算法性能分析

算法性能分析

1.如何分析算法的性能好坏

具体算法分析(以二分查找为例)

/**
     *
     * @param a
     * @param target
     * @return 如果找到目标元素返回目标元素所在数组的索引，否则返回-1
     */    
public static int binarySearch(int[] a,int target)
    {
        int low=0,high=a.length;                        //设置初始状态的指针
        while (low<=high)                               //如果low<high，说明查找未结束
        {
            int mid=(low+high)>>>1;                     //根据low和high指针不断更新中间索引指针
            if(target<a[mid])                           //目标元素在左区域
            {
                high=mid-1;
            }
            else if (target>a[mid])                     //目标元素在右区域
            {
                low=mid+1;
            }
            else {
                return mid;                             //找到目标值
            }
        }
        return -1;
    }

时间复杂度

算法的时间复杂度是衡量算法执行时间的指标。它表示随着输入规模的增加，算法执行所需时间的增长速度。更低的时间复杂度意味着算法更高效。(一般分析最差执行情况)

简化表示：用大O符号表示算法的时间复杂度，忽略常数项和低阶项。例如，如果最高阶项是3n^2 + 2n + 1，则可表示为O(n^2)。

1.我们观察算法中的基本操作：

• 初始化操作（赋值）：

  int low=0, high=a.length;
  

• 循环条件判断：

  while (low <= high)
  

• 计算中间索引指针：

  int mid = (low + high) >>> 1;
  

• 条件判断和指针更新：

  if (target < a[mid]): high = mid - 1;
  else if (target > a[mid]): low = mid + 1;
  else: return mid;
  

2.我们计算每个基本操作的执行次数，并根据输入规模n来估算时间复杂度。

• 初始化操作只执行一次，不随输入规模变化，可以忽略。
• 循环条件判断执行的次数取决于low和high的变化。在每次循环中，low和high中至少有一个会发生变化（逐渐靠近彼此），所以最多执行O(log(n))次。
• 计算中间索引指针也是在每次循环中执行的操作，因此最多执行O(log(n))次。
• 在每次循环中，条件判断和指针更新只会执行一次，所以最多执行O(log(n))次。

综上所述，根据算法中最耗时的操作次数可以确定该算法的时间复杂度为O(log(n))（其中n是输入数组的长度），所以二分查找法的时间复杂度为O(log(n))

补充：常见的按时间复杂度从低到高为：O(1)<O(log(n))<O(N)<O(n*log(n))<O(n^2)<O(2n)<O(n!)

空间复杂度

算法的空间复杂度是衡量算法所需内存空间的指标。它表示随着输入规模的增加，算法所需内存空间的增长速度。较低的空间复杂度意味着算法在内存使用上更经济。

在二分查找算法中，我们只需要常量级的额外空间来存储一些变量，例如左、右指针和中间位置索引等。这些变量可以被重复使用，因此空间开销不随着数组长度的增加而增加。因此，如果只有一个固定长度的数组，并且不需要创建新的数据结构来存储数据，那么二分查找算法的空间复杂度就是O(1)，与待查找元素个数无关。

准确性

算法的准确性是指算法是否能够给出正确的结果。准确性是评估算法好坏的重要指标，特别是在应用于关键任务或决策时。

二分查找在有序数组中进行查找，能够给出正确的结果。它通过不断缩小查找范围，最终找到目标元素或确认不存在该元素。

可扩展性

算法的可扩展性是指算法在处理大规模数据时是否能够保持良好的性能。一个好的算法应该能够有效地处理不断增长的数据量。

二分查找在处理大规模数据时仍然能够保持较好的性能。由于每次查找都将查找范围减半，所以其时间复杂度不会随着数据规模的增加而显著增加。

健壮性

算法的健壮性是指算法对于异常情况或无效输入的处理能力。一个好的算法应该对于不合法的输入或异常情况有鲁棒性，并能给出合理的处理结果。

二分查找算法健壮性不好，对于有序数组以外的输入情况并不适用，因此在应用时需要确保输入是有序的。如果输入无序，可能导致得到错误的结果。

可读性和可维护性

算法的可读性和可维护性是指算法代码的清晰程度和易于理解、修改的程度。一个好的算法应该具有清晰的逻辑结构和良好的代码风格，以便其他人能够容易理解和维护。

二分查找算法的逻辑相对简单，代码清晰易懂。一般而言，二分查找的实现相对容易理解和修改。

并行性

算法的并行性是指算法是否能够有效地并行执行，从而利用多核处理器或分布式系统的计算资源，提高算法的性能。

二分查找算法本身是串行的，不具备天然的并行性。在二分查找算法中，每次迭代都涉及到对中间索引的计算和条件判断，这些操作在循环中是串行执行的。因此，二分查找算法本身并没有天然的并行性。

然而，在某些特定场景下，我们可以通过一些技巧来实现并行化的二分查找。例如，如果我们需要在多个有序数组中同时查找某个元素，我们可以将每个数组的二分查找任务分配给不同的线程或进程，并行地进行查找操作。这样可以提高整体查找的效率。

除了并行化的应用，二分查找算法也可以与其他并行算法结合使用。例如，在并行排序算法中，可以使用二分查找来快速定位元素的插入位置，从而加快排序过程。