线性表算法时间复杂度的一些小知识

算法时间复杂度定义

在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间量度，记作：T(n)=O(f(n))。f(n)是问题规模n的某个函数。
推导大O阶方法----简而言之，只有常数项则为1，否则则只保留最高阶，比如n²;n³。

常见例子

举个例子：for(int i=0;i<n;i++){ System.out.println(i); }在{}内部是时间复杂度为O(1)的程序，整段代码的时间复杂度为O(n),因为循环体代码需要执行n次。int count=1; while (count<n){ count=count*2; //时间复杂度为O(1)的程序 }
由于每次count*2以后，就距离n更近了一步，也就是说，有多少个2相乘后大于n，则退出循环。由于2^x=n，得到x=log(2底)n。所以这个循环时间复杂度为O(log n)。
相应的易得，二维数组遍历则为O(n²)
常用的时间算法复杂度
1< log(2底)n < n < n * Log n < n² < n³ < 2ⁿ <n!
从 n³ 开始，过大的n都会使得结果变得不现实，所以一般不去讨论。

线性表有顺序存储结构和链式存储结构
Java中顺序存储类似数组，直接通过下标定位查找元素（不太严谨，方便理解），所以查询元素的时间复杂度为O(1)。插入或删除因为其他元素需要相应挪动（插入最后是最好情况，这里指的是平均情况），平均移动次数为（n-1）/2；所以平均算法时间复杂度为O(n)。
链式存储结构因为没有C语言的指针，所以由一个存储后继节点的游标代替，查找元素需要通过每个节点依次查询，算法时间复杂度为O(n),插入或者删除，也需要先确定位置，所以时间复杂度为O(n)，但是之后再次重复插入删除时，则不需要重复定位了，时间复杂度则变为了O(1)。

单链表结构和顺序存储结构简单对比