算法效率分析分为两种:时间效率和空间效率
时间效率
时间效率被称为时间复杂度,主要时衡量一个算法的运行速度
空间效率
空间效率被称为空间复杂度,主要衡量一个算法所需要的额外空间
1. 概念
一个算法所花费的时间与其中语句的执行次数成正比,故将算法中的基本操作的执行次数,作为算法的时间复杂度
并且时间复杂度其实还可以分成三种情况:
- 最坏情况:任意输入规模的最大运行次数
- 平均情况:任意输入规模的期望运行次数
- 最好情况:任意输入规模的最小运行次数
而在实际中一般关注的是算法的最坏运行情况
2. 大 O 的渐进表示法
实际在我们计算时间复杂度时,并不一定要计算精确的执行次数,而只需要大概执行次数,故我们使用大 O 的渐进表示法(大 O 符号是用于描述函数渐进行为的数学符号)
使用方法
- 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为1,则去除与这个项目相乘的常数
如某个算法的基本操作次数为 F(N) = N^2^ + 2*N + 10
,用大 O 的渐进表示法为:O(N)
3. 练习
在这里放入两个递归函数的练习,我们来试着推导其的时间复杂度
练习一: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;
}
这题很简单,结果为:O(N)
练习二:计算斐波那契递归 fibonacci 的时间复杂度
int fibonacci(int N) {
return N < 2 ? N : fibonacci(N-1)+fibonacci(N-2);
}
这题可以结合画图类似于二叉树去思考,结果为:O(N2)
注意
递归的时间复杂度 = 递归的次数 * 每次递归内容要执行的次数
小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数初中级Java工程师,想要提升技能,往往是自己摸索成长,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年最新Java开发全套学习资料》送给大家,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频
如果你觉得这些内容对你有帮助,可以添加下面V无偿领取!(备注Java)
最后
笔者已经把面试题和答案整理成了面试专题文档
[外链图片转存中…(img-HIx58vI2-1711017829903)]
[外链图片转存中…(img-fe9LlwJo-1711017829904)]
[外链图片转存中…(img-Bur3puyI-1711017829904)]
[外链图片转存中…(img-OyhGjR88-1711017829904)]