1.如何衡量一个算法的好坏
我们平时写代码或者写oj题的时候,会用到各种各样的算法,那么求解一个问题所用到的算法好不好?为什么?如何衡量一个算法的好坏呢?就比如这个斐波那契数列算法好不好?
public static long Fib(int N){ if(N<3){ return 1; } return Fib(N-1)+Fib(N-2); }
2. 算法效率
3.时间复杂度
3.1时间复杂度的概念
3.2 大O渐进表示法
计算一下func1执行基本操作了多少次?
void func1(int N){
int count=0;
for(int i=0;i<N;i++){
for (int j = 0; j < N; j++) {
count++;
}
}
for(int k=0;k<2*N;k++){
count++;
}
int M=10;
while((M--)>0){
count++;
}
}
func1执行的操作次数:
但实际上我们计算时间复杂度时,我们其实并不用计算请确的执行次数,只需要计算大概次数即可,这里就需要用到大O渐进表示法 。
3.3 推导大O阶方法
1.用常数1取代运行时间中的所有加法常数。
2.在修改后的运行次数函数中,只保留最高阶项。
3。如果最高阶存在且不是1,则去除与这个项目相乘的常数,得到的结果就是大O阶。
就比如fun1函数使用大O渐进表示法后 时间复杂度统称为O(N²)
通过上面我们会发现大O渐进表示法去掉了那些对结果影响不大的项,简洁明了的表示出了执行次数
3.4 常见时间复杂度计算举例
【实例一】
//计算func2的时间复杂度?
void func2(int N){
int count=0;
for(int k=0;k<2*N;k++){
count++;
}
int M=10;
while((M--)>0){
count++;
}
}
func2基本操作执行了2*N+10次,通过大O渐进法我们知道,时间复杂度为O(N);
【实例二】
//计算func3的时间复杂度?
void func3(int N, int M) {
int count = 0;
for (int k = 0; k < M; k++) {
count++;
}
for (int k = 0; k < N ; k++) {
count++;
}
System.out.println(count);
}
func3基本操作执行了N+M次,有两个未知数,时间复杂度为O(N+M);
【实例三】
//计算func4的时间复杂度?
void func4(int N) {
int count = 0;
for (int k = 0; k < 100; k++) {
count++;
}
System.out.println(count);
}
func4基本操作执行了100次,通过大O渐进法可知,时间复杂度为O(1);
//计算func5的时间复杂度?
void func5(int[] array) {
for (int end = array.length; end > 0; end--) {
boolean sorted = true;
for (int i = 1; i < end; i++) {
if (array[i - 1] > array[i]) {
Swap(array, i - 1, i);
sorted = false;
}
}
if (sorted == true) {
break;
}
}
}
func5最好情况执行了N次,最坏情况执行力(N*(N-1))/2,通过大O渐进法可知时间复杂度一般看最坏,所以时间复杂度为O(N²);
4.空间复杂度
// 计算bubbleSort的空间复杂度?
void bubbleSort(int[] array) {
for (int end = array.length; end > 0; end--) {
boolean sorted = true;
for (int i = 1; i < end; i++) {
if (array[i - 1] > array[i]) {
Swap(array, i - 1, i);
sorted = false;
}
}
if (sorted == true) {
break;
}
}
}
实例1使用了常数个额外空间,所以空间复杂度为 O(1);
【实例二】
// 计算fibonacci的空间复杂度?
int[] fibonacci(int n) {
long[] fibArray = new long[n + 1];
fibArray[0] = 0;
fibArray[1] = 1;
for (int i = 2; i <= n ; i++) {
fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
}
return fibArray;
}
实例二开辟了N个空间,空间复杂度为O(N);
【实例三】
// 计算阶乘递归Factorial的空间复杂度?
long factorial(int N) {
return N < 2 ? N : factorial(N-1)*N;
}
实例3递归调用了N次,开辟了N个栈帧,每个栈帧使用了常数个空间。空间复杂度为O(N)
以上就是时间空间复杂度的基本内容,如果对你有帮助,点个赞吧OuO!