时间效率
时间效率被称为时间复杂度,时间复杂度主要衡量一个算法的运行速度
空间效率
空间效率称为空间复杂度,空间复杂度主要衡量一个算法的额外空间
计算机科学中,算法的时间复杂度是一个函数,,它描述了该算法的运行时间。一个算法执行所耗费的时间理论上是算不出来的,不同的机器性能不同说计算出来的时间肯定不同。因此,才有了时间复杂度这个分析方法,一个算法所耗费的时间与其中语句的执行次数成正比例,算法中的基本操作的知执行次数,为算法的时间复杂度。
大O渐进法
- 用常数1取代运行时间中的所有的加法常数。
- 在修改后的运行次数函数中只保留最高阶项。
- 如果最高阶项中存在系数且不是1,则去除这个系数(与此项相乘的常数),得到的结果就是大O阶·
最坏,最好,平均时间复杂度
- 最坏情况:任意输入规模的最大次数。
- 平均情况:任意输入规模的期望运行次数。
- 最好情况:任意输入规模的最小运行次数。
在实际中一般情况关注的是算法的最坏运行情况
二分查找
// 计算binarySearch的时间复杂度?
int binarySearch(int[] array, int value) {
int begin = 0;
int end = array.length - 1;
while (begin <= end) {
int mid = begin + ((end-begin) / 2);
if (array[mid] < value)
begin = mid + 1;
else if (array[mid] > value)
end = mid - 1;
else
return mid;
}
return -1; }
##### j阶乘-单路递归
// 计算阶乘递归factorial的时间复杂度?
long factorial(int N) {
return N < 2 ? N : factorial(N-1) * N; }
##### 斐波那契
// 计算斐波那契递归fibonacci的时间复杂度?
int fibonacci(int N) {
return N < 2 ? N : fibonacci(N-1)+fibonacci(N-2);
}
空间复杂度是一个算法在运行过程中临时占用存储空间大小的量度,空间复杂度不是程序占用了多少大小空间,而是变量的个数(开辟空间的个数)
// 计算bubbleSort的空间复杂度?
void bubbleSort(int[] array) {
for (int end = array.length; end > 0; end--) {
boolean sorted = true;
for (int i = 1; i < end; i++) {
if (array[i - 1] > array[i]) {
Swap(array, i - 1, i);
sorted = false;
}
}
if (sorted == true) {
break;
}
}
}
使用了常数个额外空间,所以空间复杂度为 O(1)
// 计算fibonacci的空间复杂度?
int[] fibonacci(int n) {
long[] fibArray = new long[n + 1];
fibArray[0] = 0;
fibArray[1] = 1;
for (int i = 2; i <= n ; i++) {
fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
}
return fibArray; }
动态开辟了N个空间,空间复杂度为 O(N)
// 计算阶乘递归Factorial的时间复杂度?
long factorial(int N) {
return N < 2 ? N : factorial(N-1)*N; }
递归调用了·n次,开辟了n个栈帧,每个栈帧使用了常数个空间(相当于1),nn实则就是n1,故空间复杂·度为O(n)