深知大多数程序员,想要提升技能,往往是自己摸索成长,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上鸿蒙开发知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
目录
1.1数据结构与算法的概念及介绍🌱95f7939886824650b50fbc52f70adda5.png
1.2时间复杂度(Time complexity)的引入🪴
算法1:
#如果 a+b+c=1000, 且 a^2 + b^2 = c^2 (a,b,c 为自然数), 如何求出所有a,b,c 可能的组合 import time start_time = time. time() for a in range (0,1001): for b in range (0,1001): for c in range (0,1001): if a+b+c==1000 and a**2+b**2==c**2: print("a:",a,"b:",b,"c",c) #获取时间 end_time = time. time() print("所花费的时间:",(end_time - start_time))
算法2:
#如果 a+b+c=1000, 且 a^2 + b^2 = c^2 (a,b,c 为自然数), 如何求出所有a,b,c 可能的组合 import time start_time = time. time() for a in range (0,1001): for b in range (0,1001): c = 1000 - a - b if a**2+b**2==c**2: print("a:",a,"b:",b,"c",c) #获取时间 end_time = time. time() print("所花费的时间:",(end_time - start_time))
通过对比算法1和算法2 可知 单纯依靠运行的时间来比较算法的优劣并不一定是客观准确的!程序的运行离不开计算机环境(包括硬件和操作系统) ~
这些客观原因会影响程序运行的速度并反应在程序的执行时间上。
那么如何才能客观的评判一个算法的优劣呢?
我们引入 时间复杂度
一个算法花费的时间与算法中语句的执行次数是成正比的。哪个算法语句执行的次数多,它花费的时间就多。
如何计算一个程序的执行次数:
注:下面代码示例都是将a+b+c的和记作n,进行执行次数的计算
一段语句我们就粗略记作1次.
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
友,可以戳这里获取](https://bbs.youkuaiyun.com/topics/618636735)**
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!