2020-9-6数据结构与算法笔记（2）

1.算法时间复杂度分析

事后分析估算法（不常用）

利用计算机计时器对不同算法编制的程序运行时间进行比较，花费大量时间和精力判断，不同的测试硬件环境差别导致结果差异很大。

public static void main(String[] args){
    long start = System.currentTimeMillis();
    
    //算法

    long end = System.currentTimeMillis();

    System.out.println(end-start);

}

事前分析估算法

总结发现，程序在计算机上运行消耗的时间取决如下因素：

1.算法采用的策略方案

2.编译产生的代码质量

3.问题的输入规模

4.机器执行指令的速度

由此我们可以发现，如果算法固定抛开计算机与软件的有关的因素，该算法执行时间就只和问题的输入规模有关系

在研究算法的效率时，我们只考虑核心代码的执行次数，简化分析（不计算循环，变量声明，打印等操作）最重要的是把核心操作次数和输入规模关联起来。

结论：

1.算法函数中的常数可以忽略

2.算法函数中最高次幂的常数因子可以忽略

3.算法函数中最高次幂越小，算法效率越高

大O记法表示时间复杂度 O()

有以下规则：

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中，只保留高阶项

3如果最高阶项存在，且常数因子不为1，则除去与这个项相乘的常数

算法中常见的大O阶

1.线性阶O(n)

2.平方阶O(n^2)，双层嵌套循环

3.立方阶O(n^3)，三层嵌套循环

4.对数阶O(logn)

5.常数阶O(1)

复杂程度从低到高依次为：

O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^3)

最坏情况

我们要保证在最坏的情况程序也能正常运行，所以算法时间复杂度一般考虑最坏情况。