复杂度与冒泡排序、二分查找

总结：
时间复杂度：衡量算法快慢的标准刻度
在CPU单位时间运行指令数恒定的情况下，求算法运行指令数和数据规模n的关系  F(n)
不求甚解

大O渐进法：
1)只保留最高次项
2）最高次项的系数化为1
时间复杂度不是绝对意义上的快慢，运行时间的变化趋势。

常见的时间复杂度：
O(1)  O(log(n)) O(n) O(n*log(n))  O(n^2)

特殊的时间复杂度：
二分查找
递归函数--画框框、数框框  了解


空间复杂度
大O渐进表示法
数据规模是n的情况下，
1)额外使用的空间大小（不考虑输入/输出中用到的空间）
2)常见形式
i.  int[] array=new int[和n的关系]； 
	int[] array=new int[255];  S(n)=O(n)
ii.递归函数  调用栈

一、数据结构与算法

数据结构：存储、组织数据的形式。
算法：一系列步骤。

二、复杂度

1.含义

是衡量算法好坏的刻度尺（标杆）
2.衡量的角度：

          快/慢--时间复杂度    ****
          使用空间的角度（内存）--空间复杂度
如：快慢：冒泡排序  其它排序  
3.拿运行时间衡量怎么样？

不好  原因：1)事后衡量  2）影响因素太多（如当时系统上打开程序的多少）

4.衡量算法快慢的标准

是算法运行的指令个数（基本指令）。这里有个前提，即：CPU每秒运行的指令数是恒定的。

5.大O渐进法

数据规模  n
for(int i=0;i<n;i++){}
运行指令个数F(n) 和数据规模n有关。n越大，F(n)越大。

衡量算法好坏，不需要精确衡量。-->大O渐进表示法
O(F(n))=
1)只保留最高次项
2)最高次项的系数变为1

//在array数组中查找value
int search(int[] array,int value){
	for(int i=0;i<array.length;i++){
		if(array[i]==value){
			return i;
		}
	}
    return -1;//没有找到
}
3   5   2   7   9   6   4
最好        平均         最坏
用平均/最坏来衡量

6.两个例子

例1：
void count(int m,int n){
int count=0;
for(int i=0;i<m;i++){
count++;
}
for(int i=0;i<n;i++){
count++;
}
System.out.println(count);
}
O(n)=O(m+n)
例2：
int String.indexOf(int ch);
数据规模：String的长度  O(n)

7.常见的时间复杂度
O(1)
O(log(n))
O(n)
O(n*log(n))
O(n^2)

8.递归函数的时间复杂度

做法：画框框，找框框的个数

例1：n的阶乘
long Factorial(int n){
    return n>2?Factorial(n-1)*n:n;
}
这个递归函数有两个出口：
1）n=1或n=2-->返回1或2
2）n>2-->求(n-1)!  递归n次。
因此，T(n)=O(n)

例2 斐波那契数列
long Fabonacci(int N){
    return N<2?N:Fabonacci(N-1)+Fabonacci(N-2);
}
两个出口：
1)N=1-->返回1
2)N>=2-->求Fabonacci(N-1)+Fabonacci(N-2)

举例说明：

三、冒泡排序和二分查找的时间复杂度

1.冒泡排序（升序）

冒泡过程:两个相邻的数依次比较，保证大的数在后面。
减治算法：每次处理都减少一个数，剩下的数用同样的方式处理。冒泡的过程就相当于减治算法。

外部循环表示比较的轮数，共比较array.length次。更优化的方式是array.length-1。

    //冒泡排序
   public static  void bubbleSort(int[] array) {
       for (int i = 0; i < array.length; i++) {
           for (int j = 0; j < array.length - 1 - i; j++) {
//保证相邻的两个数，最大的在后面。
               if (array[j] > array[j + 1]) {
                   int temp = array[j];
                   array[j + 1] = array[j];
                   array[j] = temp;
               }
           }
       }
   }

时间复杂度：F(n)=(n-1)+(n-2)+....+1=(n-1+1)(n-1)/2=(n^2-n)/2，因此冒泡排序的时间复杂度为O(n)=n^2。

冒泡排序的优化

每次冒泡之前，假设数组已经有序。如：2 3 4 5 6 7 9。可以在每轮排序前设置标志位假设已经是有序的，经过一轮排序后，如果标志位未发生变化，则说明整个数组是有序的，就不必进行后面的排序了。

for(int i=0;i<array.length;i++){
//每次冒泡之前，假设数组已经有序。
	int sorted=true;
//一次冒泡的过程，保证最大的数被推到最后。
	for(int j=0;j<array.length-1-i;j++){
//保证相邻的两个数，最大的在后面。
	if(arr[j]>arr[j+1]){
	int temp=arr[j];
	arr[j+1]=arr[j];
	arr[j]=temp;
	sorted=false;
	}
    }
    //如果过程一次交换都没有发生过，假设有序成立。
    if(sorted==true){
    break;
    }
}

2、二分查找

前提：数组有序     

查找方式：两种方式：[left,right)  [left,right]（其中， left=区间的左边界   right=区间的右边界）

中间位置的下标：int m=(left+right)/2
[left,right)  区间内只有一个数：right=left+1  没有数 left==right

//二分查找
    [left,right]
    public static int binarySearch1(int[] array, int value) {
        int left = 0;
        int right = array.length - 1;//5 []

        while (left <= right) {
            int mid = left + (right - left) / 2;
            if (array[mid] == value) {
                return mid;
            }
//说明value在(mid,right],那么left=mid+1
            if (array[mid] < value) {
                left = mid + 1;
            }
//说明value在[left,mid),那么right=mid-1
            if (array[mid] > value) {
                right = mid-1;
            }
        }
        return -1;
    }
    //[left,right)
    public static int binarySearch2(int[] array,int value){
        int left=0;
        int right=array.length;
//区间内还有一个数，就继续找，没有数就可以停下。
        while(left<right){
            int m=left+(right-left)/2;
            if(value==array[m]){
                return m;
            }
            if(value>array[m]){
                left=m+1;
            }
            if(value<array[m]){
                right=m;
            }
        }
        return -1;
    }

二分查找的时间复杂度：
长度变化：n  n/2  n/4  ..... 1
1*2*2*2*...*2=n  ->2^a=n-->a=log(n)
二分查找的时间复杂度T(n)=O(log(n))