Java基础之复杂度

1 时间复杂度

1.1 常见算法的时间复杂度

1.2 算法时间复杂度的排序

2 空间复杂度


        复杂度是评价一个程序(算法)好坏的标准。我们可以从两个维度来评价程序的好坏,其一是程序的运行速度(时间复杂度);其二是程序所占用的内存空间(空间复杂度)。

1 时间复杂度

        时间复杂度是指完成一个算法所需的时间。在给定CPU的前提下,单位时间内执行语句的条数是基本恒定的,这时,衡量算法的运行时间也就是衡量算法的指令执行个数。Java中的基本指令(O(1))可以看作指令的替代。

        在算法固定的前提下,随着算法处理数据规模的不同,算法需要的语句数也不同,这时就需要得到一个语句数关于数据规模的函数关系来大致估算该算法的时间复杂度。

void func1(int N){
  int count = 0;
  for (int i = 0; i < N ; i++) {
      for (int j = 0; j < N ; j++) {
          count++;
      }
  }
  for (int k = 0; k < 2 * N ; k++) {
      count++;
  }
  int M = 10;
 while ((M--) > 0) {
      count++;
  }
}
//在func1中,指令个数为n*n+2*n+10;
void func2(int N) {
    int count = 0;
    for (int k = 0; k < 2 * N ; k++) {
        count++;
    }
    int M = 10;
    while ((M--) > 0) {
        count++;
    }
    System.out.println(count);
}
//在func2中,指令个数为2*n+10;
        在上面两个例子中,我们可以得到以上关系式。在表示时间复杂度时,采用大O()渐进表示。它满足下面的规则:
  • 只保留函数关系中的最高次项,也就是将func1的时间复杂度表示为O(n*n);
  • 将保留项的常数系数化为1,也就是将func2的时间复杂度表示为O(n)。

1.1 常见算法的时间复杂度

1.1.1 冒泡排序  O(n^2)

    public static void sort(long[] array){
        for (int i = 0; i < array.length - 1; i++) {
            for (int j = 0; j < array.length - i - 1; j++) {
                if(array[j] > array[j + 1]){
                    long t = array[j];
                    array[j] = array[j + 1];
                    array[j + 1] = t;
                }
            }
        }
    }

1.1.2 二分查找   O(log(n))

    public static int MyBinarySearch(long[] array,long key){
        //待查找区间为左闭右闭
        int fromIndex = 0;
        int toIndex = array.length - 1;
        while(toIndex >= fromIndex){
            int midIndex = fromIndex + (toIndex - fromIndex) / 2;
            if (key == array[midIndex]) {
                return midIndex;
            } else if (key < array[midIndex]) {
                toIndex = midIndex - 1;
            } else {
                fromIndex = midIndex + 1;
            }
        }
        return -1;
    }
    public static int binarySearch(long[] array,long key) {
        //待查找区间为左闭右开
        int fromIndex = 0;
        int toIndex = array.length;
        while (toIndex > fromIndex) {
            int midIndex = fromIndex + (toIndex - fromIndex) / 2;
            if (key == array[midIndex]) {
                return midIndex;
            } else if (key < array[midIndex]) {
                toIndex = midIndex;
            } else {
                fromIndex = midIndex + 1;
            }
        }
        return -1;
    }

1.2 算法时间复杂度的排序

 O(1)常数阶 < O(logn)对数阶 < O(n)线性阶 < O(n^2)平方阶 < O(n^3)(立方阶) < O(2^n) (指数阶)

2 空间复杂度

        空间复杂度粗略的认为是内存消耗的大小和数据规模的关系,是对一个算法在运行过程中临时占用存储空间大小的量度。在计算空间复杂度时,算法输入参数占用的空间不计算在空间复杂度内,比如:数组占用的空间不算。

冒泡排序斐波那契数列汉诺塔
空间复杂度O(1)O(n)O(n)

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值