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");
}
}