JavaSE-9-复杂度

1. 算法效率

算法效率分析分为两种：

• 时间效率：时间效率被称为时间复杂度，主要衡量的是一个算法的运行速度。
• 空间效率：空间效率被称作空间复杂度，主要衡量一个算法所需要的额外空间。

2. 时间复杂度

2.1 概念

定义：在计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。一个算法所花费的时间与其中语句的执行次数成正比例，算法中的基本操作的执行次数，为算法的时间复杂度。

2.2 大O的渐进表示法

// 请计算一下func1基本操作执行了多少次？
void func1(int N){
   
   int count = 0;
   for (int i = 0; i < N ; i++) {
   
       for (int j = 0; j < N ; j++) {
   
           count++;
       }
   }//两个for循环的嵌套，执行了N^2 次
   for (int k = 0; k < 2 * N ; k++) {
   
       count++;
   }//执行了2N次
   int M = 10;
   while ((M--) > 0) {
   
       count++;
   }//执行了10次
   System.out.println(count);
}

则以上代码执行的基本操作次数为：$F(N)=N²+2N+10$
实际中我们计算时间复杂度时，并不一定要计算精确的执行次数，而只需要大概执行次数，那么这里我们使用大O的渐进表示法。
大O符号（Big O notation）：是用于描述函数渐进行为的数学符号

推导大O阶方法：

• 1、用常数1取代运行时间中的所有加法常数。
• 2、在修改后的运行次数函数中，只保留最高阶项。
• 3、如果最高阶项存在且不是1，则去除与这个项目相乘的常数。得到的结果就是大O阶。

有些算法的时间复杂度存在最好、平均和最坏情况：

• 最坏情况：任意输入规模的最大运行次数(上界).
• 平均情况：任意输入规模的期望运行次数.
• 最好情况：任意输入规模的最小运行次数(下界).

所以使用大O的渐进表示法以后，Func1的时间复杂度为：$O(N²）$
大O的渐进表示法去掉了那些对结果影响不大的项，简洁明了的表示出了执行次数。

2.3常见时间复杂度计算举例

示例1：

void func2(int N) {
   
    int count = 0;
    for (int k = 0