qq_21924213的博客

15 | 定位问题才能更好地解决问题：开发前的复杂度分析与技术选型 我们前面学习的数据结构和算法思维，是解决问题和代码优化的基础。本节课开始，我们进入实战模块，从真正解决问题的角度来看看，如何将我们此前学到的知识灵活运用到实际工作中。 问题定位和技术选型 加入我现在面对一个实际的算法题，我需要从以下两个方面进行思考。 首先，我们要明确目标。即用尽可能低的时间复杂度和空间复杂度，解决问题并写出代码； 接着，我们要定位问题。目的是更高效地解决问题。这里定位问题包含很多内容。例如： 这个问题时什么类型

01 | 复杂度：如何衡量程序运行的效率？ 复杂度通常包括时间复杂度和空间复杂度，在具体计算时要注意以下几点： 它与具体常系数无关，O(n)和O(2n)表示的是同样的复杂度。 复杂度相加时，选择高阶作为结果，也就是说O(n^2)+O(n)和O(n^2)表示同样的复杂度。 O(1)也是表示一个特殊的复杂度，即任务与算例个数n无关。 时间复杂度与代码的结构设计高度相关，空间复杂度与代码中的数据结构的选择高度相关。 02 | 数据结构：将“昂贵”的时间复杂度转换成“廉价”的空间复杂度 我们需要从时间复

1.在一个二维数组中（每个一维数组的长度相同），每一行都按照从左到右递增的顺序排序，每一列都按照从上到下递增的顺序排序。请完成一个函数，输入这样的一个二维数组和一个整数，判断数组中是否含有该整数。 /** * 思路：左下角的值是一行中最小，一列中最大的，所以从这个值开始比较，如果比这个值大，就将列加1，再比较， * 如果比这个值小，就将行加1，往上查，总的时间复杂度为O...