查詢與排序01,線性查詢,時間複雜度,演算法

Darren Ji發表於2014-07-26

線性查詢,肯定是以線性的方式,在集合或陣列中查詢某個元素。本篇包括:

 

 

  通過程式碼來理解線性查詢

什麼叫"線性"?還是在程式碼中體會吧。

 

首先需要一個集合或陣列,如何得到呢?就生成一個固定長度的隨機陣列吧。然後輸入一個查詢key,如果找到就返回元素的索引,沒找到就返回-1,就這麼簡單。

    class Program
    {
        private static int[] arr;
        private static Random r = new Random();
        static void Main(string[] args)
        {
            SeedData(10);
            ShowArray();
            Console.WriteLine("\n");
            Console.WriteLine("請輸入要查詢的整型數");
            var temp = Convert.ToInt32(Console.ReadLine());
            Console.WriteLine("您要查詢的{0}所在的位置是{1}", temp, LinearSearch(temp));
            Console.ReadKey();
        }
        //線性查詢
        private static int LinearSearch(int key)
        {
            for (int i = 0; i < arr.Length; i++)
            {
                if (arr[i] == key) return i; //找到就返回索引
            }
            return -1;//如果沒找到就返回-1
        }
        //陣列的種子資料
        private static void SeedData(int size)
        {
            arr = new int[size];
            for (int i = 0; i < size; i++)
            {
                arr[i] = r.Next(1, 100);
            }
        }
        //列印陣列的所有元素
        private static void ShowArray()
        {
            foreach (var item in arr)
            {
                Console.Write(item + " ");
            }
        }
    }   

以上,我們自己可以定義什麼叫"線性查詢"了。就是說,當我們輸入一個查詢的key,是按順序依次查詢集合中的每個元素(實際是通過迴圈遍歷),如果找不到就返回一個值,比如-1,如果找到就返回該元素的索引位置。

 

  時間複雜度

線性查詢只是查詢的一種最簡單的演算法,還有其它相對複雜的演算法。如何來衡量各種演算法的效率呢,答案是用"時間複雜度"來衡量的。任何的概念來源於實踐,並不是憑空產生的,"時間複雜度"也一樣。

 

□ O(1)

假設一個陣列中有10個元素,需要比較第一個元素是否等於第二個元素,演算法只需要執行一次就可以得出結果。如果陣列中有100個元素呢?演算法還是執行一次就得到結果。於是,人們就想:演算法的執行和陣列大小沒有關係,就把這種演算法叫做"常量執行時間"吧。但還不夠直觀,用什麼圖形表示呢?人們想出就用O(1)來表示吧。

 

O(1)雖然很直觀,但很容易產生歧義。有些人認為:只有演算法執行一次,並且執行的次數不隨陣列大小改變,就可以用O(1)表示了。這是很明顯的"望文生義"。O(1)更準確的解釋是:演算法的執行次數是一個常量,不會隨著陣列大小而改變。

 

□ O(n)

生活的精彩來自多樣性。假設一個陣列中還是10個元素,需要比較第一個元素是否等於陣列中任何其它元素,演算法需要執行9次。如果陣列中有100個元素呢,演算法需要執行99次,也就是n-1次,演算法執行的次數隨著n的不同而發生改變。人們把這種演算法寫成O(n),1可以忽略不計,讀成"n階"。

 

□ O(n²)

假設還有一種演算法,需要比較陣列中的任何元素於其它元素是否相等。第一個元素,需要和後面n-1個元素比較,第二個元素需要和除了第一個元素之外的其後面n-2個元素比較......也就是:(n-1) + (n-2) + ... + 2 + 1,這個公式用筆在紙上簡單推算一下,還可以提煉為n²/2-n/2,隨著n的增大,常量因子可以忽略,寫成O(n²),稱為"平方執行時間",讀成"n²階"。

 

當n是幾萬,O(n²)演算法在今天每秒執行幾十億次的個人計算機上,不會有明顯的效能影響。但如果n變成幾百萬,就要求幾萬億次計算,這樣可能要幾個小時來執行。更有甚者,如果n變成幾十億,計算需要幾十年來完成。所以,每種演算法都有它的適用範圍。

 

現在,可以稍微完整地定義"時間複雜度"了,它是一個函式,定量描述了演算法的執行時間。時間複雜度是在最壞情況下的時間複雜度。

常見的時間複雜度有:
● O(1), 常數階,比如Hash表的查詢
● O(log2n),對數階,比如二分查詢
● O(n),線性階
● O(nlog2n),線性對數階,比如快速排序的平均複雜度
● O(n^2),平方階,比如氣泡排序
● O(n^3),立方階,比如求最短路徑的Floyd演算法
● O(n^k),k次方階
● O(2^n),指數階,比如漢諾塔

 

  什麼是演算法

是解決特定問題求解步驟的描述。在計算機中表現為指令的有限序列,並且每條指令表示一個或多個操作。

sum = 1     +     2     +     3 + ... + 100
sum = 100   +     99  +   98+ ... + 1
2*sum = 101*100 = 10100
sum = 5050


以上就是針對1到100求和的演算法。對,是在18世紀,一個德國的小村莊,一個叫高斯的小孩想出來的,就這麼神奇!

 

“查詢與排序”系列包括:

查詢與排序01,線性查詢,時間複雜度,演算法

查詢與排序02,折半查詢

查詢與排序03,選擇排序

查詢與排序04,插入排序

查詢與排序05,氣泡排序

相關文章