关于算法复杂度的理解

前言

一般我们谈到算法题，都会涉及到复杂度，如时间复杂度、空间复杂度。
下面，我们具体讲讲复杂度是怎么表示的

分析

要解释复杂度的概念，我们拿最常见的冒泡排序来讲解一下：

假如有一组数组 [4,3,2,1]
冒泡排序的思路是两两比较大小，看是否需要换位置，因此上面的数组需要进行如下对比：
(4,3),(4,2),(4,1),(3,2),(3,1),(2,1)，看出来了吗，其实就是我们学数学时的排列组合，上面这个就是C3(2)，结果是： 3*(3-1)/2=6
所以冒泡排序的复杂度为：n*(n-1)/2
当然这是指最坏的情况，那么这个时候这个时间复杂度要如何表示呢？
我们可以想象，当n趋于无穷大时可忽略常数，所以-1，/2可忽略，所以冒泡排序最坏的时间复杂度可以表现为：O(n^2)

OK，我们再来一个数组，当数组为： [3,1,2,4]时，其实当对比了(3,1),(3,2)时，数组就已经变成了[1,3,2,4],[1,2,3,4]，此时我们已经没有对比的必要了，因为后面的对比并不会产生位置交换，因此只需要两次对比
那当我们要排序的数组是[1,2,3,4]时，其实只需要一次循环就已经知道完成排序了，此时复杂度为：n-1，忽略常数后，最终表现的时间复杂度则为O(n)，这个是最好的情况

扩展

上面我们理解了冒泡排序的时间复杂度是：
最坏时间复杂度：O(n^2)
最好时间复杂度：O(n)

那么，平均时间复杂度是什么呢？答案是：O(n^2)

要怎么理解呢？这其中分析的时候要结合概率论的知识，会涉及到很多数学推理与计算，所以我们采用另外一种"有序度" 和“逆序度” 来分析。

还是用我们上面的那个数组来分析： [3,1,2,4]
这个数组中(3,4),(1,2),(1,4),(2,4)是有序的，所以这个数组的有序度为4。

满有序度则是当这个数组是一个完全有序的数组时，例如[1,2,3,4]
此时的满有序度为n*(n-1)/2，所以上面的例子满有序度为6

而 逆序度 = 满有序对 - 有序对

所以上面的数组的逆有序度为2

那么逆有序度代表什么呢？其实就是代表你需要位置交换的次数

对于包含 n 个数据的数组进行冒泡排序，平均交换次数是多少呢？
最坏情况下，初始状态的有序度是 0，所以要进行 n*(n-1)/2 次交换。
最好情况下，初始状态的有序度是 n*(n-1)/2，就不需要进行交换。
我们可以取个中间值 n*(n-1)/4，来表示初始有序度既不是很高也不是很低的平均情况。

换句话说，平均情况下，需要 n*(n-1)/4 次交换操作，而对比操作肯定要比交换操作多，复杂度的上限又是 O(n^2)，所以平均情况下的时间复杂度就是 O(n^2)。即

冒泡排序的平均时间复杂度：O(n^2)