前言:算法学习第一篇博客,首先来看什么是衡量算法好坏的标准?不同的算法计算过程不同,对应复杂度也不同,复杂度越低,算法越优,复杂度分为时间复杂度和空间复杂度,时间复杂度,就是运行算法耗费的时间,空间复杂度就是运行算法耗费的内存。本篇博客主要分析时间复杂度。
目录
思维导图
算法小故事(O(1)vsO(n))
先来看一个故事,很久以前,老师在课上出了一道题,计算1到100之间整数之和,同学们都在埋头苦算,从1到100,每个整数相加,但有位同学,很快给出了结果,他给出的计算公式是:(1+100)*50,从1+100,2+99,3+98,...,49+52,50+51,一共有50个101。
在java中这两种算法程序如下图所示:
这是那位同学给出的算法,代码只需要执行一遍System.out.println((1+100)/2)这行代码,时间复杂度是O(1)
而大部分同学给出的算法,需要执行判断100次,执行100次sum+=i这行代码,时间复杂度是O(n)
初步领略到好的算法的魅力,上面我们给出了O(1)和O(n)算法复杂度分析,接下来我们继续来看其他算法复杂度。
O(n^2)(99乘法表)
最典型的例子:九九乘法表,当前这不是一个严格的九九乘法表的例子,但重点不在这里,可以看到下面的这个程序,System.out.println(i + " * " + j + " = " + i * j);这行代码一共执行了81次,时间复杂度是O(n^2)
public class MultiplyTable {
public static void main(String[] args) {
int n = 9;
for (int i = 1; i <= n; i++)
for (int j = 1; j <= n; j++) {
System.out.println(i + " * " + j + " = " + i * j);
}
}
}
O(log(n))
这行代码里,循环体判断完后的语言,i乘了2,System.out.println(i)这行代码执行了log(n)次,给出的例子,log(64)=6,输出结果里打印了6行。二分查找用的也是这种思路,先将数据分成两份,再去慢慢缩小查找的范围,具体可见后面的算法篇之(二分查找)。
public static void main(String[] args) {
int n = 64;
for (int i = 1; i < n; i = i * 2) {System.out.println(i);}
}
O(K^n)
Math.pow(2, n)这个函数是计算出2^n次方,System.out.println(i);这行代码执行了2^n次方行,这就是O(K^n)的复杂度。
public static void main(String[] args) {
int n = 10;
for (int i = 1; i < Math.pow(2, n); i++) {
System.out.println(i);
}
}
O(n!)
n的阶乘,1*2*3*4*5*...*n,这行代码System.out.println(i);执行了4!次,换成n,复杂度就是n!
public class Factorial {
public static int factorial(int n) {
if (n <= 1) {
return 1;
}
return n * factorial(n - 1);
}
public static void main(String[] args) {
for (int i = 0; i < factorial(4); i++) {
System.out.println(i);
}
}
}
O(2^n)
斐波拉契
斐波那契数列:1,1,2,3,5,8,13,21,34,55,89...
F(0)=1,F(1)=1,F(n)=F(n-1)+F(n-2),每一项等于前两项之和。
其java代码实现如下所示,其时间复杂度是O(2^n)
public static int fib(int n) {
if (n == 0 || n ==1) {
return n;
}
return fib(n-1) + fib(n - 2);
}
不同算法的时间复杂度
针对不同的算法,有不同的时间复杂度,找了张图,可以对照看下
时间复杂度对比图
找了张图,可以看下复杂度对比图,直观地感受下不同复杂度
总结
本文主要对不同的时间复杂度进行了分析,是后面算法学习篇的开端,也是最基础的部分,在写程序时,也要关注代码的时间复杂度,研究最快复杂度最低的算法是如何实现的,提升自己的算法能力。