java时间复杂度和空间复杂度

一、算法效率

算法效率分析分为两种:第一种是时间效率，第二种是空间效率。时间效率被称为时间复杂度，而空间效率被称作空间复杂度。时间复杂度主要衡量的是一个算法的运行速度，而空间复杂度主要衡量一个算法所需要的额外空间，在计算机发展的早期，计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的迅速发展，计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复杂度。

二、时间复杂度

定义:在计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。一个算法执行所耗费的时间，从理论上说，是不能算出来的，只有你把你的程序放在机器上跑起来，才能知道。但是我们需要每个算法都上机测试吗?是可以都上机测试，但是这很麻烦，所以才有了时间复杂度这个分析方式。一个算法所花费的时间与其中语句的执行次数成正比例，算法中的基本操作的执行次数，为算法的时间复杂度。

2.1 大O渐进表示法 O( )->是一个函数渐进的数学符号

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。

例子

void func1(int N){
   int count = 0;
   for (int i = 0; i < N ; i++) {
       for (int j = 0; j < N ; j++) {
           count++;
       }
   }
   for (int k = 0; k < 2 * N ; k++) {
       count++;
   }
   int M = 10;
  while ((M--) > 0) {
       count++;
   }

最内层循环N次，最外层也是N次，所以为N^2。for循环为2N，whiile循环为10

N^2+2N+10, 当N变大的时候，最终由N^2主导大小，其他可忽略 表示为O(N^2)。

2.2  算法复杂度三种情况

例如:在一个长度为N数组中搜索一个数据x

最好情况:1次找到

最坏情况:N次找到

平均情况:N/2次找到
在实际中一般情况关注的是算法的最坏运行情况，所以数组中搜索数据时间复杂度为O(N)

例子

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);
}

O(M+N)

2.3  常用时间复杂度

重点掌握O(1) O(N) O(N^2)O(logn) O(nlogn)

折纸算法：任意算法，若是不断/任意数字，最终等于0或者1，这个算法的执行次数就是O(Iogn)

快速排序：20世纪最伟大的算法之一，复杂度O(nlogn)

递归函数：把这个递归函数展开，看一下递归的次数与变量N的关系，如果是N*(N-1)*(N-2),那就是O(N)。

三、空间复杂度

理解：所谓的空间复杂度指的是算法在执行过程中"额外"开辟的内存空间，每次函数的调用过程，就对应一个函数的"栈帧"在栈中的入栈过程，函数调用几次，就需要开辟多少个栈帧空间。

注意

外部传入的数组，不是我们算法自己产生的数组，不算空间复杂度的—部分。

主要看有没有new一个数组，一般对象也是O(1)

3.1  常用空间复杂度

99%就两种O(1)和O(N)

例子

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;
     }
 }
}

使用了常数个额外空间，所以空间复杂度为 O(1)

 

例子

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; }

动态开辟了N个额外空间，空间复杂度为O(N)

 

，