一串代码的效率很重要,衡量一串代码的效率可以分为两个标准:
时间复杂度、空间复杂度
目录
一、时间复杂度
因为每个机器配置不同,不可能去测试代码执行时间。
所以我们用算法中的基本操作的执行次数,为算法的时间复杂度。
让我们来看一串代码:
// 请计算一下func1基本操作执行了多少次?
void func1(int N){
//1.
int count = 0;
for (int i = 0; i < N ; i++) {
for (int j = 0; j < N ; j++) {
count++;
}
}
//2.
for (int k = 0; k < 2 * N ; k++) {
count++;
}
//3.
int M = 10;
while ((M--) > 0) {
count++;
}
System.out.println(count);
}
第一处有两层for循环,那么执行次数就是n^2
第二处有一次for循环,执行次数为2*n
第三次循环了10次,执行次数为10
那么总的执行次数就是n^2 + 2*n + 10
但是,实际中我们计算时间复杂度时,我们其实并不一定要计算精确的执行次数,而只需要大概
执行次数,所以那么这里我们使用大O的渐进表示法。
推导大O阶方法:
1、用常数1取代运行时间中的所有加法常数。
2、在修改后的运行次数函数中,只保留最高阶项。
3、如果最高阶项存在且不是1,则去除与这个项目相乘的常数。得到的结果就是大O阶。
使用大O的渐进表示法以后,Func1的时间复杂度为:O(n^2)
还有一点,我们在计算时间复杂度时,总是以最坏的情况来计算
二、计算时间复杂度练习
计算时间复杂度要结合思想,不能只看代码。
1. -----------------------------------------------------------------------------------------------------------------------------
// 计算func2的时间复杂度?
void func2(int N) {
int count = 0;
for (int k = 0; k < 2 * N ; k++) {
count++;
}
int M = 10;
while ((M--) > 0) {
count++;
}
System.out.println(count);
}
次数 2*n + 10,所以为O(n)
2. -----------------------------------------------------------------------------------------------------------------------------
void func3(int N, int M) {
int count = 0;
for (int k = 0; k < M; k++) {
count++;
}
for (int k = 0; k < N ; k++) {
count++;
}
System.out.println(count);
}
次数为M + N,因为不知道M、N的联系与具体值,所以为O(M+N)
3. -----------------------------------------------------------------------------------------------------------------------------
// 计算func4的时间复杂度?
void func4(int N) {
int count = 0;
for (int k = 0; k < 100; k++) {
count++;
}
System.out.println(count);
}
执行了100次,所有常数变为1,所以时间复杂度为O(1)
4. -----------------------------------------------------------------------------------------------------------------------------
// 计算bubbleSort的时间复杂度?
void bubbleSort(int[] array) {
for (int end = array.length; end > 0; end--) {
boolean sorted = true;
for (int i = 1; i < end; i++) {
if (array[i -1] > array[i]) {
Swap(array, i - 1, i);
sorted = false;
}
}
if (sorted == true) {
break;
}
}
}
第一层循环执行了n次,第二层循环执行了n-1次
所以总次数为n*(n - 1)次,只保留最高阶,所以为O(n^2)
5.-----------------------------------------------------------------------------------------------------------------------------
// 计算binarySearch的时间复杂度?
int binarySearch(int[] array, int value) {
int begin = 0;
int end = array.length - 1;
while (begin <= end) {
int mid = begin + ((end-begin) / 2);
if (array[mid] < value)
begin = mid + 1;
else if (array[mid] > value)
end = mid - 1;
else
return mid;
}
return -1;
}
这题我们先找到规律:
由此我们看出规律:2^(a - 1) = n
所以n = logN + 1,时间复杂度为O(logN)
6. -----------------------------------------------------------------------------------------------------------------------------
// 计算阶乘递归factorial的时间复杂度?
long factorial(int N) {
return N < 2 ? N : factorial(N-1) * N;
}
这里涉及到递归,先讲规则:
递归的时间复杂度 = 递归的次数 * 每次递归执行的次数
比如这题,递归了n次,每次执行1次乘法,所以时间复杂度为O(N)
7. -----------------------------------------------------------------------------------------------------------------------------
// 计算阶乘递归factorial的时间复杂度?
long factorial(int N) {
return N < 2 ? N : factorial(N-1) * N;
}
如图可以看出,我们需要计算2^n这个等比数列的前n项和,即2^n - 1
所以时间复杂度为O(2 ^ n)
这是指数倍增长,非常大,所以递归写斐波那契数列效率很低。
三、空间复杂度
空间复杂度算的是变量的个数。
空间复杂度计算规则基本跟实践复杂度类似,也使用大O渐进表示法。
四、计算时间复杂度练习
1.-----------------------------------------------------------------------------------------------------------------------------
// 计算bubbleSort的空间复杂度?
void bubbleSort(int[] array) {
for (int end = array.length; end > 0; end--) {
boolean sorted = true;
for (int i = 1; i < end; i++) {
if (array[i - 1] > array[i]) {
Swap(array, i - 1, i);
sorted = false;
}
}
if (sorted == true) {
break;
}
}
}
只定义了一个变量sorted,所以空间复杂度为O(1)
2.-----------------------------------------------------------------------------------------------------------------------------
// 计算fibonacci的空间复杂度?
int[] fibonacci(int n) {
long[] fibArray = new long[n + 1];
fibArray[0] = 0;
fibArray[1] = 1;
for (int i = 2; i <= n ; i++) {
fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
}
return fibArray;
}
用for循环动态开辟了n个空间,所以空间复杂度为O(N)
3.-----------------------------------------------------------------------------------------------------------------------------
// 计算阶乘递归Factorial的时间复杂度?
long factorial(int N) {
return N < 2 ? N : factorial(N-1)*N;
}
递归了n次,每次调用一次函数,创建一次变量,所以空间复杂度为O(N).
🦀🦀👍