【数据结构与算法】第一章 复杂度

1.什么是算法

算法是用于解决特定问题的一系列的执行步骤。

两数相加：

public static int plus(int a， int b){
	return a + b;
}

求n个数的和：

public static int sum(int n){
	int result = 0;
	for(int i = 1; i <= n; i++0){
		result += i;
	}
	return result;
}

使用不同的算法，解决同一个问题，效率可能相差非常大。

• 比如：求第 n 个斐波那契数（fibonacci number）

//方式一：递归，当n比较大时要耗费很多时间
public static int fib1(int n) {
		if (n <= 1)
			return n;
		return fib1(n - 1) + fib1(n - 2);
	}

//方式二：推荐
public static int fib2(int n) {
	if (n <= 1)
		return n;

	int first = 0;
	int second = 1;

	for (int i = 0; i < n - 1; i++) {
		int sum = first + second;
		first = second;
		second = sum;
	}
	return second;
}

2.如何评判一个算法的好坏

如果单从执行效率上进行评估，可能会想到这么一种方案：

• 比较不同算法对同一组输入的执行处理时间。
• 这种方案也叫事后统计法。

上述方案有明显的的缺点：

• 执行时间严重依赖硬件以及运行时各种不确定的环境因素。
• 必须编写相应的测算代码。
• 测试数据的选择比较难保证公正性。

一般情况下从以下维度来评估算法的优劣：

• 正确性、可读性、健壮性（对不合理输入的反应能力和处理能力）。
• 时间复杂度（time complexity）：估算程序指令的执行次数（执行时间）。
• 空间复杂度（space complexity）：估算所需占用的存储空间。

测试代码运行所使用时间的小工具：

package wuyp.java;

import java.text.SimpleDateFormat;
import java.util.Date;

public class Times {
	private static final SimpleDateFormat fmt = new SimpleDateFormat("HH:mm:ss.SSS");
	
	public interface Task {
		void execute();
	}
	
	public static void test(String title, Task task) {
		if (task == null) return;
		title = (title == null) ? "" : ("【" + title + "】");
		System.out.println(title);
		System.out.println("开始：" + fmt.format(new Date()));
		long begin = System.currentTimeMillis();
		task.execute();
		long end = System.currentTimeMillis();
		System.out.println("结束：" + fmt.format(new Date()));
		double delta = (end - begin) / 1000.0;
		System.out.println("耗时：" + delta + "秒");
		System.out.println("-------------------------------------");
	}
}

3.大O表示法（Big O）

一般用大O表示法来描述复杂度，它表示的是数据规模n对应的复杂度。

忽略常数、系数、低阶

• 9 >> O(1)
• 2n + 3 >> O(n)
• n2 + 2n + 6 >> O(n2)
• 4n3 + 3n2 + 22n + 100 >> O(n3)
• log2n 、log9n >> O(logn)
• 写法上，n3 等价于 n^3

注意：大O表示法仅仅是一种粗略的分析模型，是一种估算，能帮助我们短时间内了解一个算法的执行效率。

4.常见的复杂度

复杂度排序：

• O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)

5.fib函数的时间复杂度分析

注意：有时候算法之间的差距，往往比硬件方面的差距还要大

6.算法的优化方向

• 用尽量少的存储空间
• 用尽量少的执行步骤(执行时间)
• 根据情况可以 时间换空间 或 空间换时间

7.多个数据规模的情况

时间复杂度：O(n + k)

public static void test(int n, int k){
	for(int i = 0; i < n; i++){
		System.out.println("test");
	}
	for (int i = 0; i < k; i++){
		System.out.println("test");
	}
}