征服数据结构中的时间和空间复杂度

it小婷

已于 2024-08-03 20:07:23 修改

阅读量1.1k

点赞数 23

文章标签：数据结构 java 开发语言

于 2024-08-03 14:51:36 首次发布

本文链接：https://blog.csdn.net/m0_51821434/article/details/140889081

版权

一个算法的好坏根据什么来判断呢？有两种一种是时间效率，一种是空间效率。时间效率也可称为时间复杂度，空间效率可以称为空间复杂度。时间复杂度衡量的主要是算法的运行速度而空间复杂度主要衡量的是一个算法所需要的额外空间。

时间复杂度

在进行算法分析时，语句总的执行次数 T(n) 是关于问题规模 n 的函数，进而分析 T(n) 随 n 的变化情况并确定 T(n) 的数量级。算法的时间复杂度，也就是算法的时间量度，记作：T(n)=O(f(n))。它表示随问题规模n 的增大，算法执行时间的增长率和 f(n) 的增长率相同，称作算法的渐近时间复杂度，简称为时间复杂度。其中f(n) 是问题规模n 的某个函数。

定义很长，个人觉得了解即可，对于O()这种体现时间复杂度的方法，我们称之为大O记法

推导大O方法

用常数1取代运行时间中的所有加法常数。
在修改后的运行次数函数中，只保留最高阶项。
如果最高阶项存在且不是1,则去除与这个项相乘的常数。
得到的结果就是大O 阶。

求解时间复杂度的方法

时间复杂度有最坏时间复杂度，平均时间复杂度，也有最好情况的时间复杂度，但我们一般讨论的都是最坏时间按复杂度，并且如果没有特殊说明，我们也默认为算的是最坏时间复杂度。

我们去计算时间复杂度的时候，说白了也就是去数语句执行次数最多的，算出来的就是时间复杂度，不过要满足大O记法。
O（100）的时间复杂度为O（1），只有常数存在的时候，常数时间复杂度为O(1)

普通顺序结构

这种可以称作求时间复杂度最简单的。

    public static void main(String[] args) {
        System.out.println("你好！");
    }
    //执行了常数次，时间复杂度为O（1）

单循环

我建议大家做这种的时候要多动手，而不是光靠脑子想。尤其我们刚开始接触数据结构的时候。

    public void func(int n) {
        int i = 1;
        while (i <= n) {
            i = i * 2;
        }
    }

在这里插入图片描述
这里给大家留一个题，自己动手试试，看是否真懂了呢？

// 计算func4的时间复杂度？
void func4(int N) {
int count = 0;
for (int k = 0; k < n; k++) {
count++;
}
System.out.println(count);
}

双循环

这种分为两种，一种是内外两层互不影响，一种是外层会影响内层。

两层互不影响的时候

我们一般把log₂n简写成logn
外层会对内层产生影响的时候

    public void func2(int n) {
        int m = 0;
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= (2 * i); j++) {
                m++;
            }
        }
    }