数据结构——简单的时间复杂度分析

我们常见的时间复杂度表示：O(1), O(n), O(lgn), O(nlog₂n), O(n²)。这里的O是渐进时间复杂度，表示n趋于无穷大时，运行时间和输入数据之间的关系。下面用一个例子来简单的分析时间复杂度。

	public int sum(int[] nums){
		int sum = 0;				//(1)
		for(int num : nums)			//(2)
			sum+=num;				//(3)
		return sum;					//(4)
	}

在这个例子里nums中的元素个数就是n，这个方法消耗时间T与n成线性关系：T = c1*n+c2。忽略常数c1,c2。即我们的时间复杂度为O(n)，n趋于无穷大时，低阶项忽略。

例一
分析上一篇动态数组的添加操作：
1.addLast(e) 尾插 从数组元素尾部直接插入，不用挪动数组，所以时间复杂度是O(1)
2.addFirst(e) 头插 从数组头部插入元素，需要挪动所有(n)元素，所以时间复杂度是O(n)
3.add(index,e) 在index插入元素 需要挪动n-index个元素，这里的index可以等于从0-size任何一个数，等于每个数的概率相等，可以算出平均时间复杂度的期望。平均而言，时间为n/2，所以时间复杂度为O(n/2)=>O(n)

在算法复杂度的计算上通常考虑0最坏情况

另外在添加时，会有可能resize，所以对于动态数组的添加操作的时间复杂度是O(n)

均摊复杂度

如果一个相对比较耗时的操作，不会每次都触发，那么这个操作的时间可以分摊到其他操作中。

• 例二
  分析上述中addLast(e)的均摊复杂度

复杂度震荡

对于上一篇动态数组的添加(addLast)和删除(removeLast)操作可以分析出它们的均摊时间复杂度都是O(1)，但是对于下面的场景：

当前数组的size = data.length，如果我们不停的重复
addLast(e)，removeLast(e)，addLast(e)，removeLast(e)……

那么会不停的触发resize，这样每一次的复杂度都是O(n)。这就是复杂度的震荡。

这里的原因是由于我们的removeLast中对于resize过于eager了，每次size等于一半时就立马resize。
解决办法：我们可以lazy一点，把1/2变成3/4或其他。