时间复杂度的判断和理解

时间复杂度判断

对于两层for循环判断 时间复杂度为 O(n)

public static void test01(int n){
	//1 + 2n + n*(1 + 45) 
	//式中 2n 表示的第一个for中 i < n 及 i++部分.
	//对于n*(1+45)，前面的n表示第一个for循环中的整体代码，（1 + 45）表示第二个循环体
	//1 + 2n + 46n
	//48n + 1
	for（int i = 0; i < n; i++）{
		for(int j = 0;j < 15; j++){
			System.out.println("test");
		}
	}
}

log2 (n) 案例

public static void test02(int n){
	//8 = 2^3,即求出2的指数
	// 若n = 16 ,即 4 = log2(16) , 即执行4次
	//4 
	//2
	//1
	//0
	while((n = n / 2) > 0){
		System.out.println("test");
	}
}

log5(n)案例

	// 执行次数 = log5(n)
public static void test02(int n){
	while((n = n / 5) > 0){
		System.out.println("test");
	}
}

对于for循环中，第三个参数为 i += i 的情况

public static voi、d test07(int n){
	//时间总复杂度为：1 + 2*log2(n) + log2(n) * (1 + 3n)
	//  n = 1 * 2 * 2 * 2.....
	//即 外层时间复杂度 log2(n)
	for(int i = 1; i < n;i += i){  //等价于 i = i + i 或 i = i * 2
		// 1 + 3n  里面的执行次数
		for（int j = 0; j <  n; j++）{
			System.out.println("test")
		}
	}
}

大O表示法 （Big O）

• 一般用大 O 表示法来描述复杂度，它表示的数据规模n 对应的复杂度
• 忽略常数，系数，低阶
  1. 9 >> O(1)
  2. 2n + 3 >> O(n)
  3. $n^2$ + 2n + 6 >>O($n^2$)
• 对数阶一般省略底数
  $lo{g}_2$n = $lo{g}_2$ 9 * $lo{g}_9$ n
  所以$lo{g}_2$n,$lo{g}_9$ n统称为 $logn$

常见的时间复杂度

• 关系
  O(1) < O(logn) < O(n) < O(nlogn) < O($n^2$) < O($n^3$) < O($2^n$) < O(n!) < O($n^n$)
• 关系图
  
  空间复杂度

public static void test(int n){
	//这里的空间复杂度只与 n 有关，即第四行代码
	int a = 10;
	int b = 20;
	int c = a + b;
	int[] array = new int[n];
	for(int i = 0; i < array.length; i++){
		System.out.println(array[i] + c);
	}
}

比较 斐波那契数列 两种方法的时间复杂度

 	//时间复杂度为：O(2^n),可以通过下图分析可知
    public static int fib1(int n){
        if ( n <= 1) return n;
        return fib1(n - 1) + fib1(n - 2);
    }

    //时间复杂度为：O(n)
    private static int fib2(int n) {
        if ( n <= 1) return n;
        int first = 0;
        int second = 1;
        int sum = 0;
        for (int i = 0; i < n - 1; i++) {
            sum = first + second;
            first = second;
            second = sum;
        }
        return sum;
    }