复杂度分析（进阶版）

本文是学习算法的笔记，《数据结构与算法之美》，极客时间的课程

上篇文章说了时间复杂度的问题，这篇文章主要说几个概念
最好情况时间复杂度 （best case time complexity）
最坏情况时间复杂度（worst case time complexity）
平均情况时间复杂度（average case time complexity）
均摊时间复杂度（amortized time complexity）

// n 表示数据a 的长度
int find(int[] a , int n, int x){
	int pos = -1;
	int i = 0;
	for(; i<n; i++){
		if(a[i] = x){
			pox = i;
			break;
		}
	}
	return pos;
}

这段代码就是找出x 在数组a中的位置并返回，如果不在数组中则返回-1
如何分析这段代码的复杂度，假设x是数组的第一个元素，那么时间复杂度就是O(1)，它就对应最好情况时间复杂度。如果x是数组的最后一个元素，那时间复杂度就是O(n)，它就对应最坏时间复杂度。

那什么是平均情况时间复杂度呢？为了方便计算，元素x是数组内元素的概率为p, 等于每个元素的概率就是1/np，那么求出在数组里的加权平均数 1* 1/np + 2* 1/np +……+n * 1/np = (1+n)/2p，若在数组外,复杂度为 (n+1)*(1-p)。总的时间复杂度就是(n+1)*常数 即为0(n)

至于均摊时间复杂度，运用场景是很少的，有点复杂。前面的几个概念掌握基本就够用了。简单说下，看下面的伪代码。（只是为了说明这种情况，实际上，没人会这么写代码）

int[] array = new int[n];
int count = 0;
void insert(int val){
	if(count == array.length){
		int sum = 0;
		for(int i = 0; i < array.length : i++){
			sum = sum + array[i]
		}
		array[0] = sum;
		count = 1;
	}
}

解析下这段代码，往一个数组中插入数据，当数组有空闲的空间，就直接插入。若没有，就把求出数组元素的和，再清空数组，把这个和赋值给数组的第一个元素。

复杂度分析，最好情况，数组里有空间，直接插入，最好情况时间复杂度为O(1)，最坏情况，数组没有空间了，需要做一次数组遍历之后求和，最坏情况时间复杂度为O(n)。平均情况时间复杂度，可有前面讲的概率的方法计算，是O(1)。

数组长度为n,就有n个位置可供插入，还有一种情况是数组插满了。总共(n+1)种情况，每种情况概率就是1/(n+1)。 就是n个1 * 1/(n+1)相加，然后再加上 n * 1/(n+1) 最后算出来就是O(1)。

这个insert()方法很特殊，很有规律，n 个时间复杂度为O(1)之后，紧跟着一个时间复杂度O(n)，循环往复。这时，可引入简单的均摊时间复杂度来分析，可以不用复杂的加权平均数求平均情况时间复杂度。大概可以这么理解，把一个O(n)操作，均分到n个o(1)操作，总体上就得到o(1)。

一般来说，在可以用到均摊时间复杂度的地方，其值等于最好情况时间复杂度。