O(log(n)) 和 二分搜索

• 原文地址：https://github.com/xitu/gold-miner/blob/master/TODO/what-does-the-time-complexity-o-log-n-actually-mean.md
• 原文作者：Maaz
• 译文出自：掘金翻译计划
• 译者：cdpath
• 校对者：zaraguo (zaraguo), whatbeg (Qiu Hu)

 

友情提示：如果图片挂了，请翻墙或者点击原文地址阅读。

 

预先知道算法的复杂度是一回事，了解其后的原理是另一件事情。

 

不管你是计算机科班出身还是想有效解决最优化问题，如果想要用自己的知识解决实际问题，你都必须理解时间复杂度。

先从简单直观的 O(1) 和 O(n) 复杂度说起。O(1) 表示一次操作即可直接取得目标元素（比如字典或哈希表），O(n) 意味着先要检查 n 个元素来搜索目标，但是 O(log n) 是什么意思呢？

你第一次听说 O(log n) 时间复杂度可能是在学二分搜索算法的时候。二分搜索一定有某种行为使其时间复杂度为 log n。我们来看看是二分搜索是如何实现的。

因为在最好情况下二分搜索的时间复杂度是 O(1)，最坏情况（平均情况）下 O(log n)，我们直接来看最坏情况下的例子。已知有 16 个元素的有序数组。

举个最坏情况的例子，比如我们要找的是数字 13。

十六个元素的有序数组

选中间的元素作为中心点（长度的一半）

13 小于中心点，所以不用考虑数组的后一半

重复这个过程，每次都寻找子数组的中间元素

 

每次和中间元素比较都会使搜索范围减半。

所以为了从 16 个元素中找到目标元素，我们需要把数组平均分割 4 次，也就是说，

简化后的公式

类似的，如果有 n 个元素，

 

归纳一下

分子和分母代入指数

等式两边同时乘以 2^k

最终结果

现在来看看「对数」的定义：

为使某数（底数）等于一给定数而必须取的乘幂的幂指数。

也就是说可以写成这种形式

代码实现：

import java.util.Arrays;

class Test{

    public static void main(String[] args){

        int[] arrs = new int[]{1,3,5,6,10,13,15,16,18,20,22,30,40,50,60,70};

        int[] tmpArrs = arrs;
    
        int index = null;

        int target = 13;

        int flag = true;

        when(flag){
            
            index = tmpArrs.length/2-1;

            if(tmpArrs[index ] == target){

                flag = false;

                break;

            }

            if(tmpArrs[index ] > target){
                
                tmpArrs = Arrays.copyOfRange(tmpArrs, 0, tmpArrs.length/2);

            }

            if(tmpArrs[index ] < target){
                
                tmpArrs = Arrays.copyOfRange(tmpArrs, tmpArrs.length, tmpArrs.length/2);

            }
        }
    }
}