算法入门准备：学习笔记时间复杂度

最新推荐文章于 2021-07-29 11:53:42 发布

bohu83

最新推荐文章于 2021-07-29 11:53:42 发布

阅读量450

点赞数 1

分类专栏：算法文章标签：算法时间复杂度空间复杂度极客训练营

本文链接：https://blog.csdn.net/bohu83/article/details/107010322

版权

算法专栏收录该内容

68 篇文章 6 订阅

订阅专栏

一序

不从数学角度来看公式推导，只看程序中。

不考虑前面的系数。

二常见的7中时间复杂度

Big O notation

O(1)：Constant Complexity 常数复杂度
O(log n)：Logarithmic Complexity 对数复杂度
O(n)：Linear Complexity 线性时间复杂度
O(n^2)：N Square Complexity 平方
O(n^3)：N Square Complexity 立方
O(2^n)：Exponential Growth 指数
O(n!)：Factorial 阶乘

举个例子：

     int n= 1000;
        System.out.println(n);

这个是O(1):

那么：

      int n= 1000;
        System.out.println(n);
        System.out.println("bohu83:"+n);
        System.out.println("test:"+n);

也是O(1),虽然执行3次，但是不关心系数。

int n= 1000;
       for(int i=1;i<n;i++){
           System.out.println("at:"+i);
       }

这种就是线性时间复杂度。

  int n= 1000;
      
       for(int i=1;i<n;i++){
           for(int j=1;j<n;j++) {
               System.out.println("at:" + i);
           }
       }

O(n^2)

注意这种并列的情况：


       int n= 100;

       for(int i=1;i<=n;i=i*2){
           System.out.println("at:" + i);
       }

O(log n)

    public static int fib(int n){
        if(n<2) {
            return  n;
        }
        return fib(n-1)+fib(n-2);
    }

O(k^n) k是常数，可以理解为2，它是指数级的。

n<5时差别不太大，随着N的增长，增长差异明显不同。

三 demo

3.1计算：1+2+…+n：

方法1：暴力循环O(N)

    public static int sum(int n){
        int res =0;
        for(int i=1;i<=n;i++){
            res=res+i;
        }
        return  res;
    }

方法2：

   public static int sum1(int n){
        return  n*(n+1)/2;
    }

这个时间复杂度就是O(1),不要被n*n迷惑。是执行了一次。

常见的阶梯四步骤：

1 。确认题目要求

2. 列出所有肯能的解法。

3. 比较：删选出最优：时间最短。

4.写程序，验证测试case。

3.2 复杂的情况：

试着画出递归树(状态树)

Fib:0,1,1,2,3,5,8,13,21,…

F(n) = F(n-1) + F(n-2)

简单的写法：

 int fib(int n){
        if(n<2) {
            return  n;
        }
        return fib(n-1)+fib(n-2);
    }

观察图，发现的规律：

每展开一层，运行的节点数就是上层的两倍，按指数级递增（从根节点开始算起）
存在重复计算的节点

常会上运行45：1134903170use:4667

优化下:1134903170use:0

代码如下：

 public static void main(String[] args) {

        int n = 45;
        long start = System.currentTimeMillis();
        int res = fibCache(n);
        System.out.println(res + "use:" + (System.currentTimeMillis() - start));
    }

    static int[] cache = new int[100];

    public static int fib(int n) {
        if (n < 2) {
            return n;
        }
        return fib(n - 1) + fib(n - 2);
    }

    public static int fibCache(int n) {
        if (cache[n] != 0) {
            return cache[n];
        }
        if (n < 2) {

            cache[n] = n;
            return n;
        } else  {
             cache[n] =   fibCache(n-1)+fibCache(n-2);
             return   cache[n] ;
        }
    }