算法效率

• 算法效率

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

• 时间复杂度

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

1. 用常数1取代运行时间中的所有的加法常数。
2. 在修改后的运行次数函数中只保留最高阶项。
3. 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

1. 最坏情况：任意输入规模的最大次数。
2. 平均情况：任意输入规模的期望运行次数。
3. 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

• 难以计算的时间复杂度

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

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)