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
- 有一个你想要测的方法a
- 实现一个绝对正确但是复杂度不好的方法b
- 实现一个随机样本产生器
- 实现比对的方法
- 把方法a和方法b比对很多次来验证方法a是否正确。
- 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
- 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