1.为什么引入多种复杂度?
因为在不同的情况下,代码的时间复杂度是不一样的。为了表示代码在不同情况下的不同时间复杂度,我么引入了三个概念:最好时间复杂度、最坏时间复杂度和平均时间复杂度
2.三种时间复杂度简介
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。
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
平均时间复杂度:最好时间复杂度和最坏时间复杂度都是极端情况下的代码复杂度,发生的概率其实不大。为了更好地表示平均情况下的复杂度,引入了平均时间复杂度。
3.三种时间复杂度的分析
//n 表示数组array的长度
int find(int[] array,int n,int x)
{
int i=0;
int pos=-1;
for(i=0;i<n;++i)
{
if(array[i]==x){
pos=i;
break;
}
}
return pos;
}
1)最好时间复杂度分析:
也就是最好情况,第一个数即是想要找的数,时间复杂度为O(1)
2)最坏时间复杂度分析:
也就是最糟糕情况,遍历了整个for循环,时间复杂度为O(n)
3)平均时间复杂度:
要查找的x 在数组中的位置,有n+1中情况;在数组0~n-1位置中和不在数组中。我们假设在数组中与不在数组中的概率都为1/2。另外,要查找的数据出现在0~n-1这n个位置的概率也是一样的,为1/n;所以,根据概率乘法法则,要查找的数据出现在0~n-1中任意位置的概率为1/(2n)
所以平均时间复杂度为 1*1/(2n)+2*1/(2n)+++++++n*1/(2n)=(3n+1)/4 ,所以时间复杂度为O(n)
这个值是加权值,所以平均时间复杂度也叫加权平均时间复杂度。
4.均摊时间复杂度
均摊分析法:通过摊还分析法得到的时间复杂度我们起了一个名字:均摊时间复杂度。
均摊时间复杂度使用场景:
对一个数据结构进行一组连续操作中,大部分情况下时间复杂度都很低,只有个别情况下时间复杂度比较高,而且这些操作之间存在前后连贯的时序关系,这个时候,我们可以将这一组操作放在一块分析,看是否能将较高时间复杂度那次操作的耗时,平摊到其他那些时间复杂度较低的操作上。而且,在能够应用均摊时间复杂度分析的场合,一般均摊时间复杂度等于最好时间复杂度