【恋上数据结构和算法】算法复杂度

1. 什么是算法

• 算法是用于解决特定问题的一系列的执行步骤，比如以下代码。

/**
 * 计算 a 和 b 的和
 */
public static int plus(int a, int b) {
    return a + b;
}

/**
 * 计算 1 + 2 + 3 + ... + n
 */
public static int sum(int n) {
    int sum = 0;
    for (int i = 1; i <= n; i++) {
        sum += i;
    }
    return sum;
}

• 使用不同算法，解决同一个问题，效率可能相差非常大。 比如下面的求和代码：

/**
 * 计算 1 + 2 + 3 + ... + n
  */
 public static int sum(int n) {
     int sum = 0;
     for (int i = 1; i <= n; i++) {
         sum += i;
     }
     return sum;
 }

 /**
  * 计算 1 + 2 + 3 + ... + n
  */
 public static int sum2(int n) {
   return (1 + n) * n / 2;
 }

2. 如何评判一个算法的好坏

• 如果单从执行效率上进行评估，可能会想到这么一种方案

  • 比较不同算法对同一组输入的执行处理时间
  • 这种方案也叫做：事后统计法

• 上述方案有比较明显的缺点

  • 执行时间严重依赖硬件以及运行时各种不确定的环境因素
  • 必须编写相应的测算代码
  • 测试数据的选择比较难保证公正性

• 一般从以下维度来评估算法的优劣

  • 正确性、可读性、健壮性（对不合理输入的反应能力和处理能力）
  • 时间复杂度（time complexity）：估算程序指令的执行次数（执行时间）
  • 空间复杂度（space complexity）：估算所需占用的存储空间

3. 大O表示法（Big O）

• 一般用大O表示法来描述复杂度，它表示的是数据规模 n 对应的复杂度
• 忽略常数、系数、低阶
  • 9 >> O(1)
  • 2n + 3 >> O(n)
  • n2 + 2n + 6 >> O(n²)
  • 4n3 + 3n2 + 22n + 100 >> O(n³)
• 注意：大O表示法仅仅是一种粗略的分析模型，是一种估算，能帮助我们短时间内了解一个算法的执行效率

4. 对数阶的细节

对数阶一般省略底数 log₂n = log₂9 ∗ log₉n，所以 log₂n 、log₉n 统称为 logn

5. 常见的复杂度

执行次数	复杂度	非正式术语
12	O(1)	常数阶
2n + 3	O(n)	线性阶
4n2 + 2n + 6	O(n2)	平方阶
4log2n + 25	O(logn)	对数阶
3n + 2nlog3n + 15	O(nlogn)	nlogn阶
4n3 + 3n2 + 22n + 100	O(n3)	立方阶
2n	O(2n)	指数阶

• 复杂度大小：
  O(1) < O(logn) < O(n) < O(nlogn) < O(n²) < O(n³) < O(2ⁿ) < O(n!) < O(nⁿ)

• 可以使用函数生成工具对比复杂度的大小：
  复杂度对比工具

• 规模数据较小时
  

• 数据规模较大时
  

6. fib函数的时间复杂度分析

• 1 + 2 + 4 + 8 = 2⁰ + 2¹ + 2² + 2³ = 2⁴ − 1 = 2ⁿ⁻¹ − 1 = 0.5 ∗ 2ⁿ − 1
• 所以复杂度是 O(2n)

fib 算法比较：

/**
 * 复杂度 O(2^n) 
 */
public static int fib1(int n) {
    if (n <= 1) {
        return n;
    }
    return fib1(n - 2) + fib1(n - 1);
}

/**
 * 复杂度 O(n)  5
 */
public static int fib2(int n) {
    if (n <= 1) {
        return n;
    }
    int first = 0, second = 1;
    while (n-- > 1) {
        second += first;
        first = second - first;
    }
    return second;
}

• 传统递归方式复杂度是 O(2ⁿ)
• 改进后复杂度变为了O(n)

7. 算法的优化方向

• 用尽量少的存储空间
• 用尽量少的执行步骤（执行时间）
• 根据情况，可以
  • 空间换时间
  • 时间换空间

8. 多个数据规模的情况

下述代码复杂度为 O(n + k)

/**
 * 时间复杂度 n + k
  */
 public static void test(int n, int k) {
     for (int i = 0; i < n; i++) {
         System.out.println("test_n" + i);
     }

     for (int i = 0; i < k; i++) {
         System.out.println("test_k" + i);
     }
 }