数据结构与算法---均摊时间复杂度

数据结构与算法—均摊时间复杂度

均摊时间复杂度，听起来可能和平均时间复杂度。但却不是，平均时间复杂度和均摊时间复杂度是两种分析时间复杂度的方法。

上代码！！！

 // array 表示一个长度为 n 的数组
 // 代码中的 array.length 就等于 n
 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;
 }
 array[count] = val;
 ++count;
 }

这段代码实现的是往数组里插入数据的功能。当数组满了的时候，我们用for循环遍历数组求和，并清空数组，将求和后的sum值放在数组的第一个位置上，然后往数组的空位里添加新的数据。

这段代码的时间复杂度是多少呢？我们很容易知道最好情况复杂度是O(1)。最坏情况复杂度为O(n)。平均时间复杂度是O(1)。

但是均摊时间复杂度是多少呢？首先我们需要明白均摊这一词义，均摊就代表着，将一次高复杂度的情况均摊到低复杂度的情况上。

首先，find()函数在极端情况下，复杂度才是O(1)。但是insert()大部分情况下，时间复杂度都是O(1。只有个别情况下复杂度才会较高，为O(n)。这是find和insert其中一个不同点。

其次呢，对于insert函数来说，O(1)时间复杂度的插入和O(n)时间复杂度的插入，出现的频率是很有规律的，而且有一定的前后时序关系，一般是一次O(n)插入后，紧跟着n-1个O(1)的插入操作，一直循环往复。

所以，针对这种特殊的场景我们需要用到均摊时间复杂度，它的别名叫做摊还分析法。

 // array 表示一个长度为 n 的数组
 // 代码中的 array.length 就等于 n
 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;
 }
 array[count] = val;
 ++count;
 }

我们看代码例子很容易就能看出其规律，每次O(n)插入操作后，都有着n-1次O(1)的插入操作，所以把耗时多的那次操作均摊到n-1上，均摊下来后均摊时间复杂度就是O(1)。