算法的特性
五个特性
- 有穷性
- 确定性
- 可行性
- 有输入
- 有输出
设计原则
- 正确性
- 可读性
- 健壮性:写出代码很少有bug,而且系统比较稳定
- 高效率与低存储:内存占用最小,CPU占用最小,运算速度最快
评价算法的两个重要指标
- 时间复杂度:运行一个程序所花费的时间。表示方法:O()
- 空间复杂度:运行程序所需要的内存。表示方法:O()
复杂度分析
1、常见的时间复杂度分析
指的是分析某一段代码,计算时间复杂度往往是计算比较大的而且是不确定的数,如果已经确定了,那么就不用计算了,也是我们说的常量。
- 常数:O(1) 1表示是常数,所有能确定的数字我们都用O(1),O(1000)=>o(1)
- 对数:O(logn)
- 线性:O(n)
- 线性对数:O(nlogn)
- 平方:O(n^2)
- N次方:O(n^n)
怎么找时间复杂度:
1.找到有循环的地方
2.找有网络请求(RPC,远程调用,分布式,数据库请求)的地方。就是测试时间:log打印,计算平均时间。
1.1 几种常见的时间复杂度总结
时间复杂度执行效率从从优到差:O(1)>O(logn)>O(n)>O(nlogn)>O(n^2) > O(n^x)。
O(1)>O(logn)>O(n)>O(nlogn) 效果都是很好的。几乎优化的空间不是很大。
优化的目标就是要往O(1)的方向接近。
2、空间复杂度
- 空间复杂度的意义:找花了内存的地方。
- 如何找出程序的空间复杂度:开了空间的地方, 比如:数组、链表,缓存对象,递归
计算时间复杂度代码示例
int a = 1; //1次 O(1)
for(int i = 0 ;i < 3;i++){//这里会运行几次?4次 在第4次的时候结束 跳出 i=3 (0 1 2 3)
a = a + 1; //这里运行几次? 3次 O(1)? n+1 n 1 O(3)? => O(1)
}
int n = Integer.MAX_VALUE; //表示n是未知
int i = 1;
for(int j = 0 ; j < n ;j++){
while ( i <= n){
i = i * 2;
}
}
while( i <= n){
i = i * 3; //O(logn)
}
//i的值:2 4 8 16 32,=》2^0,2^1,2^2,2^3,.....2^n
//===> 2^x=n =>求出x就是我们运行的次数 => x=log2n =>计算机忽略掉常数 => x = logn =>O(logn)
//二分查找 为什么是logn的算法?
//1~100 找69这个数
//50:(1+100)/2 = 50
for(i = 0 ; i < n;i++){
a = a +1; //运行了多少次?O(n) n一定是一个未知的,如果n是已知的,就是O(1)了
}
for(i = 0 ; i < n;i++){ // 乘法 n次
for(int j = 0 ; j < n ;j ++){ //n次
a = a +1; //运行了多少次? O(n^2)
}
}
for(i = 0 ; i < n;i++){ // 乘法 n次
for(int j = i ; j < n ;j ++){ //n次
a = a +1; //运行了多少次? n*(n+1)/2 => O(n^2); => 注意有个规律,有加减法的时候,找次数最高的那个
/*
* 外面的循环次数是确定的 O(n) n次,1 2 3 4 。。。n
*
* i=n 运行1次
* i=n-1 运行2次
* .
* .
* .
* i=1 运行n次
*
* 1,2,3 …… n次 最后里面这层要运行多少次?1+2+3+……+n=n*(n+1)/2 => O(n^2)
*
*/
}
}