1、算法效率
算法效率分析有两种:一种是时间效率,另一种是空间效率。时间效率又称为时间复杂度,空间效率又称空间复杂度。时间复杂度主要是用来衡量程序的运行速度,而空间复杂度主要是用来衡量程序运行中所需要开辟的额外空间。早期的计算机内存很小,所以人们牺牲时间复杂度来减少空间复杂度。但是现在的计算机飞速发展,存储容量已经提高到了很大的空间,所以现在更加注重提高程序的效率也就是时间复杂度。
2、时间复杂度
时间复杂度的概念
时间复杂度的定义:在计算机科学中,算法的时间复杂度是一个函数,描述了该算法的运行时间。一个算法执行所消耗的时间,从理论上说,是无法确定,如果上机运行算法然后计算出时间,每个算法的运行环境不同,计算出来的结果也是不同。所以后来为了表示有了时间复杂度的分析方式。一个算法所花费的时间与其中的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。
时间复杂度的分析方法
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,则去除这个项目相乘的常数,得到的结果就是大O阶
常见时间复杂度计算
3、空间复杂度
空间复杂度是对一个算法在运行过程中临时占用存储空间大小的量度。空间复杂度不是程序占用了多少bytes的空间,因为这个也没有太大的意义。
实例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;
}
}
}
实例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; }
实例1:代码运行过程中没有产生新的数组或者额外的空间,所以空间复杂度为 O(1)
实例2:动态开辟了N个空间,空间复杂度为 O(N)