最近,有不少读者留言或私信问我时间复杂度的分析方法。时间复杂度说难也不难,说简单也不简单,但它一定是我们学习算法的过程中过不去的一道坎。这篇文章就想给大家介绍一种快速分析时间复杂度的方法 —— 题型分类法。
网络上关于时间复杂度分析的文章,大部分都充斥着教材里的陈词滥调:先讲一大堆数学概念,什么增长速度、渐进复杂度,看得让人摸不着头脑。我今天的文章不想跟你讲这些虚的,只想跟你讲讲最实用的技巧,让你迅速搞定面试中的时间复杂度分析。
我们在面试中需要分析时间复杂度,无非是以下两种情况:
在写代码之前,预估自己代码的时间复杂度
写好代码之后,给面试官分析代码的时间复杂度
无论是哪种情况,你一定都清楚这道题的题型。那么只要记住不同题型的时间复杂度分析方法,二叉树套用二叉树的分析法、动态规划套用动态规划的分析法,就能做到快速分析时间复杂度了。
下面是我总结出的不同题型的时间复杂度分析方法:
题型 | 时间复杂度 分析方法 |
---|---|
数组 链表 动态规划 |
数循环法 |
二叉树 回溯法 DFS/BFS |
整体法 |
分治法 二分查找 |
log n 分析法 |
本文将介绍「数循环法」与「整体法」两种方法、六类题型的全部分析技巧。针对这六类题型,文末有按不同题型分类的往期文章回顾,供大家参考!
一、数循环法
数循环法,就是看代码中有几个循环、每个循环会执行几次,来确定算法的时间复杂度。
我们必须要掌握的一个基础知识是:在程序的三大基本结构(顺序、分支、循环)中,只有循环能真正影响时间复杂度。一般情况下,我们可以直接忽略代码中的顺序结构、分支结构,直接看循环结构来判断时间复杂度。
数循环法典型题型:动态规划类题目
「数循环法」最典型的题型就是动态规划了。我们以一道经典的「最长公共子序列(LCS)」问题来看看数循环法是怎么发挥作用的。
(以下题解代码来自文章:LeetCode 例题精讲 | 15 最长公共子序列:二维动态规划的解法,不了解 LCS 问题或不清楚解法的同学,可以参考这篇文章。)
最长公共子序列(LCS)的题解代码如下:
public int longestCommonSubsequence(String s, String t) {
if (s.isEmpty() || t.isEmpty()) {
return 0;
}
int m = s.length();
int n = t.length();
int[][] dp = new int[m+1][n+1];
for (int i = 0; i <= m; i++) {
for (int j = 0; j <= n; j++) {
if (i == 0 || j == 0) {
dp[i][j] = 0;
} else {
if (s.charAt(i-1) == t.charAt(j-1)) {
dp[i][j] = dp[i-1][j-1] + 1;
} else {
dp[i][j] = Math.max(dp[i-1][j], dp[i][j-1]);
}
}
}
}
return dp[m][n];
}
根据数循环法的基本思路,我们可以直接忽略掉代码中的各个细节,只看循环结构:
public int longestCommonSubsequence(String s, String t) {
...
for (int i = 0; i <= m; i++) {
for (int j = 0; j <= n; j++) {
...
}
}
...
}
数循环法要数两个东西:循环的层数、每个循环执行的次数。在这个例子中,代码有两个循环,都是简单的 for-i 循环:
外层循环,执行 次,数量级是 ;
内层循环,执行 次,数量级是 。
那么,算法的时间复杂度就是内外层循环次数之积,也就是 。
循环的不同层数:数组类题目
很多数组类题目也可以用数循环法来分析时间复杂度。根据题目和解法的不同,循环可能有 1~3 层。数循环法对于不同层数的循环都是有效的。
例如,经典的「最大子数组和」题目(LeetCode 53. Maximum Subarray Sum),从暴力的三重循环到动态规划的单层循环解法都有。
暴力法,三重循环:
public int maxSubArray(int[] nums) {
int n = nums.length;
int res = Integer.MIN_VALUE;
for (int i = 0; i < n; i++) {
for (int j = i; j < n; j++) {
int sum = 0;
for (int k = i; k <= j; k++) {
sum += nums[k];
}
res = Math.max(res, sum);
}
}
return res;
}
时间复杂度 。
暴力法改进,二重循环:
public int maxSubArray(int[] nums) {
int n = nums.length;
int res = Integer.MIN_VALUE;
for (int i = 0; i < n; i++) {
int sum = 0;
for (int j = i; j < n; j++) {
sum += nums[j];
res = Math.max(res, sum);
}
}
return res;
}
时间复杂度