mirror of
https://github.com/krahets/hello-algo.git
synced 2024-12-25 00:16:28 +08:00
Finetune and fix
This commit is contained in:
parent
628a274b50
commit
f524b957d4
4 changed files with 20 additions and 17 deletions
|
@ -4,7 +4,7 @@
|
|||
|
||||
package chapter_searching
|
||||
|
||||
// 二分查找最左一个 target
|
||||
/* 二分查找最左一个 target */
|
||||
func binarySearchLeftEdge(nums []int, target int) int {
|
||||
// 等价于查找 target 的插入点
|
||||
i := binarySearchInsertion(nums, target)
|
||||
|
@ -16,7 +16,7 @@ func binarySearchLeftEdge(nums []int, target int) int {
|
|||
return i
|
||||
}
|
||||
|
||||
// 二分查找最右一个 target
|
||||
/* 二分查找最右一个 target */
|
||||
func binarySearchRightEdge(nums []int, target int) int {
|
||||
// 转化为查找最左一个 target + 1
|
||||
i := binarySearchInsertion(nums, target+1)
|
||||
|
|
|
@ -4,7 +4,7 @@
|
|||
|
||||
package chapter_searching
|
||||
|
||||
// 二分查找插入点(无重复元素)
|
||||
/* 二分查找插入点(无重复元素) */
|
||||
func binarySearchInsertionSimple(nums []int, target int) int {
|
||||
// 初始化双闭区间 [0, n-1]
|
||||
i, j := 0, len(nums)-1
|
||||
|
@ -26,7 +26,7 @@ func binarySearchInsertionSimple(nums []int, target int) int {
|
|||
return i
|
||||
}
|
||||
|
||||
// 二分查找插入点(存在重复元素)
|
||||
/* 二分查找插入点(存在重复元素) */
|
||||
func binarySearchInsertion(nums []int, target int) int {
|
||||
// 初始化双闭区间 [0, n-1]
|
||||
i, j := 0, len(nums)-1
|
||||
|
|
|
@ -5,14 +5,14 @@
|
|||
1. **找到问题解法**:算法需要在规定的输入范围内,可靠地求得问题的正确解。
|
||||
2. **寻求最优解法**:同一个问题可能存在多种解法,我们希望找到尽可能高效的算法。
|
||||
|
||||
因此,在能够解决问题的前提下,算法效率已成为衡量算法优劣的主要评价指标,它包括以下两个维度。
|
||||
也就是说,在能够解决问题的前提下,算法效率是衡量算法优劣的主要评价指标,它包括以下两个维度。
|
||||
|
||||
- **时间效率**:算法运行速度的快慢。
|
||||
- **空间效率**:算法占用内存空间的大小。
|
||||
|
||||
简而言之,**我们的目标是设计“既快又省”的数据结构与算法**。而有效地评估算法效率至关重要,因为只有这样我们才能将各种算法进行对比,从而指导算法设计与优化过程。
|
||||
|
||||
效率评估方法主要分为两种:实际测试和理论估算。
|
||||
效率评估方法主要分为两种:实际测试、理论估算。
|
||||
|
||||
## 实际测试
|
||||
|
||||
|
@ -26,20 +26,23 @@
|
|||
|
||||
由于实际测试具有较大的局限性,我们可以考虑仅通过一些计算来评估算法的效率。这种估算方法被称为「渐近复杂度分析 asymptotic complexity analysis」,简称「复杂度分析」。
|
||||
|
||||
复杂度分析评估的是算法运行所需的时间和空间资源,**它描述了随着输入数据大小的增加,算法所需时间(空间)的增长趋势**。这个定义有些拗口,我们可以将其分为三个重点来理解。
|
||||
复杂度分析体现算法运行所需的时间(空间)资源与输入数据大小之间的关系。**它描述了随着输入数据大小的增加,算法执行所需时间和空间的增长趋势**。这个定义有些拗口,我们可以将其分为三个重点来理解。
|
||||
|
||||
1. “时间和空间资源”分别对应「时间复杂度 time complexity」和「空间复杂度 space complexity」。
|
||||
2. “随着输入数据大小的增加”意味着复杂度反映了算法运行效率与输入数据体量之间的关系。
|
||||
3. “增长趋势”表示复杂度分析关注的是算法时间与空间的增长趋势,而非具体的运行时间或占用空间。
|
||||
- “时间和空间资源”分别对应「时间复杂度 time complexity」和「空间复杂度 space complexity」。
|
||||
- “随着输入数据大小的增加”意味着复杂度反映了算法运行效率与输入数据体量之间的关系。
|
||||
- “时间和空间的增长趋势”表示复杂度分析关注的不是运行时间或占用空间的具体值,而是时间或空间增长的“快慢”。
|
||||
|
||||
**复杂度分析克服了实际测试方法的弊端**。首先,它独立于测试环境,分析结果适用于所有运行平台。其次,它可以体现不同数据量下的算法效率,尤其是在大数据量下的算法性能。
|
||||
**复杂度分析克服了实际测试方法的弊端**,体现在以下两个方面。
|
||||
|
||||
如果你对复杂度分析的概念仍感到困惑,无须担心,我们会在后续章节中详细介绍。
|
||||
- 它独立于测试环境,分析结果适用于所有运行平台。
|
||||
- 它可以体现不同数据量下的算法效率,尤其是在大数据量下的算法性能。
|
||||
|
||||
## 复杂度的重要性
|
||||
!!! tip
|
||||
|
||||
复杂度分析为我们提供了一把评估算法效率的“标尺”,帮助我们衡量了执行某个算法所需的时间和空间资源,并使我们能够对比不同算法之间的效率。
|
||||
如果你仍对复杂度的概念感到困惑,无须担心,我们会在后续章节中详细介绍。
|
||||
|
||||
复杂度是个数学概念,对于初学者可能比较抽象,学习难度相对较高。从这个角度看,复杂度分析可能不太适合作为第 1 章的内容。
|
||||
复杂度分析为我们提供了一把评估算法效率的“标尺”,使我们可以衡量执行某个算法所需的时间和空间资源,对比不同算法之间的效率。
|
||||
|
||||
然而,当我们讨论某个数据结构或算法的特点时,难以避免要分析其运行速度和空间使用情况。因此,在深入学习数据结构与算法之前,**建议你先对复杂度建立初步的了解,以便能够完成简单算法的复杂度分析**。
|
||||
复杂度是个数学概念,对于初学者可能比较抽象,学习难度相对较高。从这个角度看,复杂度分析可能不太适合作为最先介绍的内容。然而,当我们讨论某个数据结构或算法的特点时,难以避免要分析其运行速度和空间使用情况。
|
||||
|
||||
综上所述,建议你在深入学习数据结构与算法之前,**先对复杂度分析建立初步的了解,以便能够完成简单算法的复杂度分析**。
|
||||
|
|
|
@ -92,7 +92,7 @@ hide:
|
|||
|
||||
<h3 align="left"> 作者简介 </h3>
|
||||
|
||||
靳宇栋 ([Krahets](https://leetcode.cn/u/jyd/)),大厂高级算法工程师,上海交通大学硕士。力扣(LeetCode)全网阅读量最高博主,其 LeetBook《图解算法数据结构》已被订阅 24 万本。
|
||||
靳宇栋 ([Krahets](https://leetcode.cn/u/jyd/)),大厂高级算法工程师,上海交通大学硕士。力扣(LeetCode)全网阅读量最高博主,其 LeetBook《图解算法数据结构》已被订阅 26 万本。
|
||||
|
||||
---
|
||||
|
||||
|
|
Loading…
Reference in a new issue