一.算法效率
衡量算法的效率使用时间效率和空间效率用来衡量,时间效率被称为时间复杂度,空间效率被称为空间复杂度,时间复杂度用来衡量算法的运行速度,空间复杂度用来衡量算法所需要的额外空间。随着计算机行业的发展,存储容量不再稀少,空间复杂度也不再重要。
二.时间复杂度
1.时间复杂度的概念:
在计算机科学中,时间复杂度是一个数学函数,定量的描述了该算法的运行时间。一个算法所花费的时间与其中语句执行次数成正比,算法中的基本操作的执行次数,为算法的时间复杂度
注意:时间复杂度表示的是算法运行的最坏情况
2.大O的渐进表示法
方法:1. 当运行次数函数不为常数时,只保留最高阶,且不包含与最高阶相乘的常数
例如:F(N) = 2N^3 +5 时间复杂度为O(N^3)
2.当运行次数函数为常数时,时间复杂度为O(1)
例如:F(N) = 10 时间复杂度为O(1)
3.常见的时间复杂度计算举例
例1:
void func(int N) {
int count = 0;
for (int k = 0; k < 2 * N ; k++) {
count++;
}
int M = 10;
while ((M--) > 0) {
count++;
}
System.out.println(count);
}
答案:O(n)
例2:
void func(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);
}
答案:O(M+N)
例3:
void func(int N) {
int count = 0;
for (int k = 0; k < 100; k++) {
count++;
}
System.out.println(count);
}
答案:O(1)
例4:冒泡排序
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;
}
}
}
答案:O(N^2)
例5:二分查找
int binarySearch(int[] array, int value) {
int begin = 0;
int end = array.length - 1;
while (begin <= end) {
int mid = begin + ((end-begin) / 2);
if (array[mid] < value)
begin = mid + 1;
else if (array[mid] > value)
end = mid - 1;
else
return mid;
}
return -1;
}
答案:O(logN)
例6:阶乘递归
long factorial(int N) {
return N < 2 ? N : factorial(N-1) * N;
}
答案:O(N)
递归的时间复杂度 = 递归次数 * 每次递归执行的次数
本题递归N次,每次执行一次
例7:斐波那契数列
int fibonacci(int N) {
return N < 2 ? N : fibonacci(N-1)+fibonacci(N-2);
}
答案:O(2^N)
常见时间复杂度大小比较:
三.空间复杂度
1.空间复杂度的概念
空间复杂度计算的是变量的个数,也使用大O的渐进表示法进行计算
2.常见的空间复杂度计算距离
例1:冒泡排序
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;
}
}
}
答案:O(1),使用了常数个变量
例2:斐波那契数列
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;
}
答案:O(N),动态开辟了N个空间 (i <= n)
例3:阶乘递归
long factorial(int N) {
return N < 2 ? N : factorial(N-1)*N;
}
答案:O(N),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。