介绍常见的时间复杂度
时间和空间复杂度是衡量算法好坏的两个维度,如果按照严格意义上的数学公式中定义的时间复杂度去理解的话,比较难懂。这里只是通过一些程序来更好的理解一些常见时间复杂度。## 标题
#####O(1) 常数复杂度
#####O(n) 线性时间复杂度
#####O(logn) 对数时间复杂度
#####O(n^2) 平方时间复杂度
#####O(n^3) 立方时间复杂度
#####O(2^n) 指数时间复杂度
#####O(n!) 阶乘时间复杂度
这里的时间复杂度是不考虑前面系数的,并不是说O(1)就是只执行一次,O(n)也不是只执行n次的意思。如果程序中有多个时间复杂度,那么将最大的那个作为程序的时间复杂度考虑。
###O(1)
int n = 1000;
System.out.println("input number is:" + n);
int n = 1000;
System.out.println("input number is:" + n);
System.out.println("input again:" + n);
System.out.println("more:" + n);
不考虑前面系数,所以两段代码的时间复杂度都是O(1)。
###O(n)
for(int i=0;i<n;i++)
{
System.out.println("input number is:" + i);
}
这里当n等于1时,语句执行1次,当n等于1000时,语句执行1000次,可以看出执行次数和n的大小是成线性关系的,所以我们说它是线性时间复杂度。
###O(n^2)
for(int i=0;i<n;i++)
{
for(int j=0;j<n;j++)
{
System.out.println("input number is:" + i + " and:" + j);
}
}
这里我们来看一种情况:
for(int i=0;i<n;i++)
{
System.out.println("input number is:" + i);
}
for(int j=0;j<n;j++)
{
System.out.println("input second number is:" + j);
}
这种情况的时间复杂度是多少呢?很明显,当n=10时,语句执行2*10次,是成线性关系的,所以它的时间复杂度为O(n)。
###O(n^3)
for(int i=0;i<n;i++)
{
for(int j=0;j<n;j++)
{
for(int k=0;k<n;k++)
{
System.out.println("input number is:" + i + " and:" + j + "and:" + k);
}
}
}
###O(logn)
for(int i=0;i<n;i=i*2)
{
System.out.println("input number is:" + i);
}
###O(k^n)
int fib(int n)
{
if(n<2)
return n;
return fib(n-1) + fib(n-2);
}
时间复杂度的曲线是这样的:
从这个图我们可以看到,当n比较小的时候,不同时间复杂度其实是差不多的,但当n增大时,你会发现,指数级时间复杂度涨的是非常快的。也就是说,我们在写程序的时候,如果能优化时间复杂度的话,比如从O(k^n) 降到O(n^2)甚至是O(n)级别的话,当n很大时,我们所收到的效益是非常大的。
这就给我们一个启示,当我们写完一个程序时,应该养成一种习惯,要对自己程序的时间复杂度有所了解。特别是给公司开发项目时,如果你的时间复杂度处理不好,那么从上图可以看出,随着n的增大,所带给公司资源的消耗是非常大的。相反,如果能优化我们程序的时间复杂度的话,所节约的成本是很大的,而这些效益往往就是改动些许代码就能带来的。
我们来看一个例子:
计算 1+2+3···+n
//方法一 循环累加
sum=0;
for(int i=1;i<=n;i++)
sum+=i;
//方法二 求和公式
sum=n*(n+1)/2
方法一为一重循环,n是多少,循环体就执行多少次,所以时间复杂度为O(n)。方法二是用了求和公式,无论n为多大,该语句都只执行一次,所以时间复杂度为O(1)。