复杂度分析（下）：浅析最好、最坏、平均、均摊时间复杂度

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