关键概念
要分析算法的复杂度,通常需要分析循环的运行。
1、假如,某个循环体的复杂度是O(1)
,那么这个循环的时间复杂度就是O(n)
。
for(int i = 0; i < n; i++){
........ //一些列复杂度为O(1)的步骤....
}
通常,如果某个循环结构以线性方式运行n
次,并且循环体的时间复杂度都是O(1)
,那么该循环的复杂度就是O(n).
即使,该循环跳过某些常数部分,只要跳过的部分是线性的,那么该循环体的时间复杂度仍就是O(n)
.
比如:
int count = 1;
while(count < n){
count += 2;
//一些列复杂度为O(1)的步骤....
}
时间复杂度还是O(n)
。
2、如果循环体的复杂度是对数级的,如下
int count = 1;
while(count < n){
count *= 2;
//一些列复杂度为O(1)的步骤....
}
该循环是O(logn)
的, 通常情况是2为底的 也就是O(log2n)
。
关键概念
循环的时间复杂度等于该循环体的复杂度乘以循环的次数。
3 嵌套循环复杂度分析
for(int count1 = 0; count1 < n; count1++){
for(int count2 = 0; count2 < n; count2++){
//一些列复杂度为O(1)的步骤....
}
}
在这种情况下应该 先计算内层循环的时间复杂度,然后用内层的复杂度乘以外层循环的次数.
最内层循环体的时间复杂度都是O(1)
所以循环n次也就是O(n)
在乘以最外层for的n次.
所以得出结论:2层嵌套循环的时间复杂度 = O(1) * n*n = O(n2)
。
在分析嵌套循环复杂度的时候必将内层循环和外层循环都考虑进来。
4、方法调用的复杂度分析
假如有如下代码
for(int count = 0; count < n; count++){
printsum(n);
}
循环的阶次等于循环体的阶次乘以循环的次数。像这种情况循环体里头是一个方法的调用,那么这个循环体的时间复杂度如何呢?
这个方法就是打印1~n的和.所以必须先计算方法体的的时间复杂度.
public void printsum(int count){
int sum = 1;
for(int i= 0; i < count; i++)
sum += i;
System.out.print(sum);
}
记住,只有可运行的语句才会增加时间复杂度,因此,上面方法里的内容除了循环之外,其余的可运行语句的复杂度都是O(1)
,
所以printsum的时间复杂度 = O(n)
+O(1)
= O(n)
,总时间复杂度为O(n) * O(n) = O(n^2)
但是回想一下,我们让程序打印1~n的和不需要用for循环 记得初中数学课上老师就给出了个公式 num = n*(n+1)/2
改:
public void printsum(int count){
int sum = 1;
sum = count * (count+1)/2;
System.out.print(sum);
}
此时的 printsum 方法的阶次就是O(1)
——–>意味着最外层调用此方法的循环复杂度就从 O(n2)
改良为 O(n)
。这是一个很大的提高。从这点就可以看出简单算法和高效算法之间的差别了。