数据结构与算法 时间、空间复杂度汇总

🎄时间、空间复杂度

🍟空间复杂度基本概念

• 空间复杂度为算法流程实现过程中，额外开辟的辅助空间大小，其判定、表示方式和时间复杂度相同。

public static void swap(int a, int b){
   
	int t = a;
	a = b;
 	b = t;
}
// 额外开辟了一个t的辅助空间，因此为O(1)

public static void swapArray(int[] arr1, int[] arr2){
   // arr1.length == arr2.length
 	int[] arr3 = new int[arr1.length];
  	for(int i = 0, i < arr1.length; i++){
   
     	arr3[i] = arr2[i];
 		arr2[i] = arr1[i];
     	arr1[i] = arr3[i];
 	}
}
// 额外开辟了一个n大小的辅助空间，因此空间复杂度为O(n)

🌭时间复杂度基本概念

• 常数操作：一个操作和样本的数据量没有关系，每次都是固定时间完成操作，叫做常数操作。

• 时间复杂度为一个算法流程中，常数操作数量T(n)的一个指标，这个指标反映了当前算法在数据量增加时执行效率减缓的速度，常用O（读作big O）表示。具体来说，需要算出算法流程中发生了多少常数操作，进而总结成常数操作数量的表达式。

  在表达式中，只要去除系数的最高项(n相对于n²，在数据量激增的背景下，可忽略不计)，例如:

  T(n) = 2n³+7n²-9 -> O(n³)

  for(int i = 0; i < n; i++){
       
      sum += i;
  }
  sum *=2
  // T(n)= n + 1  ->  O(n)
      
  for(int i = 0; i < n; i++){
       
      for(int j = 0; j <= i; j++){
       
          sum += j;
      }
  }
  sum ^= 3
  // T(n)= n(n-1)/2 + 1  ->  O(n^2)
  

• 评价算法流程的好坏，优先观察时间复杂度的指标，进而分析不同数据样本下的实际运行时间，也就是“常数项”时间。

• 对于更复杂的递归时间复杂度运算，可提前浏览递归中的Master公式内容。

• 常见的算法时间复杂度由小到大依次为: Ο(1)＜Ο(logn)＜Ο(n)＜Ο(nlogn)＜Ο(n^k) ＜ Ο(2ⁿ)，随着问题规模 n 的不断增大，上述时间复杂度不断增大，算法的执行效率越低

🍿基本的排序算法的时间复杂度

✨冒泡排序/起泡排序(Bubble Sort)

• 实现思路
  • 从第一位起，分别依次比较下标为（1，2）、（2，3）、（3，4）…的值，若前者大于后者，则交换两个数
  • 从头到尾执行完一轮后，数组中最大数被移动到数组尾部，继续进行第二轮、第三轮比较，分别将第二大、第三大的数移动到尾部
  • 总共进行n-1轮，每轮选择最大值的过程就像是水中气泡冒出的过程，逐渐浮出到水面
• 图示：

• 代码实现

public static void bubbleSort(int[] arr){
   
    if(arr == null || arr.length < 2){
   
        return;
    }

    for(int i = arr.length - 1; i > 0; i--){
   
        for(int j = 0; j < i; j++){
   
            if(arr[j] > arr[j+1]){
   
                swap(arr, j, j+1);
            }
        }
    }
}

// 交换两数的值
public static void swap(int[] arr, int i, int j){
   
    arr[i] = arr[i] ^ arr[j];
    arr[j] = arr[i] ^ arr[j];
    arr[i] = arr[i] ^ arr[j];
}

• 时间复杂度

  O(n²)

✨插入排序（Insertion Sort）

• 实现思路

  • 每次排序前0~n位置的数，第一次使0-0位置有序，第二次为0-1，依次为0-2，0-3，0-n…

  • 每次从n位置往前看，当n位置比前方数（假设为k位置的数）小，交换两位数，再比较n位置和k-1位置，重复操作，当k==0 or n位置数大于k位置数 时结束，增大范围（n+1）继续比较

    取其中一次排序做解析：

    假设0-4范围已经排序，当前排序0-5范围

    arr = [2，5，8，9，10，4，23，3]

    （1）比较4和10，4<10，交换位置

    arr = [2，5，8，9，4，10，23，3]

    （2）比较4和9，4<9，交换位置

    arr = [2，5，8，4，9，10，23，3]

    （3）比较4和8，4<8，交换位置

    arr = [2，5，4，8，9，10，23，3]

    （4）比较4和5，4<5，交换位置

    arr = [2，4，5，8，9，10，23，3]

    （5）比较4和2，4>2，0-5范围排序完成，