3. 入门：时间复杂度&空间复杂度-进阶

本节在初步了解时间复杂度和空间复杂度的基础上，进一步讲一讲四个时间复杂度的分类，分别是：

• 最好时间复杂度（best case time complexity）
• 最坏时间复杂度（worst case time complexity）
• 平均情况时间复杂度（average case time complexity）
• 均摊时间复杂度（amortized time complexity）

请看一个示例：

/**
 * 在数组中查找跟目标值target相同值的索引位（第一个匹配的即可），如果没有匹配返回-1
 */
public int search(int[] array, int target) {
	int pos = -1;
    for (int i = 0; i < array.length; i ++) {
        if (array[i] == target) {
			pos = i;
			break;
		}
 	}

	return pos;
}

程序本身很简单，学任何语言背景的都能看懂，此时我们来分析时间复杂度：

• 最好的情况：恰好数组第一个元素即匹配，此时时间复杂度为：O(1)
• 最坏的情况：数组所有元素都找遍了都没有匹配的，最后返回了-1，此时时间复杂度为：O(n)
• 平均的情况：最好和最坏都是极端情况，实际运行过程中大概率是中间情况即不好也不坏，我们此时取加权平均值（期望值）作为时间复杂度，此时计算出为（3n + 1）/ 4。（具体的推导过程略），用大O表示法忽略常量则为：O(n)

均摊时间复杂度

前面讲的最好，最坏和平均还比较容易掌握，更高阶的是均摊时间复杂度。
对一个数据结构进行一组连续操作中，大部分情况的时间复杂度都很低，只有个别情况时间复杂度很高，而且这些操作之间存在前后连贯的时序关系，此时可将较高的耗时均摊到较低的操作上。
一般规律：均摊时间复杂度等于最好情况的时间复杂度。

小结

本节延伸了时间复杂度的种类，大多数情况实际估算时不需要严格区分。