时间是最宝贵的财富
1、为什么要分析复杂度?
时间复杂度和空间复杂度(简称时空复杂度)是衡量算法代码的执行效率的重要指标,学习数据结构和算法离不开时间、空间复杂度分析,掌握了复杂度分析,就掌握了学习算法的精髓,所以时空复杂度分析非常之重要。
事后统计法:把代码跑一遍,通过统计、监控得到算法的执行时间和占用内存大小的方法。
事后统计法局限:测试结果非常依赖测试环境,同时测试结果受数据规模的影响很大。
而算法复杂度是一个不需要具体的测试数据,就可以粗略估计算法的执行效率的方法。
2、大O复杂度表示法
求1,2,3…n的累加和,用很简单的代码表示:
public int cal(int n){
int sum = 0;
for (int i = 1; i <= n; i++) {
sum += i;
}
return sum;
}
实际情况中,每行代码对应的cpu执行的个数、执行的时间都是不一样的,我们假设每行代码执行的时间都一样,为t,那么这段代码的总时间为: T ( n ) = t + 2 n ∗ t + t = ( 2 n + 2 ) ∗ t T(n)=t+2n*t+t = (2n+2)*t T(n)=t+2n∗t+t=(2n+2)∗t所有代码的执行时间T(n)与每行代码的执行次数成正比。
继续分析代码:
public int cal(int n) {
int sum = 0;
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= n; j++) {
sum = sum + i * j;
}
}
return sum;
}
同样假设每个语句执行时间是t,那么总时间T(n)是多少? T ( n ) = t + n ∗ t + n 2 ∗ 2 + t = ( 2 n 2 + 2 n + 2 ) ∗ t T(n) = t + n*t + n^2*2+t=(2n^2+2n+2)*t T(n)=t+n∗t+n2∗2+