数据结构与算法系列课程之二：复杂度分析（下）

最好、最坏、平均、均摊时间复杂度

实例代码：

//全局变量，大小为10的数组 array，长度 len，下标 i。
int array[] = new int[10];
int len = 10;
int i = 0;

//往数组中添加一个元素
void add(int element){
    if(i > len){//数组空间不够了
        //重新申请一个2倍大小的数组空间
        int new_array[] = new int[len*2];
        //把原来 array 数组中的数据依次 copy 到 new_array
        for(int j = 0; j < len; ++j){
            new_array[j] = array[j];
        }
        // new_array复制给 array，array现在大小就是2倍 len
        array = new_array;
        len = 2 * len;
    }
    //将 element 放到下标为i的位置， 下标 i 加一
    array[i] = element;
    ++i;

}

以上代码中，  10次调用以后，数组长度变为20，紧接着执行一轮10次拷贝操作

                    再10次调用之后，数组长度变为40，紧接着执行一轮20次拷贝操作

                    再20次调用之后，数组长度变为80，紧接着执行一轮40次拷贝操作

                    再40次调用之后，数组长度变为160，紧接着执行一轮80次拷贝操作

                    再80次调用之后，数组长度变为320，紧接着执行一轮160次拷贝操作

 

虽然每次数组变化的长度都不一样，都是以两倍的形式扩张。

但是，以上过程可以抽象如下：

不考虑第一次特殊情况，每次数组倍增之前，函数都会被调用n/2（O(1)）次，倍增时执行一轮n次（O(n)）拷贝操作。

 

根据以上分析：

最好时间复杂度，此时函数调用中未赶上数组倍增，每次时间复杂度都是O(1)（因为此时每次执行时间、执行步数都是固定的）。

最坏时间复杂度，此时函数调用对应赶上数组倍增，此时时间复杂度是O(n)（除了拷贝，其他操作都是固定步数，复杂度为O(1)，根据加法准则，时间复杂度按最高标准计算）

平均时间复杂度：

计算平均执行步数：

以上，每次数组倍增前，都要被调用次O(1)，当n趋向于无穷大时，值趋近与常数，因此平均时间复杂度为O(1)

 

均摊时间复杂度：

均摊时间复杂度就是一种特殊的平均时间复杂度。

摊还分析：

还以上述代码为例：（n/2-1）次O(1)，1次 O(n)，均摊下来，常量级的时间复杂度，最终均摊时间复杂度就是O(1)