Java数据结构与算法1---复杂度

Java数据结构与算法1---复杂度

---

复杂度介绍

数据结构与算法是每一位高级程序猿所必须关注的问题，好的数据结构配上优秀的算法必将事半功倍。博主做为一个数据结构与算法小白，在牛客网大牛左程云系列教程+《java数据结构与算法》第二版书籍下整理成Java数据结构与算法系列博客，博客内容如有错误请务必联系本人，防止知识误导！在这里就先感谢所有看过本系列博客的猿兄们了。在本博客中我将较为系统的介绍数据结构与算法性能的评判手段：复杂度。最后温馨提示：请爱护好您的头发！

复杂度分类：时间复杂度+空间复杂度。。。复杂度的分类远不止这两个，但是时间复杂度和空间复杂度是算法性能上考虑最多的两个复杂度，并以时间复杂度为主（毕竟现在存储容量越来越大空间可以退尔逊其次）

时间复杂度：在认识时间复杂度之前我们要先了解常数时间的操作（一个操作如果和数据量没有关系，每次都是固定时间内完成的操作，叫做常数操作，例如：i++；int a=b+12；等执行一次的语句时间与编译器硬件等相关），而时间复杂度为一个算法流程中，常数操作数量的指标，常用O（读作big O）来表示。具体来说，在常数操作数量的表达式中，只要高阶项，不要低阶项，也不要高阶项的系数，剩下的部分如果记为f(N)，那么时间复杂度为O(f(N))。评价一个算法流程的好坏，先看时间复杂度的指标，然后再分析不同数据样本下的实际运行时间，也就是常数项时间。

空间复杂度：想必从从空间二字就可以看出，空间复杂度是对空间容量上的评测，同样空间复杂度也用O来表示。如果算法不需要增加新的空间容量来辅助完成此算法，则其空间复杂度为O（1）。

---

复杂度理解

题目：一个有序数组A，另一个无序数组B，请打印B中的所有不在A中的数，A数组长度为N，B数组长度为M。

 算法流程1：对于数组B中的每一个数，都在A中通过遍历的方式找一下； 

 算法流程2：对于数组B中的每一个数，都在A中通过二分的方式找一下； 

 算法流程3：先把数组B排序，然后用类似外排的方式打印所有不在A中出现的数； 

 三个流程，三种时间复杂度的表达... 如何分析好坏？

分析3个流程的时间/空间复杂度如下：

 算法流程1： 时间复杂度O(M*N)        空间复杂度O(1)

 算法流程2： 时间复杂度O(M*logN)   空间复杂度O(1)

 算法流程3： 时间复杂度O(M+N)       空间复杂度O(1)

这里有些小伙伴可能不清楚二分查找方式和外排方式，这里只做简单介绍后续博客中会重点介绍各种查找排序等算法的。

二分查找：针对有序数组才能实现的，通过每次找取中间数据进行比较，然后一步步缩小范围再取中间值比较，最后确定所要查找的数据的位置。因为存在不断分半的过程就形成2的指数，而时间复杂度只是取出分半的过程次数即log2^N，因为log2^N=3.322*log10^N可以转换，所以在复杂度表达式中省略对数的底数用logN表示，我们可以将其理解为log2^N。

外排：针对两个有序数组才能实现，利用两个指针分别指向两个数组开头位置，然后开辟额外空间arr，利用两个指针所指的数据比较大小，小者放入arr中其指针后移一位，当出现指针越界后把未越界的指针剩余未插入arr的所有数据拷贝至arr中即可完成排序。这里的算法流程3是不需要开辟新空间的，只需要打印出来就可以了。

---

对数器的概念和使用 

1.    有一个你想要测的方法a
2.    实现一个绝对正确但是复杂度不好的方法b 
3.    实现一个随机样本产生器 
4.    实现比对的方法 
5.    把方法a和方法b比对很多次来验证方法a是否正确。 
6.    如果有一个样本使得比对出错，打印样本分析是哪个方法出错 
7.    当样本数量很多时比对测试依然正确，可以确定方法a已经正确

 数组排序的对数器代码示例如下：

    //数组排序对数器
    // for test
    public static void comparator(int[] arr) {
        Arrays.sort(arr);
    }

    // for test
    public static int[] generateRandomArray(int maxSize, int maxValue) {
        int[] arr = new int[(int) ((maxSize + 1) * Math.random())];
        for (int i = 0; i < arr.length; i++) {
        arr[i] = (int) ((maxValue + 1) * Math.random()) - (int) (maxValue * Math.random());
        }
        return arr;
    }

    // for test
    public static int[] copyArray(int[] arr) {
        if (arr == null) {
            return null;
        }
        int[] res = new int[arr.length];
        for (int i = 0; i < arr.length; i++) {
            res[i] = arr[i];
        }
        return res;
    }

    // for test
    public static boolean isEqual(int[] arr1, int[] arr2) {
        if ((arr1 == null && arr2 != null) || (arr1 != null && arr2 == null)) {
            return false;
        }
        if (arr1 == null && arr2 == null) {
            return true;
        }
        if (arr1.length != arr2.length) {
            return false;
        }
        for (int i = 0; i < arr1.length; i++) {
            if (arr1[i] != arr2[i]) {
                return false;
            }
        }
        return true;
    }

    // for test
    public static void printArray(int[] arr) {
        if (arr == null) {
            return;
        }
        for (int i = 0; i < arr.length; i++) {
            System.out.print(arr[i] + " ");
        }
        System.out.println();
    }

    // for test
    public static void main(String[] args) {
        int testTime = 500000;
        int maxSize = 100;
        int maxValue = 100;
        boolean succeed = true;
        for (int i = 0; i < testTime; i++) {
            int[] arr1 = generateRandomArray(maxSize, maxValue);
            int[] arr2 = copyArray(arr1);
            bubbleSort(arr1);
            comparator(arr2);
            if (!isEqual(arr1, arr2)) {
                succeed = false;
                break;
            }
        }
        System.out.println(succeed ? "Nice!" : "Fucking fucked!");

        int[] arr = generateRandomArray(maxSize, maxValue);
        printArray(arr);
        bubbleSort(arr);
        printArray(arr);
    }

---

递归行为复杂度估算法

 master公式： T(N)  =  a*T(N/b) + O(N^d) 

   1) log(b,a) > d --> 复杂度为O(N^log(b,a)) 
   2) log(b,a) = d --> 复杂度为O(N^d * logN) 
   3) log(b,a) < d --> 复杂度为O(N^d) 

注：master公式是对递归算法进行复杂度分析的良药！！！

   补充阅读：www.gocalf.com/blog/algorithm-complexity-and-master-theorem.html 

                                                                                                                          谢谢阅读！      ----by 知飞翀