复杂度分析:表示算法的性能
示例:线性查找
private LinearSearch(){}
public static <E> int search(E[] data, E target){
for (int i = 0; i <data.length; i++) {
if (data[i].equals(target))
{
return i;
}
}
return -1;
}
T:时间
通常看最差的情况 算法运行的上届
n = data.length
复杂度也可以理解为执行操作的次数
1:T=n(总体是对数组扫描一次,最差的情况,对Data数组全部扫描一遍)
2:T=2n (在if语句还要每一个都判断一次)
3:T=3n (在 if (data[i].equals(target))中,这个data[i]相当于在data数组中寻址也算一部操作)
4:T=4n(for循环中判断i是否小于data.length,又算一次操作)
5:T=5n(每一步都有一个i++操作)
6:T=5n+3 (在初始的赋值i=1,还有两个return,他们一共算三次所以加三,前面的操作都是执行n次的)
所以最终出来了统一解法:O(n)
T = c1*n+c2
常数不重要,复杂度描述的是随着数据规模n的增大。算法性能的变化趋势
也就是n会无限放大