算法主要学习的问题:
- 穷举:求N个数的全排列、八皇后问题
- 分而治之:二分查找、归并排序
- 贪心:最小生成树Prim,Kruskal
- 动态规划:背包、士兵路径
复杂度是算法的核心问题,主要分为时间和空间,使用大O记号(忽略系数)。
- 时间:指占用内存字节数
- 空间:指空间可以在利用
- 时空可以互换,通过Hush表
主要有以下几个常见取值:
- O(1):基本运算,加减乘除,取模,寻址
- O(logn):二分查找
- O(n1/2):枚举约数
- O(n):线性查找
- O(n2):朴素最近点对
- O(n3):Floyd最短路、普通矩阵乘法
- O(nlogn):归并排序、快速排序期望复杂度
- O(2n):枚举全部的子集
- O(n!):枚举全排列
总结:
- 优秀:O(1)<O(logn)<O(n1/2)<O(n)<O(nlogn)
- 可优化:O(n2)<O(n3)<O(2n)<O(n!)
常用时间复杂度分析方法:
- 输入输出
- 数循环次数
- 均摊分析:指多个操作,一起计算时间复杂度,即平均计算
Leetcode例题:
给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。
如果你最多只允许完成一笔交易(即买入和卖出一支股票),设计一个算法来计算你所能获取的最大利润。
注意你不能在买入股票前卖出股票。
示例 1:
输入: [7,1,5,3,6,4]
输出: 5
解释: 在第 2 天(股票价格 = 1)的时候买入,在第 5 天(股票价格 = 6)的时候卖出,最大利润 = 6-1 = 5 。
注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格。
示例 2:
输入: [7,6,4,3,1]
输出: 0
解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
暴力枚举法:时间复杂度O(n2)
class Solution:
def maxProfit(self, prices):
"""
:type prices: List[int]
:rtype: int
"""
max = 0
for i in range(len(prices)):
for j in range(i,len(prices)):
if prices[j]-prices[i]>max:
max = prices[j]-prices[i]
return max
优化版本:时间复杂度O(n),优化关键是对内层循环进行优化,从目前的prices向前看,同时将之前的最小值保存下来。
class Solution:
def maxProfit(self, prices):
"""
:type prices: List[int]
:rtype: int
"""
max = 0
min = 99999999
for i in range(len(prices)):
if prices[i] < min:
min = prices[i]
if prices[i]-min>max:
max = prices[i]-min
return max
xxx.最大子数组和
给定数组a[1…n],求最大子数组和,即找出1<=i<=j<=n,使a[i]+a[i+1]+…+a[j]最大。
暴力枚举法:O(n3)
class Solution:
def findMax(self, nums):
"""
:type nums: List[int]
:rtype: float
"""
for i in range(len(nums)):
for j in range (i,len(nums)):
for sum in range(i,j):
sum = sum + nums[sum]
if max < sum:
max = sum
return max
优化枚举:O(n2),优化关键点是将最内层冗余循环去掉,加入sum=0表示如果内层循环nums[j]为负数,则清零重新计算。
class Solution:
def findMax(self, nums):
"""
:type nums: List[int]
:rtype: float
"""
for i in range(len(nums)):
sum = 0
for j in range (i,len(nums)):
sum = sum + nums[j]
if max < sum:
max = sum
return max
继续优化:O(n),这次优化的点是我们发现如果sum<0,那么之前必定有负数,所以清零,后续不在计算之前的数。
class Solution:
def findMax(self, nums):
"""
:type nums: List[int]
:rtype: float
"""
sum = 0
max = 0
for i in range(len(nums)):
if sum < 0:
sum = 0
sum += nums[i]
if max < sum:
max = sum
return max
给定一个整数数组 nums
,找出一个序列中乘积最大的连续子序列(该序列至少包含一个数)。
示例 1:
输入: [2,3,-2,4]
输出: 6
解释: 子数组 [2,3] 有最大乘积 6。
示例 2:
输入: [-2,0,-1]
输出: 0
解释: 结果不能为 2, 因为 [-2,-1] 不是子数组。
参考代码:O(n)先计算从左到右的相乘的最大值,再计算从右到左的最大值;再将两组最大值相比
class Solution:
def maxProduct(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
inv_nums = nums[::-1]
for i in range(1,len(nums)):
nums[i] *= nums[i-1] or 1
inv_nums[i] *= inv_nums[i-1] or 1
return max(max(nums),max(inv_nums))
To be continue......