时间和空间复杂度

时间复杂度与空间复杂度

时间复杂度

算法的基本操作的执行次数，为算法的时间复杂度。

我们使用大O渐进法

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。

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++;
  }

func1的基本执行次数：

​ F(N) = N^2 + 2*N +10

第一个for循环是个循环嵌套，也就是n*n，可以写成n^2

第二个for循环2*n

第三个m=10，也就是说循环了10次，按照推到大O阶的方法我们可以得出结果

​ func1的时间复杂度为：O(N^2)

注意，一般情况下计算的都是最坏情况下。

冒泡排序

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;
      }
  }
}

这个时间复杂度就是O(N^2)。

二分查找

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; 
}

二分查找的时间复杂度

O(logn)

注意！！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(logn)。

阶乘递归的时间复杂度O(N)

个递归函数的时间复杂度度，要把这个递归函数展开，看一下递归的次数与变量N的关系

空间复杂度

所谓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。

通常用的空间复杂度为O(1)，O(N)。如果达到n^2这种算法需要的空间就太大了，一般不建议使用。

关系

空间复杂度

所谓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。

通常用的空间复杂度为O(1)，O(N)。如果达到n^2这种算法需要的空间就太大了，一般不建议使用。