2)　　最好(已经排好序)：o(n)

剖析递归行为和递归行为时间复杂度的估算
符合T(N) = a*T(N/b) + O(N^d)，可以使用master公式

N:父问题的样本量

a:过程发生多少次

N/b:子问题的样本量

d:除去子过程外，剩下的时间复杂度

master公式

1) log(b,a) > d -> 复杂度为O(N^log(b,a))

2) log(b,a) = d -> 复杂度为O(N^d * logN)

3) log(b,a) < d -> 复杂度为O(N^d)

归并排序

T(N)=2(N/2)+O(N)

运用master公式2，算出时间复杂度：o(nlogn)

　　public static void mergeSort(int[] arr) {
        if(arr==null||arr.length<2){
            return;
        }
        sortProcess(arr,0,arr.length-1);
    }

    public static void sortProcess(int[] arr, int L, int R) {
        if(L==R){
            return;
        }
        //mid=L+((R-L)>>1);
        int mid=(L+R)/2;
        sortProcess(arr,L,mid);
        sortProcess(arr,mid+1,R);
        merge(arr,L,mid,R);
    }

    public static void merge(int[] arr, int L, int mid, int R) {
        int[] help=new int[R-L+1];
        int i=0;
        int p1=L;//左指标
        int p2=mid+1;//右指标
        while(p1<=mid&&p2<=R)
            //左右指标比较，谁小填谁
            help[i++]=arr[p1]<arr[p2]?arr[p1++]:arr[p2++];
        //p2已经越界，拷贝p1
        while(p1<=mid)
            help[i++]=arr[p1++];
        //p1已经越界，拷贝p2
        while(p2<=R)
            help[i++]=arr[p2++];
        for(int j=0;j<help.length;j++)
            arr[L+j]=help[j];
    }

例子：小和问题

在一个数组中，每一个数左边比当前数小的数累加起来，叫做这个数组的小和。求一个数组的小和。
例子：

[1,3,4,2,5]

1左边比1小的数，没有；

3左边比3小的数，1；

4左边比4小的数，1、3；

2左边比2小的数，1；

5左边比5小的数，1、3、4、2；

所以小和为1+1+3+1+1+3+4+2=16

public class SmallSum {
    public static void main(String[] args) {
        int[] arr={1,3,4,2,5};
        System.out.println(smallSum(arr));
    }

    public static int smallSum(int[] arr) {
        if(arr==null||arr.length<2){
            return 0;
        }
        return mergeSort(arr,0,arr.length-1);
    }
    public static int mergeSort(int[] arr,int l,int r){
        if(l==r)  return 0;
        int mid=(l+r)/2;
        return mergeSort(arr,l,mid)+mergeSort(arr,mid+1,r)+merge(arr,l,mid,r);
    }
    public static int merge(int[] arr,int l,int mid,int r){
        int res=0;
        int[] help=new int[r-l+1];
        int i=0;
        int p1=l;
        int p2=mid+1;
        while(p1<=mid&&p2<=r){
            res+=arr[p1]<arr[p2]?(r-p2+1)*arr[p1]:0;
            help[i++]=arr[p1]<arr[p2]?arr[p1++]:arr[p2++];
        }
        while(p1<=mid)
            help[i++]=arr[p1++];
        while(p2<=r)
            help[i++]=arr[p2++];
        for (int j = 0; j <help.length; j++) {
            arr[l+j]=help[j];
        }
        return res;
    }

}