. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157 10. 查找算法 158 10.1. 线性查找 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158 10.2. 二分查找 次，算法运行时间随着 ? 增大成线性增长。此算法的时间复杂度被称为 「线性阶」。 ‧ 算法 C 中的打印操作需要循环 1000000 次，但运行时间仍与输入数据大小 ? 无关。因此 C 的时间复杂 度和 A 相同，仍为「常数阶」。 // 算法 A 时间复杂度：常数阶 func algorithm_A(n int) { fmt.Println(0) } // 算法 B 时间复杂度：线性阶 func algorithm_B(n 相比直接统计算法运行时间，时间复杂度分析的做法有什么好处呢？以及有什么不足？ 时间复杂度可以有效评估算法效率。算法 B 运行时间的增长是线性的，在 ? > 1 时慢于算法 A ，在 ? > 1000000 时慢于算法 C 。实质上，只要输入数据大小 ? 足够大，复杂度为「常数阶」的算法一定优于 「线性阶」的算法，这也正是时间增长趋势的含义。 时间复杂度的推算方法更加简便。在时间复杂度分析中，我们可以将统计「计算操作的运行时间」简化为统计

复杂度分析 hello‑algo.com 20 图 2‑1 是该求和函数的流程框图。 图 2‑1 求和函数的流程框图 此求和函数的操作数量与输入数据大小 ? 成正比，或者说成“线性关系”。实际上，时间复杂度描述的就是 这个“线性关系”。相关内容将会在下一节中详细介绍。 2. while 循环 与 for 循环类似，while 循环也是一种实现迭代的方法。在 while 循环中，程序每轮都会先检查条件，如果条 ，给定三个算法 A、B 和 C ： // 算法 A 的时间复杂度：常数阶 func algorithm_A(n int) { fmt.Println(0) } // 算法 B 的时间复杂度：线性阶 func algorithm_B(n int) { for i := 0; i < n; i++ { fmt.Println(0) } } // 算法 C 的时间复杂度：常数阶 func A 只有 1 个打印操作，算法运行时间不随着 ? 增大而增长。我们称此算法的时间复杂度为“常数 阶”。 ‧ 算法 B 中的打印操作需要循环 ? 次，算法运行时间随着 ? 增大呈线性增长。此算法的时间复杂度被称 为“线性阶”。 ‧ 算法 C 中的打印操作需要循环 1000000 次，虽然运行时间很长，但它与输入数据大小 ? 无关。因此 C 的时间复杂度和 A 相同，仍为“常数阶”。 图 2‑7

是该求和函数的流程框图。 第 2 章 复杂度分析 hello‑algo.com 20 图 2‑1 求和函数的流程框图 此求和函数的操作数量与输入数据大小 ? 成正比，或者说成“线性关系”。实际上，时间复杂度描述的就是 这个“线性关系”。相关内容将会在下一节中详细介绍。 2. while 循环 与 for 循环类似，while 循环也是一种实现迭代的方法。在 while 循环中，程序每轮都会先检查条件，如果条 hello‑algo.com 29 // 算法 A 的时间复杂度：常数阶 func algorithm_A(n int) { fmt.Println(0) } // 算法 B 的时间复杂度：线性阶 func algorithm_B(n int) { for i := 0; i < n; i++ { fmt.Println(0) } } // 算法 C 的时间复杂度：常数阶 func A 只有 1 个打印操作，算法运行时间不随着 ? 增大而增长。我们称此算法的时间复杂度为“常数 阶”。 ‧ 算法 B 中的打印操作需要循环 ? 次，算法运行时间随着 ? 增大呈线性增长。此算法的时间复杂度被称 为“线性阶”。 ‧ 算法 C 中的打印操作需要循环 1000000 次，虽然运行时间很长，但它与输入数据大小 ? 无关。因此 C 的时间复杂度和 A 相同，仍为“常数阶”。 图 2‑7

hello‑algo.com 19 图 2‑1 展示了该求和函数的流程框图。 图 2‑1 求和函数的流程框图 此求和函数的操作数量与输入数据大小 ? 成正比，或者说成“线性关系”。实际上，时间复杂度描述的就是 这个“线性关系”。相关内容将会在下一节中详细介绍。 2. while 循环 与 for 循环类似，while 循环也是一种实现迭代的方法。在 while 循环中，程序每轮都会先检查条件，如果条 ，给定三个算法 函数 A、B 和 C ： // 算法 A 的时间复杂度：常数阶 func algorithm_A(n int) { fmt.Println(0) } // 算法 B 的时间复杂度：线性阶 func algorithm_B(n int) { for i := 0; i < n; i++ { fmt.Println(0) } } // 算法 C 的时间复杂度：常数阶 func A 只有 1 个打印操作，算法运行时间不随着 ? 增大而增长。我们称此算法的时间复杂度为“常数 阶”。 ‧ 算法 B 中的打印操作需要循环 ? 次，算法运行时间随着 ? 增大呈线性增长。此算法的时间复杂度被称 为“线性阶”。 ‧ 算法 C 中的打印操作需要循环 1000000 次，虽然运行时间很长，但它与输入数据大小 ? 无关。因此 C 的时间复杂度和 A 相同，仍为“常数阶”。 图 2‑7

www.hello‑algo.com 20 图 2‑1 是该求和函数的流程框图。 图 2‑1 求和函数的流程框图 此求和函数的操作数量与输入数据大小 ? 成正比，或者说成“线性关系”。实际上，时间复杂度描述的就是 这个“线性关系”。相关内容将会在下一节中详细介绍。 2. while 循环 与 for 循环类似，while 循环也是一种实现迭代的方法。在 while 循环中，程序每轮都会先检查条件，如果条 hello‑algo.com 29 // 算法 A 的时间复杂度：常数阶 func algorithm_A(n int) { fmt.Println(0) } // 算法 B 的时间复杂度：线性阶 func algorithm_B(n int) { for i := 0; i < n; i++ { fmt.Println(0) } } // 算法 C 的时间复杂度：常数阶 func A 只有 1 个打印操作，算法运行时间不随着 ? 增大而增长。我们称此算法的时间复杂度为“常数 阶”。 ‧ 算法 B 中的打印操作需要循环 ? 次，算法运行时间随着 ? 增大呈线性增长。此算法的时间复杂度被称 为“线性阶”。 ‧ 算法 C 中的打印操作需要循环 1000000 次，虽然运行时间很长，但它与输入数据大小 ? 无关。因此 C 的时间复杂度和 A 相同，仍为“常数阶”。 图 2‑7

次，算法运行时间随着 ? 增大呈线性增长。此算法的时间复杂度被称 为「线性阶」。 ‧ 算法 C 中的打印操作需要循环 1000000 次，但运行时间仍与输入数据大小 ? 无关。因此 C 的时间复杂 度和 A 相同，仍为「常数阶」。 // 算法 A 时间复杂度：常数阶 func algorithm_A(n int) { fmt.Println(0) } // 算法 B 时间复杂度：线性阶 func algorithm_B(n 相较于直接统计算法运行时间，时间复杂度分析有哪些优势和局限性呢？ 时间复杂度能够有效评估算法效率。例如，算法 B 的运行时间呈线性增长，在 ? > 1 时比算法 A 慢，在 ? > 1000000 时比算法 C 慢。事实上，只要输入数据大小 ? 足够大，复杂度为「常数阶」的算法一定优于 「线性阶」的算法，这正是时间增长趋势所表达的含义。 时间复杂度的推算方法更简便。显然，运行平台和计算操作类型都与算法运行时间的增长趋势无关。因此在 i++ { // +1 fmt.Println(a) // +1 2. 复杂度 hello‑algo.com 17 } } ?(?) 是一次函数，说明时间增长趋势是线性的，因此可以得出时间复杂度是线性阶。 我们将线性阶的时间复杂度记为 ?(?) ，这个数学符号称为「大 ? 记号 Big‑? Notation」，表示函数 ?(?) 的「渐近上界 Asymptotic Upper Bound」。

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154 10. 查找算法 155 10.1. 线性查找 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 10.2. 二分查找 次，算法运行时间随着 ? 增大成线性增长。此算法的时间复杂度被称为 「线性阶」。 ‧ 算法 C 中的打印操作需要循环 1000000 次，但运行时间仍与输入数据大小 ? 无关。因此 C 的时间复杂 度和 A 相同，仍为「常数阶」。 // 算法 A 时间复杂度：常数阶 func algorithm_A(n int) { fmt.Println(0) } // 算法 B 时间复杂度：线性阶 func algorithm_B(n 相比直接统计算法运行时间，时间复杂度分析的做法有什么好处呢？以及有什么不足？ 时间复杂度可以有效评估算法效率。算法 B 运行时间的增长是线性的，在 ? > 1 时慢于算法 A ，在 ? > 1000000 时慢于算法 C 。实质上，只要输入数据大小 ? 足够大，复杂度为「常数阶」的算法一定优于 「线性阶」的算法，这也正是时间增长趋势的含义。 时间复杂度的推算方法更加简便。在时间复杂度分析中，我们可以将统计「计算操作的运行时间」简化为统计

o 中的字符串也可能根据需要占用 1 至 4 个字节（示例见第 4.6 节），这与其它语言如 C++、Java 或者 Python 不同（Java 始终使用 2 个字节）。Go 这样做的好处是不仅减 少了内存和硬盘空间占用，同时也不用像其它语言那样需要对使用 UTF-8 字符集的文本进行编码和解码。 字符串是一种值类型，且值不可变，即创建某个文本后你无法再次修改这个文本的内容；更深入地讲，字符串是字节 0; ；这比在循环之前声明更为简短。紧接着的是条件语句 i < 5; ，在每次循环 开始前都会进行判断，一旦判断结果为 false，则退出循环体。最后一部分为修饰语句 i++ ，一般用于增加或减 少计数器。 这三部分组成的循环的头部，它们之间使用分号 ; 相隔，但并不需要括号 () 将它们括起来。例如： for (i = 0; i < 10; i++) { } ，这是无效的代码！ 为值时需要先做一次类型断言（详见第 11.3 节）。 map 传递给函数的代价很小：在 32 位机器上占 4 个字节，64 位机器上占 8 个字节，无论实际上存储了多少数 据。通过 key 在 map 中寻找值是很快的，比线性查找快得多，但是仍然比从数组和切片的索引中直接读取要慢 100 倍；所以如果你很在乎性能的话还是建议用切片来解决问题。 map 也可以用函数作为自己的值，这样就可以用来做分支结构（详见第 5 章）：key

uint(a) 11 | println(b) // 20 自增和自减操作符 和很多其它流行语言一样，Go也支持自增（++）和自减（--）操作符。 不过 和其它语言不一样的是，自增（aNumber++）和自减（aNumber--）操作没有返 回值， 所以它们不能当做表达式（第11章）来使用。 另一个显著区别是，在 Go中，自增（++）和自减（--）操作符只能后置，不能前置。 一个例子： 1| package 否小于一个阙值来检查两个浮点数是否相等。 操作符运算的优先级 Go中的操作符运算的优先级和其它流行语言有一些差别。 下面列出了本文介 绍的操作符的优先级。 同一行中的操作符的优先级是一样的。优先级逐行递 减。 1| * / % << >> & &^ 2| + - | ^ 3| == != < <= > >= 4| && 5| || 一个和其它流行 通道的发送数据操作。上面已经提到过一次，通道以后将在此文中（第21 章）详解。 5. 空语句。在下一篇文章我们将看到一些空语句的应用。 6. 自增（x++）和自减（x--）语句。 注意：和C/C++不一样，在Go中，自增和自减语句不能被当作表达式使用。 简单语句这个概念在Go中比较重要，所以请牢记这六种简单语句类型。 一些非简单语句 下面是一个非简单语句的不完整列表： 标准变量声明

<<= uint(a) println(b) // 20 自增和自减操作符 和很多其它流行语言一样，Go也支持自增（++）和自减（--）操作符。 不过和 其它语言不一样的是，自增（aNumber++）和自减（aNumber--）操作没有返回 值， 所以它们不能当做表达式（第11章）来使用。 另一个显著区别是，在Go 中，自增（++）和自减（--）操作符只能后置，不能前置。 一个例子： package 通道的发送数据操作。上面已经提到过一次，通道以后将在此文中（第21 章）详解。 5. 空语句。在下一篇文章我们将看到一些空语句的应用。 6. 自增（x++）和自减（x--）语句。 注意：和C/C++不一样，在Go中，自增和自减语句不能被当作表达式使用。 简单语句这个概念在Go中比较重要，所以请牢记这六种简单语句类型。 一些非简单语句 下面是一个非简单语句的不完整列表： 标准变量 于一个指针p， 运算p++和p-2 都是非法的。 如果p为一个指向一个数值类型值的指针，*p++将被编译器认为是合法的并且等 价于(*p)++。 换句话说，解引用操作符*的优先级都高于自增++和自减--操作 符。 例子： package main import "fmt" func main() { a := int64(5) p := &a // 下面这两行编译不通过。