Java-时间复杂度&空间复杂度

时间复杂度&空间复杂度

一、时间复杂度
1、时间复杂度：执行算法所消耗的时间；

2、时间复杂度计算方式
（1）定义理解：“执行算法所消耗的时间”，但是不能采用让算法跑一遍来计算其时间复杂度。
Reason1：受运行环境的影响；性能好的机器和性能不好的机器差别很大。
Reason2:一般写的算法都是部分，基本上不可能完整的跑一遍。
Reason3:受算法的测试数据的规模的影响也很大。

（2）大O符号表示法
大O符号表示法公式：T(n)=O(f(n))，又称为算法的渐进时间复杂度。
假设:假设每一行代码执行一次所消耗的时间一样，假设为“1”（1颗粒时间）；则执行每一行代码消耗的时间即为其执行的次数。
f(n):代码块每行代码执行的次数之和。
大O符号表示法理解：并不是真正的代码块执行所消耗的时间，而是表示代码块执行消耗时间的一个变化趋势（类似高数取极限）。
f(n)的处理：只取主要影响变换趋势的部分。

（3）常见的时间复杂度
常数阶：O(1)
对数阶：O(logn)
线性阶：O(n)
线性对数阶：O(nlogn)
平方阶：O(n^2)
立方阶：O(n^3)
K次方阶：O(n^k)
指数阶：O(2^n)
从上到下，时间复杂度越来越高，执行效率越来越低。

3、例子
（1）常数阶O(1)
顺序逻辑，没有其他循环等复杂结构。

int i;
i=2;
i=i++;
int j=5;
j=j-i;

（2）对数阶O(logn)
一重循环，但是不是所有值都能取得，一般间隔乘2的取值。

for(int i=0;i<n;i=i*2){
	int j=0；
	j=j+i;
}

（3）线性阶O(n)
一重循环；

for（int i=0;i<=20;i++）{
	int j=2;
	j=j+i;
}

（4）线性对数O(nlogn)
可以将其理解为：n*O(logn)，将复杂度为O(logn)的代码块循环n次；

for（int i=0;i<=n;i++）{
	while(i<n){
		i=i*2;
	}
}

（5）平方阶O(n^2)
时间复杂度为O(n)的代码块再嵌套一遍复杂度为O(n)的代码块；

for（int i=0;i<=n;i++）{
	while(int j<n){
		j++;
	}
}

（6）立方阶、k次方阶
同理，拆分再嵌套；

二、空间复杂度
1、空间复杂度：执行算法所消耗的内存空间；
理解：同理时间复杂度，空间复杂度也不是真的计算程序实际占用的空间的大小。
表示：S(n)

2、常见的空间复杂度
O(1)、O(n)、O(n^2)
（1）O(1)
执行算法所需的临时空间不随着某个变量n的变换而变化。

int i=1;
int j=2;
i=i++;
j=j++;
int m=i+j;

代码块中的变量i,j,m的临时空间都不随着处理数据量的变化而变化，即空间复杂度为一个常数，记为S(n)=O(1)。
（2）O(n)
执行算法所需的临时空间与某个变量n为线性关系。常见的如n为数组。

int[] arr=new int[n];
for(int i=0;i<n;i++){
	j=i;
	j++;
}

代码块第一行：new一个n维数组，其分配的临时空间的大小为n；
代码块循环部分：虽然有循环，但是内部没有重新分配新的空间，故空间复杂度为常数。
（3）O(n^2)

for(int i=0;i<n;i++){
	int[] arr=new int[n];
	arr[i]=i;
}

循环一次，new一个n维数组,一共循环了n次。

参考：https://zhuanlan.zhihu.com/p/50479555