一、算法复杂度
算法本质是“快”和“省”。从时间上考虑是时间复杂度(快不快),从空间上考虑是空间复杂度(占用内存多不多)。
算法复杂度记作O(n),表示数据规模为n的情况下,算法使用的时间和空间资源,也就是代码执行花费的时间和空间随着n增大变化的趋势。
二、时间复杂度
计算时间复杂度方法:
没有循环,时间复杂度:O(1)
有循环:从最内层循环开始,
1、确定变量取值范围
2、确定变量每次取值的时间复杂度,记为f(n)
3、循环相加f(n)
重复1到3步,即可计算出嵌套循环的时间复杂度
时间复杂度比较:
O(1) < O(logn) < O(n) < O(nlogn)<O(n^2)
1、O(1)
public void method1(int n){
int a = 5; // 执行1次
int b = 6; // 执行1次
int c = a + b;// 执行1次
System.out.println(c);// 执行1次
}
没有循环,时间复杂度:O(1)
2、O(logn)
public void method10(int n){
for (int i = 1 ; i <= n; i*=2) {
System.out.println("heihei");
}
}
i取值范围:2的0次方,2的1次方,2的2次方…2的log(n/2)次方。
执行次数为:1+log(n/2)
忽略系数,时间复杂度为:O(logn)
3、 O(n)
public void method2(int n){
for (int i = 1 ; i <= n; ++i) {
System.out.println(“haha”); // 第3行
}
}
i取值:1,2,3,4…,n
执行次数:n
时间复杂度为:O(n)
3、O(nlogn)
public void method8(int n){
for (int i = 1 ; i <= n; i*=2) {
System.out.println("haha");
for (int j = 1 ; j <= n; ++j) {
System.out.println("heihei");
}
}
}
第二个for执行次数为:n
第一个for实际取值范围:
i = 2的0次方 时,第二个for执行n次
i = 2的1次方 时,第二个for执行n次
i = 2的2次方 时,第二个for执行n次
…
i = 2的log2的n时,执行n次
执行次数:n + n + n + …+n (一共log2的n + 1 个 n)= n * (1 + log2的n)
忽略系数,时间复杂度:O(nlogn)
3、O(n^2)
public void method3(int n){
for (int i = 1 ; i <= n; ++i) { // 第2行 第1层嵌套
System.out.println("haha"); // 第3行
for (int j = 1 ; j <= n; ++j) { // 第4行 第2层嵌套
System.out.println("heihei");// 第5行
}
}
}
第二个for执行次数:n
第一个for实际取值:
i = 1, 第二个for 执行 n 次
i = 2, 第二个for 执行 n 次
…
i = n, 第二个for执行 n 次
总共执行次数:n+n+…+n (一共 n 个 n)= n * n
时间复杂度:O(n^2)
4、O(n^3)
public void method3(int n){
for (int i = 1 ; i <= n; ++i) {
System.out.println("haha");
for (int j = 1 ; j <= i; ++j) {
System.out.println("heihei");// 第5行
}
for (int k = 1 ; k<= j; ++j) {
System.out.println("heihei");// 第5行
}
}
}
第三个for执行次数为:j
第二个for实际取值范围为:
j=1,第三个for执行 1 次
j=2,第三个for执行 2 次
j=3,第三个for执行 3 次
…
j=i,第三个for执行 i次
第二个for内的总循环次数:
1+2+3+…+i = i(i+1)/2
第一个for实际取值范围:
i = 1 , 执行 1*(1+1)/ 2,
i = 2 , 执行 2*(2+1)/2,
i = 3 , 执行 3*(3+1)/2,
…
i = n , 执行 n*(n+1)/2.
总共的和 O(n3)
5、最好,最坏,平均,均摊时间复杂度
最好时间复杂度:在最理想的情况下,执行这段代码的时间复杂度。就是代码最少执行多少次。
最坏时间复杂度:在最糟糕的情况下,执行这段代码的时间复杂度。就是代码最多------------------------------------执行多少次。
平均复杂度:最好与最坏的情况下一定会存在这其他的情况,累加 这些情况下的时间复杂度 乘以 每种情况出现的频率 即可求出平均时间复杂度。
平均时间复杂度 = 从i=1 到 i = n 的 O(i)*P(i) 总和。
O(i):i情况下花费的时间
P(i):出现i这种情况的概率
三、空间复杂度
空间复杂度全称:渐进空间复杂度。
表示算法的存储空间与数据规模之间的增长关系。比如将一个数组拷贝到另一个数组中,就是相当于空间扩大了一倍,比如跳跃表,hashmap的扩容。
由于现在硬件相对比较便宜,所以在开发中常常会利用空间来换时间,比如缓存技术,还有数据结构中的跳跃表。
在实际开发中我们也更关注代码的时间复杂度,而用于执行效率的提升