零、前言

[1].從冒泡排序和快速排序引入算法 [2].時間復雜度的引入 [3].空間復雜度的引入 [4].數據結構和算法之間的雜談 復制代碼

關于程序的執行

輸入: 原生可用數據 = 數據獲取 + 數據解析 處理：邏輯加工(算法核心) 輸出：獲得預期數據 拿一個排序算法來說:[輸入原始雜亂數據,通過邏輯加工,生成預期有序數據] 復制代碼

---

一、從冒泡排序和快速排序開始說起

100W個隨機數,存儲到文件中,使用時解析數據形成int數組
問： 為什么要存到文件里,直接在內存里不就行了嗎?
---- 數據固化之后,保證原始數據不變且容易查看和再加工

• 排序之前的前3000個

• 排序之前的前3000個

---

1、數據準備

1.1原始數據的生成

數據的來源可以多種多樣,這里用最簡單的方式生成大批量數據,隨機100W個0~100W的數字

public class NumMaker {public static void main(String[] args) throws IOException {String path = "J:\\sf\\data\\num.txt";int bound = 100 * 10000;initData(path, bound);}/*** 初始化數據** @param path 文件路徑* @param bound 數據個數* @throws IOException */private static void initData(String path, int bound) throws IOException {Random random = new Random();FileHelper.mkFile(path);StringBuilder sb = new StringBuilder();for (int i = 0; i < bound; i++) {sb.append(random.nextInt(bound));if (i != bound - 1) {sb.append(",");}}FileWriter writer = new FileWriter(path);writer.write(sb.toString());writer.close();} }/*** 創建文件* @param path 文件路徑* @return 文件是否被創建*/ public static boolean mkFile(String path) {boolean success = true;File file = new File(path);//1.創建文件對象if (file.exists()) {//2.判斷文件是否存在return false;//已存在則返回}File parent = file.getParentFile();//3.獲取父文件if (!parent.exists()) {if (!parent.mkdirs()) {//4.創建父文件return false;}}try {success = file.createNewFile();//5.創建文件} catch (IOException e) {success = false;e.printStackTrace();}return success; } 復制代碼

---

1.2.數據解析

/*** 解析原始數據,得到int數組* @param path 路徑* @return int數組*/ private static int[] parseData(String path) throws IOException {FileReader reader = new FileReader(path);StringBuilder sb = new StringBuilder();int len = 0;char[] buf = new char[1024];while ((len = reader.read(buf)) != -1) {sb.append(new String(buf, 0, len));}String[] data = sb.toString().split(",");//String數組轉intint[] ints = new int[data.length];for (int i = 0; i < ints.length; i++) {ints[i] = Integer.parseInt(data[i]);}return ints; } 復制代碼

---

2.冒泡排序與快速排序

/*** 冒泡排序* @param arr 數組* @param n 個數*/ private static void bubbleSort(int arr[], int n) {int i, j, t;// 要遍歷的次數，第i趟排序for (i = 1; i < n - 1; i++) {for (j = 0; j < n - 1; j++) {// 若前者大于后者，則交換if (arr[j] > arr[j + 1]) {t = arr[j];arr[j] = arr[j + 1];arr[j + 1] = t;}}} }/*** 快速排序** @param arr 數組* @param start 起點* @param end 重點*/ private static void fastSort(int[] arr, int start, int end) {int i, j, key;if (start >= end) {return;}i = start + 1;j = end;key = arr[start];//基準位while (i < j) {while (key <= arr[j] && i < j) j--; //←--while (key >= arr[i] && i < j) i++; //--→if (i < j) {//交換int t = arr[j];arr[j] = arr[i];arr[i] = t;}}arr[start] = arr[i];//交換基準位arr[i] = key;fastSort(arr, start, j - 1);//左半fastSort(arr, j + 1, end);//右半 } 復制代碼

---

3.數據輸出(固化到文件)

//使用冒泡排序 // System.out.println("bubbleSort開始-----------------------"); // long start = System.currentTimeMillis(); // bubbleSort(data, data.length); // long end = System.currentTimeMillis(); // System.out.println("bubbleSort耗時：" + (end - start) / 1000.f + "秒");//使用快速排序 System.out.println("fastSort開始-----------------------"); long start = System.currentTimeMillis(); fastSort(data, 0, data.length-1); long end = System.currentTimeMillis(); System.out.println("fastSort耗時：" + (end - start) / 1000.f + "秒");String path_sort = "J:\\sf\\data\\num_sort.txt"; saveInts(data, path_sort);//將結果保存到文件 復制代碼

---

4.簡單的散點圖繪制

用python的matplotlib,就這么簡單
由于100W條數據太多，渲染太慢,就算渲染出來也一片糊，這里取前3000個感受一下。

import matplotlib.pyplot as pltdef init_data():data_raw = open("J:\\sf\\data\\num_raw.txt").readline()data = data_raw.split(",")data = list(map(int, data)) # 將字符型列表轉為int型for i in range(2000, 3000): # 查看的數據索引范圍plt.scatter(i, data[i], alpha=0.6)if __name__ == '__main__':init_data()plt.show() # 顯示所畫的圖 復制代碼

---

5.關于排序算法

冒泡排序和使用快速

冒泡排序排列： fastSort開始----------------------- 等了一個小時都沒排出來,算了，不等了，我就點了暫停...使用快速排序： fastSort開始----------------------- fastSort耗時：0.216秒 這TM是"愚公移山"和"沉香劈山"的差距啊...,短短的幾行代碼，都是智慧的結晶。 等兩個小時都排不出來和 0.216秒 完成任務,這就是算法帶來的價值 復制代碼

這時你也許會問:兩種排序的差距為何如此巨大，且聽下面細細分解。

---

二、時間復雜度(簡述):描述算法運行時間和輸入數據之間的關系

1.一億次加法+賦值的耗時：

System.out.println("fastSort開始-----------------------"); long start = System.nanoTime(); for (int i = 0; i < 100000000; i++) {int a = 1 + i; } long end = System.nanoTime(); System.out.println("fastSort耗時：" + (end - start) + "納秒");結果在: 6324942 納秒左右 即：6.324942 ms (1 ns = 100 0000 ms) 復制代碼

---

2.關于計算機常識

CPU的主頻:即CPU內核工作的時鐘頻率,例如我的筆記本是2.20GHz 頻率(Hz)：描述周期性循環信號（包括脈沖信號）在單位時間內所出現的脈沖數量1GHz=1000MHz，1MHz=1000kHz，1kHz=1000Hz 2.20GHz = 2200 MHz = 2200 000 kHz = 2200 000 000 Hz 即22億Hz 即一秒鐘內CPU脈沖震蕩次數為 22 億次 ,由于執行某指令需要多個時鐘周期但由于不同指令所需的周期數是不定的,具體1s能執行多少次指令很難量化 于是一個算法的時間復雜度應運而生,其中理想化了一個計算模型： 1.標準的簡單指令系統：運算與賦值等 2.模型機處理簡單指令的都恰好花費1個時間單位 復制代碼

---

3.冒泡算法的時間復雜度

/*** 冒泡排序* @param arr 數組* @param n 個數*/ private static void bubbleSort(int arr[], int n) {int i, j, t;// 要遍歷的次數，第i趟排序for (i = 1; i < n - 1; i++) {for (j = 0; j < n - 1; j++) {// 若前者大于后者，則交換if (arr[j] > arr[j + 1]) {t = arr[j];arr[j] = arr[j + 1];arr[j + 1] = t;}}} }其外層循環執行 N - 1 次。 內層循環最多的時候執行N次，最少的時候執行1次，平均執行 (N+1)/2 次。 所以循環體內的[交換邏輯]約執行：(N - 1)(N + 1) / 2 = (N^2 -1)/2 次。 按照計算復雜度的原則，去掉常數，去掉最高項系數，其復雜度為O(N^2)。也就是說100W條數據, 最多要執行 100W*100W(即100億) 次交換邏輯 測試了一下一次交換邏輯平均耗時500納秒左右 所以總耗時： 500 * 100億 ms = 5000 秒 = 1.3888889 時 復制代碼

---

4.快速排序的分析

我在交換時放了一個count計數，最終：count = 3919355 遠比冒泡排序要少

/*** 快速排序** @param arr 數組* @param start 起點* @param end 重點*/ private static void fastSort(int[] arr, int start, int end) {int i, j, key;if (start >= end) {return;}i = start + 1;j = end;key = arr[start];//基準位while (i < j) {while (key <= arr[j] && i < j) j--; //←--while (key >= arr[i] && i < j) i++; //--→if (i < j) {//交換int t = arr[j];arr[j] = arr[i];arr[i] = t;}}arr[start] = arr[i];//交換基準位arr[i] = key;fastSort(arr, start, j - 1);//左半fastSort(arr, j + 1, end);//右半 }快速排序時間復雜度是:nlogn , 即平均執行 100W*log100W ≈ 20 * 100W = 2000W 次 , 快速排序時間復雜度的計算這里暫時就不分析了，后面會有專題 復制代碼

---

三、空間復雜度(簡述):描述算法消耗臨時空間和輸入數據之間的關系

暫略

---

四、散扯

1.數據結構與算法分析

數據結構離不開算法分析,結構本身是對現實中問題的抽象,算法使之呈現 算法雖然可以獨立于結構存在,但數據結構可以使之絢麗多彩,變幻莫測 復制代碼

---

2.數據與結構

其實我更愿意將數據和結構分開來說: 數據是應用程序存在和生存必不可少的部分,就像化學元素之于生物 而結構給了數據更好的承載體,復雜而優秀的結構有利于物種的存在與支配資源，就像人類之于酵母菌 一個生物的DNA結構決定了它的形貌,一個生物的骨架決定了它有何優勢,如何生存。 在我眼中結構是自然的,純正的。而數據會附和與結構形成一種美妙的狀態 復制代碼

---

3.算法與分析

坦白說,我的算法很渣,但我喜歡分析和計算，我一直覺得，算法和計算是兩個不同的概念 計算是數學的,會依賴數學公式,特別是一些圖形相、繪制相關的計算 但算法給人感覺很深沉或說深奧,而且條條大路通羅馬,需要分析優劣算法最令我失落的是: 我可以一字不落背下它，可以debug一步一步理解它，可以畫圖去演示它， 但我不想到它為何存在，第一個設計它的人是怎么想的,這種感覺讓我很難受。 復制代碼

---

4.雜談

一開始接觸隊列時感覺so easy,不就是入隊,出隊,查看隊首嗎? 鏈表不就是一個一個接起來，這有什么難的?你知道一件事物是什么和你能運用它創造價值是天壤之別 當看到阻塞隊列和信息隊列,感覺自己是多么無知 也許可以硬記背出紅黑樹的特點,甚至實現的細節,如果不去思考一個算法為什么存在, 那它也許只是你腦子里的一團干草,沒有養分而且占用空間。 因為算法中的巧妙之處太多太多,一深究就StackOver(棧溢出),導致我一直避讓著算法,但是: 復制代碼

---

5.如果把一個程序比作人 :

結構是支撐人體存在的骨架 數據是附著在骨架上的血液與肉體 算法是支配骨架和血肉的靈魂 復制代碼

總結

以上是生活随笔為你收集整理的[-算法篇-] 开篇前言的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。