20172329 2018-2019《Java軟件結構與數據結構》第一週學習總結

時間 2019-12-07

原文原文鏈接

2018-2019-20172329 《Java軟件結構與數據結構》第一週學習總結

在這學期就已經大二了，也已經步入了學習專業課的核心時間，在這個階段，咱們應該瞭解本身的學習狀況，針對本身的學習能力制定不一樣的計劃，獲得對於自我能力的提高。讓咱們開啓新的一學期吧！php

教材學習內容總結

Java 軟件結構與數據結構第一章：概述

1、軟件開發
1.軟件工程：是一門關於高質量軟件開發的技術和理論的學科。
2.解決的問題：控制開發過程，實現高質量的軟件。
3.軟件工程的目標：（1）解決正確性問題；（2）按時在預算以內給出解決方案；（3）給出高質量的解決方案；（4）以合情合理的方式完成上面事情。
4.軟件質量的特徵：（1）正確性（2）可靠性（3）健壯性（4）可用性（5）可維護性（6）可重複性（7）可移植性（8）運行效率html

2、數據結構
1.程序=數據結構+算法；
小故事：Pascal之父——Nicklaus Wirth經過這一句話得到了圖靈獎！
2.軟件=程序+軟件工程；
3.數據結構：計算機存儲、組織數據的方式。java

Java 軟件結構與數據結構第二章：算法分析

1、算法效率分析
1.算法效率一般用CPU的使用時間表示；
2.算法分析是從效率的角度對算法進行分類；
3.增加函數表示與該問題大小相對應時間或空間的使用；
4.增加函數：（1）咱們但願最優化的值；（2）一般關注的比較可能是CPU的使用時間；（3）增加函數表示問題大小（n）與但願優化的值之間的關係。web

2、大O記法
1.增加函數表示了該算法的時間複雜度或空間複雜度。
2.漸進複雜度稱爲算法的階次。
注：算法

（1）具備階次爲n^2的時間複雜度，記爲O(n^2)。
（2）算法的階次是忽略該算法的增加函數的常量和其餘次要項，只保留主項。
（3）無論問題是大是小，運行賦值語句和if語句一次，其複雜度就爲 O(1)。
（4）循環語句和方法調用語句可能會致使更高階次的增加函數。
（5）具備相同相同類別的兩種算法，認爲有相同的效率，可是其增加函數並不必定相同。
3.例子：

3、增加函數的比較
1.更快的處理器，並不能影響主項，只會給增加函數增長常量，仍須要重視算法分析。
2例：

注：其中裏面3.1六、2.1五、3.3的算法爲，√10≈3.16227766016837九、³√10≈2.154四、log2(10)=lg(10)/lg(2)=1/lg(2)=3.321928
3.n相對較小時，各類增加函數的比較
數據結構

n很大時，各類增加函數的比較
函數

4、時間複雜度分析（重點）
1.要分析循環運行，首先要肯定該循環體的階次n，而後用該循環須要運行的次數乘它。
例：時間複雜度爲O(n)的例子學習

for(int count = 0;count<n;count++)
{
//*複雜度爲O(1)的步驟系列
}

例：若是循環的複雜程度是對數級的(時間複雜度爲O(log n)優化

count = 1;
while(count < n)
{
count *=2;
//複雜度爲O(1)的步驟系列
}

2.嵌套循環的複雜度分析
例：時間複雜度爲O(n^2)spa

for(int count = 0;count < n;count++)
{
   for(int count2 = 0;count2<n;count2++)
    {
        //複雜度爲O(1)的步驟系列
    }
}

3.方法調用的複雜度分析
例：時間複雜度爲O(n^2)

for(int count = 0;count<n;count++)
{
    printsum(count);
}

public void printsum(int count)
{
    int sum = 0;
    for(int I = 1;I<count;I++)
        sum += I;
    System.out.println(sum);
}

5、時間複雜度的計算規律（重點）
設程序段和程序段2的時間分別爲T1(n)和T2(n)，總的運行時間爲T(n)
1.加法準則：T(n,m)=T1(n)+T2(n)
2.乘法準則：T(n)=T1(n)*T2(n)
3.特例情形：算法平均時間複雜度，算法最壞狀況下的時間複雜度。

教材學習中的問題和解決過程

問題1:會不會存在一個方法調用的複雜度爲O(1)的狀況，是否能夠理解爲數學的先進行n次方，而後再開n次方根？
好比舉個例子：是否以下的代碼的時間複雜度爲O(1)

for(int count = 0;count<n;count++)
{
    {
        for(j=1;j<=count;j++) 
            {
                printsum(count);
            }
       }
}

public void printsum(int count)
{
    int a=0;
   while(a^2<=count)
       a++;
}

問題1解決過程：
以書本里的解答，我認爲是能夠這樣認爲的，由於它自己就是一個計算機問題演變出的數學問題，時間複雜度也就是循環的次數，一樣，次數多計算法就是經過一系列計算所獲得的，而問題中的計算只是一種對於對計算機問題的一種解釋的手段，因此我以爲徹底能夠這樣理解。
問題2：書本中老是出現沒有底數的對數函數，那沒有底數會不會算錯呢？在何時該寫底數呢？
問題2解答：
通過查找資料，我找到這樣一篇文章，能夠有助於咱們理解數據結構在這一方面的知識，資料叫作「劍指Offer——算法複雜度中的O(logN)底數是多少」，具體文章我已放在參考資料中，有興趣的同窗能夠看看，我這裏拿重點。

教材佈置習題解答

EX 2.1 下列增加函數的階次是多少？
a.10n^2+100n+1000
解答：由於漸進複雜度稱爲算法的階次，所以該增加函數的階次爲：O(n^2)。
b.10n^3-7
解答：由於n^3的增加速度最快，因此階次爲：O(n^3)
c.2^n+100n^3
解答：由於n^3比2^n增加速度慢，因此階次爲：O(2^n)
注：

d.n^2 ·log(n)
解答：階次：O(n^2 ·log(n))

EX 2.4 請肯定下面代碼段的增加函數和階次

for(int count = 0 ; count < n ; count++)
    for(int count2 = 0 ; count2 < n ; count2 = count2 + 2)
        {
            System.out.println(count,count2);
        }
}

解答：

增加函數爲：F(n)=(n^2)/2
階次爲：O(n^2)
解：由於內循環須要進行的次數是n/2，外循環須要進行的次數是n，所以，由老師上課所講的乘法原理（T(n)=T1(n)*T2(n))可得，增加函數爲：F(n)=(n^2)/2；又由於階數與增加函數的最高階項有關，因此忽略次項與常數項。因此階次爲O(n^2)。

EX 2.5 請肯定下面代碼段的增加函數和階次

for(int count = 0 ; count < n ; count++)
    for(int count2 = 0 ; count2 < n ; count2 = count2 * 2)
        {
            System.out.println(count,count2);
        }
}

解答：

增加函數：F(n)=n·log2(n)
階次爲：O(n·log2(n))
解：由於外循環須要的次數爲n次，內循環的次數是log2(n)，因此由乘法原理（T(n)=T1(n)*T2(n))可得，增加函數爲：F(n)=n·log2(n)；又由於階數與增加函數的最高階項有關，因此忽略次項與常數項。因此階次爲O(n·log2(n))。

結對及互評

本週結對學習狀況
- 20172316趙乾宸
博客中值得學習的或問題：
- 內容詳略得當；
- 代碼調試環節比較詳細；
基於評分標準，我給本博客打分：5分。得分狀況以下：

正確使用Markdown語法（加1分）：
模板中的要素齊全（加1分）
教材學習中的問題和解決過程, 一個問題加1分
代碼調試中的問題和解決過程, 一個問題加1分
- 20172316唐才銘

博客中值得學習的或問題：
- 內容詳略得當；
- 代碼調試環節比較詳細；
基於評分標準，我給本博客打分：9分。得分狀況以下：

正確使用Markdown語法（加1分）：
模板中的要素齊全（加1分）
教材學習中的問題和解決過程, 一個問題加1分
代碼調試中的問題和解決過程, 一個問題加1分

感悟

呀，新學期又到啦，咱們又要學習啦，好開心呀哈哈哈。雖然感受聽起來有點假，的確，有點假，可是開學仍是很開心的，能夠和同窗們一塊兒玩，很開心的玩啊！而後又能夠好好學習了，在家裏感受每天都在打遊戲，不想學習，但願本身在新的一學期能夠繼續努力，認真學習，沒有晚自習，本身要給本身晚自習的時間進行學習，但願本身能夠學到更多有用的東西讓本身之後的生活更好，養得起本身！