算法篇之（开篇：复杂度分析）

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)）

O(n^2)(99乘法表)

O(log(n))

 O(K^n)

O(2^n)

不同算法的时间复杂度 

时间复杂度对比图

总结

---

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。