简单的复杂度分析
-
O(1),O(n),O(lgn),O(nlogn),O(n^2)
-
大O描述的是算法的运行时间和输入数据之间的关系
-
为什么要用大O,叫做O(n)? —忽略常数
T = 2*n+2 O(n) T = 2000 *n + 10000 O(n) T = 1*n*n+0 O(n^2)
-
对以下代码进行复杂度分析
/**
* 在第index位置为data数组添加一个元素
* 时间复杂度为O(n)
* */
public void add(int index, E e){
if(index<0 || index>size){
throw new IllegalArgumentException("你输入的位置不合法!!!");
}
if(size == data.length){
//扩容操作
resize(data.length * 2);
}
for (int i = size-1; i >= index; i--) {
data[i+1] = data[i];
}
data[index] = e;
size++;
}
/**
* 从data数组中删除index位置的元素,并且返回删除位置的元素
* 时间复杂度为0(n)
* @param index
* @return
*/
public E remove(int index){
if(index<0 || index>=size){
throw new IllegalArgumentException("你输入的索引不合法");
}
E result = data[index];
for (int i = index+1; i < size; i++) {
data[i-1] = data[i];
}
size--;
data[size] = null;
if(size == data.length/2 && data.length/2!=0){
resize(data.length/2);
}
return result;
}
/**
* data数组扩容
* @param newCapacity
*/
private void resize(int newCapacity){
E[] newData = (E[])new Object[newCapacity];
for (int i = 0; i < size; i++) {
newData[i] = data[i];
}
data = newData;
}
上述代码有一种特殊的情况,那就是给数组的最后一个位置添加(删除)元素,此时不需要再遍历数组,可以直接添加(删除),时间复杂度变为O(1),但我们计算时间复杂度的时间总是考虑最坏的情况,而这种情况出现的几率比较小,所以复杂度还是记为O(n)
均摊复杂度
假设给一个长度为8的数组添加元素,每次都是给数组的最后一个位置添加元素(记为addList),此时执行9此添加操作才会执行一次resize(扩容)操作,总共进行了17此基本操作
平均每次addList()操作,进行2次基本操作
假设数组容量为n,执行n+1次addLast,执行resize,总共进行了2n+1次基本操作
平均每次addLast操作,进行2次基本操作
这样均摊计算,时间复杂度是O(1)的
在这个例子里,这样均摊计算,比计算最坏情况有意义
删除数组最后位置的元素(removeLast)操作同理
复杂度的震荡
当数组空间已经装满,此时再添加元素(addLast),需要先进行扩容操作,时间复杂度变为O(n)
元素添加后,再删除最后位置的元素(removeLast),此时数组的元素数量为数组大小的一半,进行缩容操作,时间复杂度变为O(n)
重复进行这两次操作时,时间复杂度一直都为O(n),如何解决?
解决办法:
扩容操作不变,缩容操作时,当数组元素个数变为数组容量大小的1/4时,在进行缩容操作
public E remove(int index){
if(index<0 || index>=size){
throw new IllegalArgumentException("你输入的索引不合法");
}
E result = data[index];
for (int i = index+1; i < size; i++) {
data[i-1] = data[i];
}
size--;
data[size] = null;
if(size == data.length/4 && data.length/2!=0){
resize(data.length/2);
}
return result;
}